L'objectif de la session
- En quoi consiste une approche responsable de l'IA et de la donnée ?
- Comment gérer l'inflation des données en tant que professionnel de l'IT ?
- Quelles précautions dans les choix (go/no go, conception, …) ?
- En résumé, comment
illustrer une approche responsable ?
La session visait à partager des retours d'expérience et présenter des expérimentations en matière d’IA responsable et de la gestion responsable des données au travers de :
- l’expérience de Comonimage, une IA spécialisée dans l’analyse de ressentis humains,
- les projets de collectivités pilotés par le Tubà sur le territoire de Lyon
- l’expérience de Thelio, une ESN data sur les enjeux techniques et l’arbitrage dans l’emploi de l’IA.
L’expérience de
Comonimage : focus sur le modèle et les modalités d’exploitation de la donnée
Retour d'expérience : Stéphane a partagé son expérience dans sa précédente
startup, Comongo. Son produit repris aujourd’hui par une nouvelle société portant
le nom la solution SaaS, Comonimage, vise à faciliter l'écoute entre une
organisation et les populations composants son écosystème interne ou externe en
s’appuyant sur les fondements des sciences humaines et sociales (SHS) et des
sciences de l’information et de la communication (SIC).
Le principe est de comprendre l'impact d’un sujet et de ses
messages ou actions sur les récepteurs, en l’occurrence des parties prenantes (clients,
salariés, partenaires, actionnaires, etc.).
Modules du logiciel : Le logiciel Comonimage comprend deux modules : un pour l'émetteur, permettant de piloter le cadrage et la réception de l'information, et un module audit pour recueillir du feedback qualitatif des récepteurs.
Algorithmes d'analyse sémantique :
Explicabilité des résultats : Le logiciel produit des résultats en data visualisation,
réussissant une pleine explicabilité des résultats grâce à la maîtrise et la
livraison de l’intégralité des données recueillies localement dans un cadre
“privacy friendly”, puisque sans interaction avec le cloud.
Le travail avec les linguistes pour corriger et enrichir
les algorithmes en interaction homme-machine participe aussi à la qualité et la
pertinence des résultats.
Apprentissage et conseils de Stéphane :
L’importance de ne pas stocker de données lorsque ce n’est pas nécessaire: les ressentis et attentes des individus évoluant au fil du temps, les données passées n’ont pas d’utilité à être stockées.
Ça a facilité la gouvernance de la donnée et limité la consommation d’énergie à l’analyse des résultats à la demande, et non pas dans un modèle d’entrainement permanent.
L’importance de la
transparence et de la traçabilité des résultats, notamment en fournissant toute
la donnée capturée et analysée, permettant aux organisations de comprendre les
résultats pour prendre des décisions éclairées, facilitant ainsi le libre
arbitre et la contextualisation.
L’importance
des leviers de redirection qu'il a découvert lors de son parcours dans la CEC (Convention
des Entreprises pour le Climat). Voici comment ce parcours a
inspiré sa vision de son travail :
L’importance de l’écoute et de la coopération : Stéphane a mentionné qu’en fournissant des résultats qui
reflètent les perceptions et les attentes des populations cibles le modèle de
Comonimage favorise l'écoute et la coopération entre les organisations et leurs
parties prenantes, qui sont des leviers de redirection essentiels en matière de
RSE.
Le biomimétisme” : usage de la donnée strictement nécessaire pour énergiser
les messages et actions à entreprendre. Pas de surplus, pas de stock, pas de
déchets, par d’usage tiers. Tout est utilisé pour rendre l’organisation plus
robuste sans excès de croissance ou de consommation de manière éthique,
déontologique et responsable.
Le renoncement à l’hypercroissance” : l'usage de données qualitatives provenant de sources
qualifiées permettant l’explicabilité et la transparence des résultats peut se
révéler incompatible avec l'hypercroissance
d’un modèle économique, car une fois les résultats obtenus, du temps est
nécessaire à l’organisation pour se transformer ou adapter ses messages et
actions. Et la surconsommation de l’outil numérique n’est pas nécessaire dans
un processus de transformation ou d’adapation.
