Intelligence artificielle et apprentissage automatique
LIRE EN ANGLAIS | LIRE EN ALLEMAND |
Ce Ligne directrice aide les autorités contractantes à intégrer les technologies d'intelligence artificielle (IA) et d'apprentissage automatique (AA) à leurs besoins et processus d'approvisionnement. Compte tenu que les solutions d'IA/AA peuvent améliorer un large éventail d'applications, ce document vise à fournir une approche complète et progressive pour aider les autorités contractantes à adapter leurs modèles d'approvisionnement existants et à intégrer les fonctionnalités de l’IA/AA aux solutions qu'elles jugent appropriées.

1. Définition et applications des outils d'IA/AA aux LDT
L'intelligence artificielle (IA) et l'apprentissage automatique (AA) peuvent accompagner les villes dans leur processus décisionnel grâce à des outils avancés et des modèles basés sur les données. Ces technologies permettent aux collectivités d'analyser de vastes volumes de données, d'identifier des tendances et d'en tirer des enseignements exploitables, optimisant ainsi les processus de gestion urbaine et favorisant l'innovation. En intégrant l'IA et l'AA aux jumeaux numériques locaux (LDT), les villes peuvent créer des systèmes dynamiques et réactifs qui s'adaptent aux conditions changeantes et favorisent la prise de décision en temps réel.
Les technologies d'IA/AA ont de nombreuses applications dans les initiatives de villes intelligentes, notamment la maintenance prédictive, l'optimisation des transports et la gestion intelligente du trafic, le contrôle de la qualité de l'air et la modélisation prédictive, la gestion des ressources et l'engagement citoyen. Les systèmes basés sur l'IA améliorent l'efficacité opérationnelle en automatisant les tâches routinières et en fournissant des recommandations intelligentes, tandis que les modèles d'apprentissage automatique apprennent et améliorent continuellement leurs performances grâce aux nouvelles données.
Selon la loi européenne sur l'intelligence artificielle, un « système d'IA désigne un système basé sur une machine qui est conçu pour fonctionner selon différents niveaux d'autonomie et capable de s’adapter après son déploiement, et qui, pour des objectifs explicites ou implicites, déduit, à partir des entrées qu'il reçoit, comment générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions qui peuvent influencer les environnements physiques ou virtuels. » En d'autres termes, l'IA implique le développement de systèmes capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine, comme le raisonnement, l'apprentissage et la prise de décision. L'IA offre un potentiel de transformation pour les villes, permettant l'automatisation des processus et la prise de décision intelligente dans des domaines tels que la gestion du trafic, la distribution d'énergie et la sécurité publique. Les systèmes d'IA peuvent analyser diverses sources de données, notamment les capteurs IdO et les archives, afin de fournir aux collectivités des informations prédictives et des solutions automatisées adaptées à leurs besoins spécifiques.
Une sous-catégorie de l'IA, l'apprentissage automatique se concentre sur le développement d'algorithmes permettant aux systèmes d'apprendre à partir des données et d'améliorer progressivement leurs performances. Les outils d'apprentissage automatique permettent aux villes d'extraire des modèles et des tendances précieux d'ensembles de données complexes, facilitant ainsi la prise de décision fondée sur les données dans divers domaines. Les modèles d'apprentissage automatique peuvent prédire les schémas de consommation énergétique, identifier les anomalies dans le fonctionnement des infrastructures et optimiser les services publics à partir de données historiques et en temps réel par exemple. En exploitant l'apprentissage automatique, les villes peuvent améliorer l'adaptabilité et l'efficacité de leurs écosystèmes numériques.
2. Comprendre et identifier les objectifs et les outils axés sur l'IA/AA en vue d’un approvisionnement
Pour réussir l'intégration de l'IA et du ML aux plateformes LDT ou aux solutions associées, il est essentiel pour les villes de bien comprendre leurs objectifs en matière d'IA et de ML. Identifier ces objectifs signifie déterminer les besoins et les objectifs spécifiques de la communauté, tels que l'amélioration de l'analyse des données, l'optimisation de la prise de décision ou l'automatisation des flux de travail. Ces objectifs guideront le choix des outils et technologies d'IA et de ML appropriés, en veillant à leur adéquation avec la vision stratégique de la ville.
Voici les étapes clés pour comprendre et identifier les objectifs axés sur l’IA/AA :
- Évaluation des capacités actuelles : Évaluer les systèmes et les processus existants afin d'identifier les lacunes où l'IA/AA peut apporter une valeur ajoutée. Déterminer si des capacités d'analyse avancée, de modélisation prédictive ou de traitement du langage naturel sont nécessaires, par exemple.
- Définition des cas d’utilisation : Établir des cas d'utilisation spécifiques où l'IA/AA peut répondre aux défis opérationnels ou améliorer la prestation de services. L'optimisation du trafic, l'efficacité énergétique ou l'engagement citoyen via des chatbots figurent parmi les cas d'usage possibles.
- Participation des parties prenantes : Collaborer avec les parties prenantes concernées, telles que les scientifiques des données, les équipes informatiques et les décideurs, pour définir les priorités et garantir la cohérence en fonction des besoins de la ville.
- Évaluation de la technologie : Identifier les outils, plateformes et algorithmes d'IA/AA les mieux adaptés aux cas d'usage définis, dont l'évaluation de facteurs tels que l'évolutivité, l'interopérabilité et la facilité d'intégration aux systèmes existants.
- Fixer des objectifs mesurables : Définir des indicateurs clés de performance (ICP) pour mesurer la réussite de la mise en œuvre de l'IA/AA. L'amélioration de la précision, les économies de coûts ou la satisfaction des utilisateurs figurent parmi les exemples d'ICP.
