L’intelligence artificielle est une révolution technologique incontournable. Elle affecte tous les domaines d’activité. Elle a des effets sur l’économie, l’emploi, les services publics, l’environnement, l’information, le secteur culturel et bien sûr l’industrie chimique. Tous les pans de notre société sont concernés et le seront davantage à l’avenir tant son potentiel est considérable.
L’IA ne doit susciter ni excès de pessimisme ni excès d’optimisme. L’IA ne remplacera pas l’humain de même qu’elle ne sera pas la solution à tous les défis de notre temps. Nous ne devons ni surestimer l’impact à très court terme ni le sous-estimer à long terme (AGHION & BOUVEROT, 2024).
Cet article vise à aider à déployer l’intelligence articifielle dans l’industrie chimique fine.
L’Intelligence Artificielle (IA) est aujourd’hui une technologie accessible au plus grand nombre. Elle a émergé dès 1956 et on doit son appellation à John McCarthy pionnier de l’intelligence artificielle.
La majorité des intelligences artificielles utilisent l’apprentissage automatique, en anglais machine Learning, qui consiste à laisser la machine apprendre par elle-même à partir de données, à réaliser une tâche pour l’exécuter de façon de plus en plus performante. L’IA permet de récolter et d’analyser une très grande quantité d’informations en un temps record.
Le succès du développement de l’IA est lié à un triptyque indispensable : une puissance de calcul, l’émergence du cloud et les données indispensables au développement de l’IA.
Ainsi, les données sont la matière première de l’IA. Elles sont la partie essentielle lors du développement d’un système d’intelligence artificielle. Leur qualité et la quantité de données influent directement sur la performance d’une IA.
Il existe aussi des limites à l’IA et des précautions à prendre d’ordre éthique, juridique et en termes de sécurité.
Un potentiel économique et social majeur
Potentiel économique de l’IA
L’IA pourrait considérablement accroître la prospérité collective en améliorant la qualité du travail et en réduisant les inégalités. En France, elle pourrait permettre de doubler la croissance économique annuelle en automatisant certaines tâches, avec une hausse du PIB comprise entre 250 et 420 milliards d’euros sur 10 ans, un montant comparable à l’activité actuelle de l’industrie. Toutefois, ce gain serait temporaire une fois l’IA largement adoptée, limitant les gains de productivité futurs.
Impact à long terme par l’innovation
L’IA ne se limite pas à l’automatisation des tâches ; elle accélère également l’innovation. Elle stimule l’émergence de nouveaux produits et de nouvelles organisations. Ainsi, les gains économiques à long terme viendraient de la capacité de l’IA à stimuler des innovations dans différents secteurs.
Transformation des emplois et défi de formation
L’adoption de l’IA entraînera une transformation des emplois, tant au niveau sectoriel qu’individuel, posant des défis en matière de formation et de reconversion professionnelle. Par suite, il est essentiel d’investir dans des politiques publiques adaptées pour maximiser les bénéfices économiques et sociaux de l’IA.
Retard de la France et de l’Europe
Actuellement, la France et l’Europe accusent un retard important par rapport aux États-Unis dans le domaine de l’IA. Ce retard menace notre compétitivité et notre souveraineté. Il s’explique par une méconnaissance des enjeux technologiques et une aversion collective au risque, freinant l’innovation.
Opportunité d’action immédiate
Bien que le retard soit notable, il est encore possible d’agir, car l’IA en est à ses débuts et la chaîne de valeur n’a pas encore atteint sa maturité. De nouveaux modèles d’affaires restent à inventer, et des avancées importantes dans les capacités des systèmes d’IA sont attendues dans les années à venir.
Plan d’action national
Un plan de sensibilisation et de formation à l’échelle nationale est nécessaire pour permettre une appropriation collective de l’IA. Des investissements dans l’analyse de ses impacts sur l’emploi sont indispensables. Le rapport de la commission de l’intelligence artificielle recommande d’octroyer un budget de 5 milliards d’euros sur 5 ans pour faire de la France un leader dans ce domaine.
Conséquences du non-investissement
Le coût de l’inaction serait élevé, tant sur le plan économique que social, avec un risque de déclassement économique pour la France. Il est donc crucial d’investir maintenant pour assurer la maîtrise de l’avenir technologique et économique du pays.
Exploiter l'intelligence artificielle pour améliorer le fonctionnement de son entreprise
Impact de l'IA sur la productivité et le travail
Selon une enquête de BVA pour Pôle Emploi, l’IA améliore l’activité des entreprises et le quotidien des salariés. Ainsi, elle permet de gagner en rapidité (87%), d’améliorer les performances (72%), de réduire les tâches fastidieuses (63%) et de renforcer la relation client (58%).