Bilan carbone multidimensionnel : Stéphane a mentionné la nécessité de réaliser un bilan carbone multidimensionnel pour évaluer l'impact environnemental de leur outil, de l'entreprise, et de la coopération avec leurs partenaires.
Retour des
expérimentations conduites au Tubà – tiers lieux Lyonnais sur la data
Fréderic Lecoin, Directeur du Tubà, nous a partagé les leçons apprises et insights générés par leurs projets :
Le Projet Magali
Visait à réduire le gaspillage alimentaire dans les
cantines scolaires en utilisant un algorithme pour prédire les repas à
préparer. Cette expérimentation les a amenés à déconseiller la mise en place de
cet algorithme en raison du manque de fiabilité des données disponibles, des
différences d'organisation entre les établissements scolaires, et de l'impact
du COVID sur les données.
Objectif du projet : Le projet Magali, mené avec la Métropole de Lyon, visait à réduire le gaspillage alimentaire dans les cantines scolaires en prédisant les repas à préparer grâce à un algorithme.
Étude de faisabilité : Une étude de faisabilité a été réalisée pour évaluer l'intérêt et la faisabilité de l'algorithme, en interrogeant les responsables des cantines scolaires et en analysant les données disponibles.
Lien avec le Numérique responsable : évaluer en amont les impacts et externalités d’un outil/service numérique pour juger de la pertinence de son déploiement et de ses externalités.
Self Data Lab, ou
l’encapacitation des individus face au big data
Frédéric a expliqué le projet Self Data Lab, qui vise à
permettre aux citoyens de conserver et de contrôler leurs données personnelles
dans un cloud personnel, donnant accès aux acteurs tiers selon leur choix.
Concept du Self Data : Le projet Self Data Lab
permet aux citoyens de conserver et de contrôler leurs données personnelles
dans un cloud personnel, en donnant accès aux acteurs tiers selon leur choix.
Approche éthique : Cette approche éthique des données personnelles permet aux utilisateurs de se réapproprier le contrôle, la maîtrise et le partage de leurs données, en les stockant de manière personnelle et sécurisée.
Modèle économique : Frédéric a mentionné que le modèle économique du Self Data Lab n'a pas encore été trouvé, bien que des concepts comme le data altruisme et les data spaces gravitent autour de cette idée.
Lien avec le Numérique responsable : une approche éthique des données, plus respectueuses des individus. + impact sur les données stockées (pas de multiples réplications).
Charte de la donnée
territoriale :
La
charte de la donnée territoriale mise en place par la Métropole de Lyon, qui
favorise la circulation, le partage et la valorisation des données au service
de l'intérêt général.
Lien avec le Numérique responsable : une
approche éthique des données, qui vise à favoriser la dimension coopérative, le
partage, la circulation, en particulier en faveur des politiques publiques.
Julia
a parlé de la boussole
de l’IA de la Métropole de Nantes qui est conçu pour guider l’arbitrage et
l’application de l’IA dans un contexte de collectivités, mais peut être utile
également pour des entreprises ;
Clément : Retour d’expérience du Green IT et IT for Green dans une ESN Data
Constat de la situation
et leviers pour les consultants :
Inflation des données : Clément a mentionné que la quantité de données double
tous les quatre ans, ce qui pose des défis en termes de gestion et d'impact
environnemental.
Coût de l'inaction climatique : Il a souligné que le coût de l'inaction climatique
pourrait atteindre 300 milliards d'euros par an pour la France, ce qui justifie
l'importance de réduire l'impact environnemental du numérique.
En tant qu’ESN Data, il y a un double sujet pour Thelio -
réduire son empreinte (Green IT) et questionner quelles missions et marchés
poursuivre (IT for Green):
Clément
a parlé des initiatives de son entreprise pour réduire l'impact environnemental
de l'IT:
Faire le Bilan carbone : Clément a expliqué que leur entreprise a réalisé un bilan carbone pour mesurer et s’équiper ensuite d’indicateurs pour mesurer l'impact environnemental de leurs activités
Sensibilisation des employés : Ils ont organisé des sessions de sensibilisation, telles que des fresques du climat et des ateliers 2tonnes, pour sensibiliser les employés aux enjeux environnementaux.
