La quête du succès national de l’IA a électrisé le monde : au dernier décompte, 44 pays sont entrés dans la course en créant leur propre plan stratégique national d’IA. Alors que l’inclusion de pays comme la Chine, l’Inde et les États-Unis est attendue, des pays inattendus, dont l’Ouganda, l’Arménie et la Lettonie, ont également élaboré des plans nationaux dans l’espoir de réaliser la promesse. Nos articles précédents, intitulés « Comment différents pays voient l’intelligence artificielle » et « Analyser les plans d’intelligence artificielle dans 34 pays », détaillaient la façon dont les pays abordent les plans nationaux d’IA, ainsi que la façon d’interpréter ces plans. Dans cet article, nous allons plus loin en examinant les indicateurs des besoins futurs en IA.
Évaluer l’épanouissement par l’analyse factorielle
Clairement, avoir un plan national d’IA est une condition nécessaire mais pas suffisante pour atteindre les objectifs des différents plans d’IA qui circulent dans le monde ; 44 pays ont actuellement de tels plans. Dans les articles précédents, nous avons noté à quel point les plans d’IA étaient largement ambitieux et que passer de cette aspiration à une mise en œuvre réussie nécessitait des investissements et des efforts publics-privés substantiels.
Afin d’analyser la mise en œuvre à ce jour des objectifs nationaux d’IA des pays, nous avons rassemblé un ensemble de données au niveau du pays contenant : le nombre et la taille des superordinateurs dans le pays en tant que mesure de l’infrastructure technologique, le montant des dépenses publiques et privées en IA initiatives, le nombre de startups d’IA dans le pays, le nombre de brevets d’IA et de documents de conférence produits par les universitaires du pays, et le nombre de personnes ayant une formation STEM dans le pays. Pris ensemble, ces éléments fournissent des indications précieuses sur l’état d’avancement d’un pays dans la mise en œuvre de son plan.
Étant donné que l’analyse de chacun des éléments de données individuellement présentait certains défis en matière de données, nous avons effectué une analyse factorielle pour déterminer s’il y avait un regroupement logique des éléments de données. L’analyse factorielle révèle la structure sous-jacente des données ; c’est-à-dire que la technique détermine mathématiquement combien de groupes (ou facteurs) de données existent en analysant quels éléments de données sont les plus étroitement liés à d’autres éléments.
Étant donné que nos données comprenaient cinq dimensions distinctes (c’est-à-dire l’infrastructure technologique, les startups d’IA, les dépenses, les brevets et les documents de conférence, et les personnes), nous nous attendions à ce que cinq facteurs émergent, d’autant plus que les dimensions semblent être relativement séparées et distinctes. Mais les données ont montré le contraire. Dans l’ensemble, cette analyse factorielle a révélé que tous les éléments de données relèvent de deux facteurs : liés aux personnes et liés à la technologie.
Le premier facteur est l’ensemble de l’embauche d’IA, des diplômés en STEM et des points de données de pénétration des compétences technologiques, qui sont tous associés au côté humain de l’IA. Sans personnes qualifiées, les implémentations de l’IA ont peu de chances d’être efficaces.
Le deuxième facteur est composé de tous les éléments de données non-humains de l’IA, qui incluent la puissance de calcul, les startups de l’IA, les investissements, les articles de conférence et de revue, et les points de données de soumission de brevets d’IA. En examinant ces éléments de données, nous avons réalisé que tous les éléments de données de ce facteur étaient liés à la technologie, que ce soit du point de vue du matériel ou du leadership éclairé.
Compte tenu de ces résultats, nous pouvons traiter les données comme contenant deux catégories distinctes : les personnes et la technologie. La figure 1 montre où se situe un ensemble sélectionné de pays le long de ces dimensions.
