La triple contrainte sur l’avancée de l’intelligence artificielle en Europe

Les lacunes en Europe en capital humain, en données et en financements disponibles freinent l’adoption par les entreprises européennes de l’intelligence artificielle. Ces mêmes obstacles entravent également la recherche et le développement européens en IA. Le tableau 1 montre comment les barrières en termes de compétences, de financement et de données entrent en jeu différemment à chacune des trois étapes de l’innovation (voir notre récente contribution politique pour une discussion détaillée).

Une longueur d’avance dans la recherche, le développement et la diffusion de l’IA peut générer des avantages économiques et géopolitiques. L’adoption rapide de l’IA dans le secteur privé promet des gains de productivité et un avantage concurrentiel sur les marchés mondiaux. La demande croissante de technologies d’IA générera des avantages économiques dans les pays qui abritent des développeurs de produits d’IA de pointe. Le développement de l’IA renforce également sans doute l’autonomie stratégique en réduisant la dépendance à l’égard de la technologie étrangère et en offrant aux décideurs politiques la possibilité de façonner les normes internationales. Les pays affiliés à des universitaires menant des recherches exploratoires sur l’IA peuvent bénéficier de transferts de connaissances aux étudiants et de retombées vers le secteur privé, ainsi que de la capacité de définir des priorités de recherche par le biais de politiques. Sans surprise, plus de 30 pays ont désormais des stratégies nationales d’IA, dont les États-Unis et la Chine

Résultats de l’innovation en IA dans l’UE, les États-Unis et la Chine

Mesurer l’avancement nécessite différentes métriques pour les trois étapes de l’innovation – recherche, développement et diffusion. La recherche en IA peut être considérée comme un succès lorsqu’elle conduit à des citations de revues et de conférences ; Le développement de l’IA peut être considéré comme un succès lorsqu’il conduit à des brevets ou à des licornes (entreprises en démarrage évaluées à 1 milliard de dollars ou plus) ; et la diffusion de l’IA peut être considérée comme réussie lorsque les entreprises pilotent ou intègrent l’IA dans leurs opérations. Dans chacun de ces domaines, l’Europe a moins de succès que ses homologues internationaux (Figure 1). Les lacunes de l’Europe en matière de compétences, de données et de financement y contribuent.

Disponibilité des compétences en IA dans l’UE, les États-Unis et la Chine

Une main-d’œuvre qualifiée est un facteur clé du progrès technologique. Des universités compétitives et des talents académiques permettent aux pays de participer à la recherche exploratoire. Des chercheurs qualifiés génèrent des retombées de productivité et de qualité pour leurs équipes et leurs co-auteurs. Il a été constaté que des niveaux élevés de capital intellectuel et de compétences stimulent les performances d’innovation dans les entreprises de haute technologie, et le nombre et le succès des start-ups en IA dépendent de l’expertise spécialisée de leurs fondateurs. Enfin, la disponibilité de compétences numériques parmi le personnel est essentielle à l’adoption de l’IA. Les quatre cinquièmes des entreprises de l’UE considèrent le manque de compétences de la main-d’œuvre comme un obstacle majeur à l’adoption de l’IA.

Les mesures présentées dans la figure 2 reflètent les dotations en compétences des trois économies pour chaque étape de l’avancement de l’IA. L’UE dispose d’une excellente base de compétences en matière de recherche en IA (colonne 1), mais semble avoir moins d’avantages lorsqu’il s’agit de tirer parti de cette expertise dans le secteur privé. L’indicateur d’intensité des compétences dans les entreprises montre que l’UE compte en moyenne deux fois moins de chercheurs en IA employés dans les meilleures entreprises d’IA que les États-Unis. De plus, la capacité des entreprises de l’UE à adopter des systèmes d’IA et à les ajuster à leurs besoins opérationnels est limitée par la disponibilité relativement faible de programmeurs et d’ingénieurs de données sur le marché du travail, telle que représentée par le nombre de diplômes en informatique (colonne 3). Ici, conformément aux estimations d’adoption de l’IA, la main-d’œuvre chinoise semble mieux équipée pour répondre aux besoins des entreprises.

Disponibilité des données dans l’UE, les États-Unis et la Chine

La disponibilité des données est le deuxième moteur important de l’avancement de l’IA. La capacité de traiter et de stocker d’énormes quantités de données a été l’un des principaux catalyseurs de la recherche et du développement récents de l’IA. Combinée aux progrès des systèmes informatiques évolutifs, l’émergence de quantités massives de données (publiques et privées) a permis d’explorer les algorithmes de base de l’IA, tels que l’apprentissage en profondeur et l’apprentissage par renforcement, à une échelle et une portée sans précédent. Pour l’adoption de l’IA par les entreprises ordinaires, cependant, la disponibilité des données internes de l’entreprise est un facteur déterminant plus crucial, car les technologies de l’IA doivent être adaptées au contexte spécifique de chaque organisation. Ce réglage de précision algorithmique nécessite l’adoption de technologies « de base » antérieures telles que le stockage de données et la puissance de calcul, car, à moins que les données ne puissent être collectées, stockées et transformées, les entreprises ne peuvent pas commencer à en tirer des leçons ou à les utiliser pour prendre en charge une prise de décision intelligente. Plus de la moitié des entreprises de l’UE ont cité le manque de données internes comme un obstacle majeur ou mineur à l’adoption de l’IA.

