Cet article est écrit par André Corrêa d'Almeida * et Bernardo Rivera Muñozcano **.
Une enquête récente envoyée à plus de 1500 décideurs dans plusieurs secteurs et régions a révélé que 40% des répondants mettent actuellement en œuvre au moins un projet d' intelligence artificielle ou prévoient de le faire à court terme.
Mais lorsque Cognylitica, la société à l'origine de l'enquête, a demandé à ces mêmes répondants s'ils travaillaient déjà sur un projet ou prévoyaient d'en lancer un prochainement contenant des éléments d'IA (définis par Cognylitica comme l'un des sept «modèles»), presque 90% ont dit oui.
- Tu veux écrire pour nous? Jetez un œil au guide d' Apolitical pour les contributeurs
En d'autres termes, des organisations du monde entier utilisent déjà des outils d'IA sans même le savoir, et ce manque de sensibilisation empêche les dirigeants gouvernementaux et les décideurs d'adopter pleinement différentes applications d'IA et techniques d' apprentissage automatique (ML), les éloignant de la transformation. potentiel que ces outils peuvent apporter à leurs organisations.
Plus important encore, les institutions publiques n'ont pas encore développé les cadres réglementaires et organisationnels appropriés pour adopter le changement technologique. Tout comme au début des années 1990, lorsque le gouvernement a commencé à adopter l'informatique mainframe alors que le secteur privé éliminait déjà progressivement cette technologie, nous pensons que le fait de ne pas adopter et mettre à l'échelle les outils d'IA aujourd'hui entraînera des risques et des pertes plus importants pour les agences gouvernementales du milieu à long terme.
La création d'espaces sûrs dans des bacs à sable expérimentaux où les contraintes procédurales ou réglementaires sont réduites en offrant plus de marge de manœuvre aux innovateurs publics pourrait permettre aux organisations d'adopter et de mettre à l'échelle des outils d'IA. Aussi connus sous le nom de niches d'innovation stratégique , ces mécanismes ouvrent des possibilités d'innovation en assouplissant les conditions restrictives des organisations du secteur public et en réduisant les différents risques associés à l'expérimentation publique. Ces espaces peuvent se concrétiser de différentes manières, comme la création d'agences gouvernementales subsidiaires - servant de consultants pour d'autres équipes sans envahir leurs attributions légales - ou par le biais d'un instrument juridique offrant une plus grande marge de manœuvre aux fonctionnaires.
Des organisations du monde entier utilisent déjà des outils d'IA sans même le savoir
Les bacs à sable permettent aux pionniers de créer une culture organisationnelle ouverte, où les fonctionnaires développent de nouvelles approches sur la base de leurs propres pratiques et perspectives, et non en suivant des règles ou des procédures étape par étape fermées qui, par définition, ne peuvent pas intégrer l'imprévu développement technologique. Nous présentons une feuille de route pour le développement de ces types d'espaces institutionnels, tout en apprenant et en intégrant leurs fonctionnaires dans le processus.
Expérimenter, adapter, répéter, dans un espace communautaire
Il existe une abondante littérature sur la manière dont les gouvernements ont traditionnellement favorisé une approche itérative à petite échelle de l'innovation dans l'élaboration des politiques. Lorsqu'il s'agit de l'intégration d'outils d'IA, cette logique de pilotage peut aboutir à une adoption systémique ou opérationnelle rationalisée de l'IA dans une organisation si les dirigeants travaillent de concert avec leurs communautés - que ce soit leurs employés / fonctionnaires ou clients / citoyens - et leur permettent de expérimenter et partager leurs idées et leurs préoccupations avec d'autres membres au sein de la même organisation (en savoir plus dans Smarter New York: Comment les agences municipales innovent ).
Cette approche améliore l'efficacité des boucles de rétroaction, tout en créant un espace pour l'engagement communautaire: l'espace où les directives et les objectifs descendants se croisent avec l'expertise et l'apprentissage sur le terrain. Plus important encore, cet engagement communautaire peut servir de point de départ pour transformer l'expérience en changements systémiques à grande échelle.
Une approche expérimentale de l'adoption de l'IA créera les conditions pour que le leadership et la culture organisationnelle servent de facilitateurs pour l'adoption de l'IA.
La rupture d'équipes cloisonnées est non seulement largement reconnue comme un moyen d'améliorer l'efficacité d'une organisation, mais elle la rend également plus résiliente et capable de répondre aux crises et de s'adapter aux chocs externes , comme le développement de nouveaux outils technologiques. Dans le cadre de cette approche collaborative, les organisations devraient être en mesure de co-créer une stratégie d'IA holistique propre à leur mission, leur éthique et leurs valeurs. La gouvernance anticipative, l'analyse en couches causales et les méthodologies similaires d'études futures pourraient aider les institutions à naviguer dans les dilemmes éthiques inhérents à l'utilisation de technologies et de données biaisées, un aspect qui est devenu une exigence pour tout gouvernement qui utilise des outils automatisés qui consomment et apprennent à partir des données. dans les processus décisionnels publics.