En suivant ces étapes, les villes peuvent définir efficacement leurs objectifs liés à l’IA/AA et acheter des outils adaptés à leurs besoins.
3. Exigences supplémentaires en matière d'IA/AA à intégrer dans les modèles d'approvisionnement pertinents
L'intégration de composants d'IA/AA dans les services applicatifs exige des villes qu'elles prennent en compte des exigences supplémentaires. Ces exigences garantissent l'intégration efficace des technologies d'IA/AA dans les solutions et la fourniture des avantages escomptés. L'adaptation des modèles pour ces marchés publics nécessite l'harmonisation des accords de niveau de service (Service Level Agreements, SLA ), du contexte technique, des exigences fonctionnelles, techniques et juridiques, ainsi que d'autres sections pertinentes des documents d'appel d'offres, afin d'intégrer correctement les capacités uniques de l'IA/AA.
Les villes doivent adapter soigneusement les modèles pour tenir compte de ces aspects, en veillant à ce que les solutions d'IA/AA répondent aux exigences actuelles et restent flexibles pour des améliorations futures. En intégrant ces considérations dans les modèles d'approvisionnement, les villes peuvent favoriser l'adoption réussie des technologies d'IA/AA dans leurs infrastructures numériques. Cependant, les exigences techniques et fonctionnelles suivantes sont destinées à servir de référence aux autorités contractantes. Ces exigences ne sont pas exhaustives et peuvent ne pas répondre pleinement aux besoins ou circonstances spécifiques de chaque contexte d'approvisionnement. Il est conseillé aux autorités contractantes d'examiner attentivement, d'adapter et de personnaliser les exigences fournies afin de s'assurer qu'elles correspondent aux objectifs, aux contraintes et aux priorités opérationnelles de leurs projets spécifiques.
Voici un aperçu des exigences techniques et fonctionnelles suivies par les cadres juridiques.
Cadre technique3.1 Exigences techniques et fonctionnellesExigences de test des modèles et algorithmes d'IA/AA au sein du LDT : Objectif:
Données:
Autoapprentissage : Les modèles et algorithmes d’IA/AA doivent être capables d’apprendre et de s’adapter en fonction des entrées de données en temps réel afin de soutenir l’amélioration continue des modèles et des algorithmes. Surveillance humaine : Le système d'IA doit intégrer des solutions permettant une supervision humaine afin de maintenir l'autonomie humaine et de réduire les impacts potentiellement négatifs (grâce à une combinaison d'approches humaines dans la boucle (HIL), d’approches humaines sur la boucle (HOL), d’approches humaines aux commandes (HIC) ou d'autres approches reconnues et acceptées comme références, par exemple). Explicabilité :
Traçabilité :
Transparence :
Justice :
Robustesse :
Performance :
Confidentialité : Les systèmes d'IA doivent mettre en œuvre des solutions entièrement conformes aux politiques et législations applicables tout au long du cycle de vie d'un système (RGPD, loi sur l'IA, règlement ePrivacy de l'UE (en cours de discussion) ou autres politiques et législations applicables). Veuillez noter que ces exigences peuvent être intégrées à n'importe quel modèle, à l'exception des modèles d'infrastructure réseau et d'appareils IdO, en tenant compte des adaptations requises. 3.2 Mécanismes d'interopérabilité minimale (MIM)En intégrant des modèles d'approvisionnement pour garantir l'adoption réussie des technologies d'IA/AA dans les infrastructures numériques, les villes doivent également prendre en compte les mécanismes d'interopérabilité minimale (MIM) afin de garantir une interopérabilité suffisante des données, des systèmes et des services, notamment dans les solutions de ville intelligente. Plus précisément, les villes peuvent se référer à MIM5 : une Intelligence artificielle juste et transparente produit par l'OASC (Open And Agile Smart Cities). En raison du cadre de refonte des MIM 2024/25, à l’heure actuelle une transition est en cours vers une approche plus globale, axée sur « l’IA interopérable ». Pour de plus amples informations, vous pouvez consulter le Ligne directrice sur la conformité aux MIM, aux normes, aux caractéristiques et aux certifications. 3.3 Critères d'évaluation et d'attributionCette section du Ligne directrice vise à fournir des informations et des options possibles de développement d'appels d'offres, en comblant les lacunes dans les exigences techniques et fonctionnelles spécifiques des solutions d'IA et d’AA. |
Cadre juridiqueTout en intégrant des modèles d’approvisionnement pour garantir l'adoption réussie des technologies d'IA/AA, les villes doivent également se conformer au cadre juridique de l'UE. Cela signifie se conformer aux lois, réglementations et directives européennes pertinentes afin de garantir l'intégration éthique, transparente et légale de l'IA/AA aux infrastructures numériques. Les villes et les collectivités peuvent également bénéficier d’une aide supplémentaire en consultant la directive sur le cadre juridique de l’UE relatif aux produits et services numériques pertinents pour les LDT, qui offre un aperçu des exigences de conformité pour les processus d’approvisionnement impliquant des technologies d’IA/AA. De plus, les villes peuvent se référer à la Clauses contractuelles sur les types d’IA de l’UE , disponibles sur Living-in.EU, afin de garantir la normalisation et l'harmonisation juridique lors de la rédaction des contrats relatifs aux solutions d'IA. Ces ressources fournissent des outils pratiques pour s'y retrouver dans le paysage juridique et favoriser la confiance et la transparence dans le cadre du déploiement de l'IA. |