La disponibilité des données sous forme numérique est déterminée à la fois par la quantité de données générées et par leur accessibilité aux chercheurs et aux entreprises. De grands ensembles de données de productivité et de données générées à partir d’appareils et d’appareils connectés peuvent, par exemple, être utilisés pour former des algorithmes d’apprentissage automatique dans des environnements de vente au détail ou industriels et sont particulièrement pertinents pour la recherche et le développement de l’IA. La production de données dans l’UE est nettement plus faible qu’aux États-Unis et en Chine (figure 3), probablement en raison des faibles niveaux de numérisation dans les économies européennes. Malheureusement, le manque d’informations sur la collecte de données au niveau de l’entreprise nous empêche de faire des comparaisons sur la disponibilité des données internes.

Financement de l’IA dans l’UE, les États-Unis et la Chine

Intuitivement, l’accès au financement est crucial pour que les start-ups d’IA se développent et réalisent leurs idées. Le capital-risque semble particulièrement adapté pour combler cette lacune car, en plus de fournir du financement, l’investissement en CR est associé à des impacts bénéfiques sur les opérations des entreprises. De même, les contraintes financières sont un obstacle majeur à l’adoption de la technologie dans les entreprises ordinaires sans IA. Les technologies complexes telles que l’IA nécessitent des ajustements opérationnels et organisationnels importants, dont les coûts peuvent être prohibitifs pour certaines entreprises. Les gouvernements souhaitant stimuler l’adoption de l’IA devraient envisager des subventions ou des incitations fiscales.

Par rapport à leurs homologues américaines et chinoises, les entreprises européennes sont confrontées à de graves contraintes budgétaires en matière d’IA (Figure 4). En 2020, les flux de CR vers les start-ups de l’UE représentaient moins d’un quart des flux vers la Chine et moins d’un dixième de ceux vers les États-Unis. Il en va de même pour les investissements privés dans l’IA. Selon l’observatoire des politiques d’IA de l’OCDE, basé sur 13 agences gouvernementales, le financement public total de la R&D en IA s’élevait à 3,6 milliards de dollars en 2019, la grande majorité était constituée par les dépenses des États-Unis et de l’UE (les données sur les investissements publics chinois en R&D ne sont pas disponibles à des fins de comparaison).

Recommandations politiques

Comparé à la Chine et aux États-Unis, le manque de financement semble être l’obstacle le plus crucial auquel l’Europe est confrontée dans son ensemble. L’acquisition de la technologie et l’adaptation des processus opérationnels autour de l’IA s’avèrent contraignantes pour les entreprises ordinaires. Les comparaisons internationales se concentrent souvent sur le manque d’investissements en capital-risque de l’UE dans l’IA, ce qui est crucial pour le développement de l’IA. Mais pour stimuler l’adoption de l’IA parmi les entreprises non technologiques ordinaires, les gouvernements pourraient mieux se tourner vers les déductions fiscales ou les subventions qui soutiennent l’acquisition de la technologie de l’IA et des services connexes.

Le manque de disponibilité des compétences en IA semble être le principal facteur freinant l’adoption finale de l’IA dans les entreprises ordinaires. Des comparaisons internationales montrent que malgré le grand nombre de chercheurs universitaires en IA de l’UE, l’Europe ne fournit pas la même quantité de main-d’œuvre qualifiée aux entreprises privées, ce qui entraîne un manque de scientifiques des données qualifiés qui peuvent mettre l’IA à des fins commerciales pratiques. Cela suggère que le marché du travail est une contrainte contraignante pour l’adoption de l’IA et un domaine auquel l’UE et les États membres devraient prêter attention. L’amélioration des opportunités d’apprentissage des adultes et l’intégration des compétences en matière de données dans des programmes plus éducatifs sont les premières mesures à prendre.

Enfin, en termes de disponibilité des données, la production de données dans l’UE semble être à la traîne par rapport aux États-Unis et à la Chine, en raison du retard de la transformation numérique des entreprises et de l’administration publique en Europe. Alors que l’accès aux données externes (privées et publiques) est nécessaire pour la recherche et le développement de l’IA, la disponibilité des données internes de l’entreprise est plus cruciale pour l’adoption de l’IA par les entreprises non-R&D – par exemple, le réglage fin des algorithmes d’IA à des fins spécifiques. entreprises. Les gouvernements devraient donc d’abord promouvoir la numérisation des entreprises et de l’administration, et soutenir les investissements nécessaires pour améliorer la préparation technologique nécessaire à l’adoption de l’IA. Ensuite, les décideurs politiques peuvent se concentrer sur l’ouverture des données publiques (anonymisées) et l’amélioration de l’accessibilité et de la comparabilité des ensembles de données entre les pays.

Alléger ces contraintes les plus pressantes en termes de compétences, de financement et de données contribuerait grandement à promouvoir l’avancement de l’IA en Europe.

Citation recommandée :

Hoffmann, M. et L. Nurski (2021) ‘La triple contrainte sur l’avancement de l’intelligence artificielle en Europe’, Blogue Bruegel, 6 décembre

Cet article de blog a été produit dans le cadre du projet « L’avenir du travail et de la croissance inclusive en Europe », avec le soutien financier du Centre Mastercard pour la croissance inclusive.