Mettre en oeuvre une politique d’achats responsables : Ils ont mis en place des pratiques d'achats responsables,
en favorisant la circularité et en choisissant des équipements reconditionnés
lorsque possible.
Partenariats : Ils
ont ouvert des partenariats avec des associations et des collectifs engagés,
ainsi qu'avec des entreprises de conseil en environnement, pour améliorer leurs
pratiques et réduire leur impact environnemental.
Stratégie d'IT for Green (la technologie pour réduire l'empreinte des métiers) :
Impact du numérique sur l'environnement et choix business
: Clément a souligné l'importance de mesurer
l'impact environnemental du numérique et de choisir des missions qui
contribuent à la réduction des émissions de CO2, comme l'optimisation des
processus logistiques.
Optimisation des processus : Clément a expliqué que l'optimisation des processus
logistiques grâce à la data peut réduire significativement les émissions de
CO2, en améliorant l'efficacité des transports et des flux physiques.
Énergies renouvelables : Il a mentionné que leur entreprise travaille avec des clients dans le secteur des énergies renouvelables, en utilisant la data pour piloter et optimiser la production d'énergie solaire et éolienne.
Questions et discussions :
Gouvernance des données : La discussion a également porté sur la gouvernance des
données, en soulignant l'importance de définir des responsables de données et
de mettre en place des politiques de gestion des données pour éviter les biais
et garantir la qualité des données.
Usage interne de l'IA : Les participants à la session aimeraient explorer comment limiter les usages coûteux par le bias des pratiques actuelles.
Biais potentiels (RH) : On a également abordé les biais potentiels de l'IA, notamment en
matière de recrutement, et la nécessité de veiller à ce que les algorithmes ne
discriminent pas les candidats.
Sondage sur l'usage de l'IA : Alexandre Dufour a proposé de
lancer un sondage pour mieux comprendre l'utilisation de l'IA dans les entreprises, , en posant des questions
sur les types d'IA utilisées, les raisons de leur utilisation, et le temps
passé à les utiliser.
Conseils
• L'impact de l'IT est avant tout dans notre matériel informatique : la prérogative demeure de Prolonger, réutiliser, réparer, revaloriser son parc et acheter du matériel reconditionné
• Challenger quelles données sont nécessaires, et challenger la notion de conservation/stockage de données pour être en adéquation avec les objectifs du projet
• Considérer l’importance de la
transparence et de la traçabilité des résultats
• Adopter une vraie gouvernance des données (voir références)
• Prendre en compte les émissions dans la conception d’archis (greenops au même niveau que le finops)
• Inclure des tests de performance dans le CI/CD
•
Challenger les
métiers qui vous demandent un LLM et voir quelles alternatives existent
• Avoir une conversation constructive avec vos parties prenantes sur une informatique durable
•
Redéfinir
le modèle d’affaire de votre entreprises ou les objectifs de votre job si
l’activité de votre entreprise est nuisible aux humains ou aux écosystèmes
Références
- Baromètre Green IT https://alliancegreenit.org/2025-barometre-green-it
· Délibération Métropole de Lyon - Charte de la donnée territoriale pour une gestion coopérative, responsable et éthique des données : https://tinyurl.com/469a767p
• Charte de la donnée territoriale : https://minio.data.grandlyon.com/assets/prod-media-library/2025/02/67a9c5090645a500273ac184.pdf
• Projet MAGALI : https://www.tuba-lyon.com/projet/magali-maitrise-du-gaspillage-alimentaire/
• Site Self Data Lab : https://www.selfdata-lab.fr/
• Référentiel évaluation Label IA Labs qui peut également guider votre gouvernance des données : https://github.com/LabeliaLabs/referentiel-evaluation-dsrc
• Comprendre l’évolution de l’usage de la data par la veille https://epoch.ai/trends
• Boîte à outils Digital League : https://digital-league.org/blog/actus-1/boite-a-outils-rse-et-nr-pour-survivre-jusqu-en-2050-307#scrollTop=0