Lors de la création de ce terrain d'entente, un langage commun doit être établi pour les experts et les non-experts afin de garantir une coopération transversale entre les différentes divisions d'une organisation. Pour que ce marché d'idées fonctionne, des praticiens qui possèdent à la fois des connaissances du domaine et une expertise technique sont nécessaires. Ces traducteurs, ou bilingues , deviennent un atout indispensable dans toute organisation moderne désireuse d'adopter et de mettre à l'échelle des outils et des systèmes d'IA. La présence de ces médiateurs est nécessaire pour ces premières étapes d'adoption technologique. Cependant, avec le développement d'outils technologiques plus sophistiqués et la présence croissante dans tous les aspects de notre vie, l'accès aux connaissances et aux compétences de base en littératie numérique pour tous - pas seulement les experts ou les bilingues - deviendra encore plus essentiel.
Trouvez vos champions IA
La création d'un tel bac à sable ou d'un tel marché où les champions de l'IA peuvent travailler en étroite collaboration avec des experts du domaine et des experts opérationnels pour créer des pilotes d'IA, est un bon premier pas vers le changement culturel nécessaire à toute organisation pour étendre son utilisation de l'IA.
Tirer parti de la créativité et des ressources internes existantes empêche également les organisations d'établir des dépendances à long terme avec des fournisseurs externes qui entravent la résilience et les capacités adaptatives, et qui peuvent s'avérer plus coûteuses à long terme.
Tableau 1. Obstacles courants à l'adoption de l'IA et exemples de stratégies ouvertes pour les surmonter.
| Obstacles à l'adoption d'outils d'IA | Pilote ou expérience | Itération à plus grande échelle |
| Manque de stratégie d'intelligence artificielle claire | Gouvernance anticipative, analyse en couches causales et méthodologies similaires d'études futures. | Modèles de maturité de l'IA et stratégies d'identification stratégique et d'impact commercial. |
| Compétences techniques / écosystème IA | Bilingues / AI-Champions avec à la fois une expertise du domaine et des compétences techniques. | Stratégies généralisées d'alphabétisation numérique. |
| Silos organisationnels / agilité des entités | Marché des idées, bacs à sable institutionnels / réglementaires. | Infrastructure de partage de données interinstitutions. |
| Engagement de leadership | Pilotage au lieu d'approches PoC. | Analyse du ROI |
| Infrastructure technologique et de données. | Pilotage et intégration expérimentale de produits minimum viables. | Itération et versioning pour réaliser le développement à grande échelle des pilotes. |
Un certain nombre de changements systémiques doivent se produire pour qu'un prototype viable puisse évoluer vers un mécanisme organisationnel complet, à savoir la restructuration des systèmes d'information et des architectures qui soutiennent tout algorithme. Cependant, une approche expérimentale de l'adoption de l'IA créera les conditions pour que le leadership et la culture organisationnelle servent de facilitateurs pour l'adoption de l'IA, et facilitera l'intégration de processus et de systèmes obsolètes à ces nouveaux outils. Certains soutiennent même que les approches de preuve de concept pour la mise à l'échelle des outils d'IA sont vouées à l'échec, favorisant plutôt une approche itérative et pilote vers l'intégration de produits minimum viables et de leurs versions ultérieures.
Le jeu a changé
La transition de l'expérimentation à des initiatives à grande échelle peut avoir lieu après qu'un avantage opérationnel clair a été identifié, là où une valeur publique est créée, et une fois qu'il existe une culture de travail forte et transversale. Les organisations qui ont un bac à sable expérimental comme zone tampon de transition seront mieux préparées car certaines de ces technologies commencent à entrer dans le creux de la désillusion du cycle du battage médiatique.
Si les développements technologiques continuent de croître de manière exponentielle , les impacts de l'IA dans tous les aspects de notre société et de ses institutions ne devraient pas être considérés comme un événement unique dans la vie. En tant que décideurs et décideurs, nous devons doter les organisations de mécanismes ouverts pour leur permettre d'adopter le prochain grand «changeur de jeu» technologique. - André Corrêa d'Almeida et Bernardo Rivera Muñozcano
* André Corrêa d'Almeida, Ph.D., est professeur associé adjoint en affaires internationales et publiques à l'Université de Columbia, conseiller principal de la New York Academy of Sciences on AI, et auteur de Smarter New York City: How City Agencies Innover .
** Bernardo Rivera Muñozcano, MPA, est un consultant politique spécialisé dans les affaires urbaines, les données et la gouvernance technologique. Il est un ancien du LabCDMX et du MODA de New York .
(Crédit photo: Unsplash)

Connectez-vous ou inscrivez-vous pour continuer la conversation