De plus, 96% des entreprises utilisant l’IA jugent son impact globalement positif. Une étude du MIT et de l’Université de Stanford montre également une hausse de la productivité de 14% grâce à l’IA, bien que ce chiffre cache des disparités selon les niveaux de compétences des salariés (Brynjolfsson, Li, & Raymond, 2023)
Diversité des usages de l'IA en entreprise
L’IA est employée dans divers secteurs et pour différentes fonctions : gestion de la relation client, analyse de documents, automatisation de tâches, contrôle qualité, etc. Selon l’enquête BVA, 35% des entreprises de plus de 10 salariés utilisent l’IA, avec une adoption plus élevée dans l’agriculture (58%) et l’industrie (50%) que dans la finance (44%) ou le commerce (40%). Cependant, les petites entreprises (TPE/PME) sont encore peu équipées, avec seulement 15% utilisant l’IA générative, et une majorité des dirigeants (72%) ne voyant pas encore son utilité pour leurs entreprises.
Barrières à l'adoption de l'IA par les TPE/PME
Malgré une accessibilité croissante des technologies liées à l’IA, les dirigeants de TPE/PME rencontrent des difficultés à comprendre l’intérêt concret de ces outils pour leurs activités. La principale barrière réside dans l’incapacité à identifier des cas d’usage spécifiques à leurs besoins métiers. Ainsi, l’accompagnement dans l’identification des besoins et la mise en œuvre des solutions IA est indispensable.
Premières utilisations et potentiel futur
Parmi les TPE/PME utilisant l’IA générative, les usages actuels sont majoritairement limités à des activités périphériques comme la recherche de données (56%) ou la génération de contenus écrits (54%). Cependant, certains chefs d’entreprise commencent à intégrer l’IA dans des processus plus centraux tels que la prospection commerciale (17%) ou la relecture et vérification de conformité (16%). Ces premières étapes permettent aux dirigeants et leurs équipes de gagner en rapidité, réduire les coûts et se familiariser avec ces nouvelles technologies.
En résumé, bien que l’IA offre des opportunités importantes pour améliorer la productivité et les performances des entreprises, des obstacles subsistent, notamment pour les petites entreprises. Par suite, un accompagnement est requis afin de maximiser les bénéfices potentiels.
L’usage de l’IA dans l’industrie chimique fine
Les modèles d’apprentissage automatique sont sur le point de révolutionner les sciences chimiques. Traditionnellement associée au travail en laboratoire, la chimie a déjà bénéficié des avancées en informatique et mécanique quantique, menant à l’émergence de la chimie computationnelle. Aujourd’hui, avec les progrès de l’IA et l’explosion des données disponibles, les outils numériques pourraient bientôt jouer un rôle central, non seulement pour soutenir, mais aussi pour guider les expériences de laboratoire (For chemists, the AI revolution has yet to happen, 2023).
Des exemples d’application de l’IA sur toute la chaine de valeur ont émergés et représentent de réelles opportunités (Yan A. Ivanenkov, 2023) ; (Yan Ivanenkov, 2023)
Quelques exemples d’applications sont illustrés dans le tableau suivant.
L’IA peut être à la fois une source significative de consommation énergétique et un outil puissant pour la décarbonation et les initiatives environnementales. On cherchera à explorer une IA écologique à travers des stratégies innovantes promouvant l’écoconception, l’optimisation des processus et la réduction des déchets. (Semedo, 2024)
Solutions d'IA génériques ou spécifiques
Les solutions d’intelligence artificielle (IA) spécifiques sont conçues et adaptées aux besoins particuliers de l’entreprise, soit en interne, soit par des prestataires externes. Contrairement aux solutions d’IA génériques, qui répondent à des besoins plus larges, les solutions spécifiques visent à résoudre des problèmes précis ou à améliorer des fonctions identifiées par l’entreprise. Un des avantages clés des solutions IA spécifiques est la protection des données, car elles ne sont pas partagées avec des tiers, contrairement aux solutions génériques.
Cependant, la mise en place d’une solution IA spécifique demande un investissement minimum et repose sur plusieurs facteurs :
- Il est essentiel de définir quelles activités de l’entreprise tireront le plus profit de l’IA.
- La mise en œuvre de ces technologies requiert des connaissances internes ou l’intervention de prestataires spécialisés.
- L’adoption d’une IA spécifique peut nécessiter des investissements importants, tels que l’achat de matériel, de logiciels, et le recours à des services de conseil. Des aides financières peuvent réduire ces coûts.
- L’introduction de nouvelles technologies peut provoquer des résistances au sein de l’entreprise. Il est donc crucial de bien accompagner cette transition pour une adoption réussie.
- L’IA requiert des données internes de qualité. Il faut examiner les aspects suivants : la collecte, la qualité et la préparation des données, l’accès, ainsi que leur sécurité et confidentialité.
Enfin, si l’entreprise ne dispose pas des compétences internes pour évaluer la faisabilité d’un projet IA spécifique, il est recommandé de solliciter des experts externes pour effectuer un diagnostic préalable.
Démarche pour déployer l’IA dans son entreprise
La démarche et les recommandations pour déployer l’IA de façon durable :
- Acculturer vous et vos équipes à ce qu’est l’IA.
- Partir d’un cas d’usage et de la cible attendue.
- Mettre en place une gouvernance dédiée.
- Coopérer par filière, notamment pour le développement de LLM (grands modèles de langage)
Le cas d’usage est important. Par suite, il faut se concentrer sur les actions les plus simples et les moins coûteuses notamment revoir la gestion de l’information pour le reporting ou bien la maintenance prédictive, la façon de fabriquer et de consommer.