Interprétation des positions relatives
Les pays qui sont dans le coin supérieur droit que nous doublons « Dirigeants;« ils ont à la fois les personnes (facteur 1) et la technologie (facteur 2) pour atteindre leurs objectifs. Les pays dans le quadrant inférieur droit que nous doublons « Techniquement préparé» et parce qu’ils sont plus élevés sur les dimensions technologiques (facteur 2) mais inférieurs sur les dimensions humaines (facteur 1). Ces pays dans le quadrant supérieur gauche que nous appelons le « Personnes préparées” et en grande partie en raison de leurs facteurs plus élevés sur la dimension humaine (facteur 1), mais inférieurs sur la dimension technologique (facteur 2). Le dernier quadrant – le quadrant inférieur gauche – nous appelons le « Aspirant” puisque ces pays n’ont pas encore sensiblement avancé dans la dimension humaine ou technologique (facteur 1 et 2 respectivement) dans la réalisation de leur stratégie nationale d’IA.
Chine
La Chine est incontestablement plus proche d’atteindre ses objectifs de stratégie nationale d’IA. C’est à la fois un leader dans la dimension technique et un leader dans la dimension humaine. Il est à noter que, bien que la Chine soit fortement positionnée dans les deux dimensions, elle n’est la plus élevée dans aucune dimension ; les États-Unis sont plus élevés dans la dimension technique, et l’Inde, Singapour et l’Allemagne sont tous plus élevés dans la dimension humaine. Compte tenu de la population de la Chine et de son investissement global dans les dépenses liées à l’IA, il n’est pas surprenant que la Chine ait une avance précoce et dominante sur les autres pays.
États Unis
Les États-Unis, tout en étant un chef de file dans la dimension technologique, en particulier dans les sous-dimensions des investissements et des brevets, se classent à une 15e place relativement lamentable après des pays comme la Russie, le Portugal et la Suède dans la dimension humaine. Cela est particulièrement clair dans la sous-dimension des diplômés en STIM, où il se classe près du bas. Bien que le vaste avantage des États-Unis en matière de dépenses lui ait donné une avance rapide dans les dimensions technologiques, nous pensons que le manque général de personnes qualifiées en STIM est susceptible de restreindre considérablement les États-Unis dans la réalisation de leurs objectifs stratégiques à l’avenir.
Inde
En revanche, l’Inde détient une avance modeste mais mesurable sur les autres pays dans la dimension humaine, mais accuse un retard notable dans la dimension technologique, en particulier dans la sous-dimension investissement. Ce n’est pas surprenant, car l’Inde est connue depuis longtemps pour ses prouesses en matière d’éducation, mais n’a pas investi à parts égales avec les leaders dans la dimension technologique.
Notre concentration sur la Chine, les États-Unis et l’Inde ne veut pas dire que ce sont les seuls pays qui peuvent atteindre leurs objectifs nationaux en matière d’IA. D’autres pays, notamment la Corée du Sud, l’Allemagne et le Royaume-Uni, se situent juste en dehors des premières positions et, du fait qu’ils sont généralement bien équilibrés entre les dimensions humaines et technologiques, ont d’excellentes chances de combler l’écart.
Prochaines étapes
À l’heure actuelle, la Chine, les États-Unis et l’Inde ouvrent la voie à la mise en œuvre de plans nationaux d’IA. Pourtant, la Chine a déjà mis en place une stratégie équilibrée qui a jusqu’à présent échappé aux États-Unis et à l’Inde. Cela suggère que la Chine doit simplement poursuivre sa stratégie. Cependant, un affinement de la stratégie est nécessaire pour que les États-Unis et l’Inde suivent le rythme. Ces leaders sont suivis de près par la Corée du Sud, l’Allemagne et le Royaume-Uni.
Dans les prochains articles, nous approfondirons à la fois les dimensions humaines et technologiques, et disséquerons les lacunes spécifiques pour chaque pays, ainsi que ce qui peut être fait pour y remédier. Tout ce qui n’est pas un engagement national substantiel en faveur de la réalisation de l’IA risque de reléguer le pays au statut d’acteur de second rang dans l’espace. Si les États-Unis veulent dominer cet espace, ils doivent améliorer la dimension humaine de l’innovation technologique et s’assurer qu’ils disposent des diplômés STEM nécessaires pour pousser leur innovation en IA vers de nouveaux sommets.