Rappelez-vous que les cas d’usage qui fonctionnent sont souvent proposés par les opérationnels, alors impliquer vos équipes !
Pour les patrons de TPE/PME, afin de structurer votre approche et minimiser les risques d’investissement dans l’IA, Bpifrance propose un programme appelé « IA booster France 2030» IA Booster France 2030 (bpifrance.fr).
Ce programme est un accompagnement par des consultants expert technique et opérationnel Business. Il est subventionné. Et il dure 3 ans.
Il est déployé selon 4 phases :
- Acculturation (gratuit)
- Diagnostic : évaluer le niveau de maturité et les potentiels cas d’usage de l’entreprise. Prioriser le cas d’usage avec un maximum de ROI.
- Solution : Identification de la solution technologique à déployer accompagnée par Bpifrance et des experts conseil.
- Mise en œuvre : déploiement de la solution au sein de l’entreprise
Les outils pour vous accompagner
Découvrir et se former à l'IA
L’objectif des formations IA est de comprendre comment l’IA peut nous permettre de saisir des opportunités mais aussi d’intégrer l’IA dans notre stratégie pour conduire la transformation de notre entreprise.
Un mini Mooc (5h, gratuit) mis en place par France numérique vise à aider les professionnels à se former rapidement à l’IA générative. Il permet de comprendre comment elle transforme la vie de tous les jours, les métiers et les compétences. Une formation très riche pour intégrer l’IA générative dans son quotidien professionnel (L’intelligence artificielle générative et moi – francenum.gouv.fr)
Bpifrance a mis en place un cursus de formation à l’Intelligence artificielle de 16h en e-learning, également gratuit (https://www.bpifrance-universite.fr/formation/cursus-intelligence-artificielle/). Cette formation vise à faire monter en compétences sur les différentes solutions d’intelligence artificielle et leur intégration dans l’entreprise.
Pour les TPE/PME, France Numérique propose une sélection de formations en ligne : Moocs (formations ouvertes en ligne), webinaires ou accompagnements-actions pour expérimenter en pratique (Quelles sont les formations à l’intelligence artificielle pour les TPE et PME ? – francenum.gouv.fr).
Développer une solution IA sur mesure pour son entreprise
Un diagnostic en ligne, proposé par Bpifrance, vous permet, en 15 minutes, d’évaluer la capacité de votre entreprise à conduire des projets d’IA (Formation en ligne Autodiag IA – Bpifrance Université (bpifrance-universite.fr).
Pour déterminer la faisabilité d’un projet IA spécifique il est conseillé de faire appel à des compétences externes pour élaborer un diagnostic préalable.
Une fois votre cas d’usage identifié, l’ADEME a créé un guide méthodologique EMPREINTE PROJET : Évaluer l’empreinte environnementale d’un projet, qui permet d’évaluer l’impact d’un projet. L’impact d’un projet est défini comme la différence, sur la période d’observation considérée, entre les impacts du scénario de référence (sans action) et ceux du scénario dans lequel le projet est réalisé (ADEME, 2021).
Conclusion
La synergie entre l’intelligence artificielle (IA) et la soutenabilité environnementale est cruciale. Ainsi, l’IA peut simultanément accroître la consommation énergétique tout en favorisant la décarbonation. L’IA peut permettre de développer des stratégies durables en optimisant les processus et réduisant l’empreinte carbone, et en améliorant la durabilité par des applications concrètes.
Les données sont la ressource clés présentes dans toutes les entreprises grandes et petites. La coopération sectorielle sera nécessaire pour réduire les coûts d’investissement et faciliter le développement de solutions d’IA spécifiques.
En premier lieu, l’acculturation des équipes, du top management aux employés, est nécessaire. En second lieu, la mise en évidences de cas d’usage à ROI économique, social et environnemental est un élément crucial d’une adoption réussie. Finalement, la mise en œuvre d’une IA responsable sera facilitée par un accompagnement qui prendra en compte les défis éthiques et réglementaires.
Références
ADEME. (2021). EMPREINTE PROJET : Évaluer l’empreinte environnementale d’un projet.
AGHION, P., & BOUVEROT, A. (2024). IA : notre ambition pour la France. COMMISSION DE L’INTELLIGENCE ARTIFICIELLE.
Bpifrance. (2024). Formation : Autodiag IA. Récupéré sur bpifrance université: https://www.bpifrance-universite.fr/formation/autodiag-ia/
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. Cambridge, MA 02138: NBER WORKING PAPER SERIES.
For chemists, the AI revolution has yet to happen. (2023). Nature, 438.
Semedo, A. (2024). AI for green and green AI.
Yan A. Ivanenkov, D. P. (2023). Chemistry42: An AI-Driven Platform for Molecular Design and Optimization. J. Chem. Inf. Model., 695−701.
Yan Ivanenkov, B. Z. (2023). The Hitchhiker’s Guide to Deep Learning Driven Generative Chemistry. ACS Med. Chem. Lett. , 901−915.
