Il y a un intérêt pour l’intelligence artificielle (IA) dans les différentes institutions de la sécurité sociale et de nombreuses initiatives ont vu le jour chez nos membres. En soutien à ces initiatives, Smals organise pour ses membres une série d’ateliers visant à mener en collaboration avec les agents une réflexion sur l’utilisation de l’intelligence artificielle dans le contexte de la sécurité sociale.

L’objectif de ces ateliers est d’une part de partager les connaissances et bonnes pratiques et d’autre part, de constituer un inventaire des cas d’utilisation d’IA. Basée sur la connaissance acquise lors de nos expériences de ces dernières années, nous avons appris à détecter les cas qui apportent une réelle valeur ajoutée et ceux qui relève plutôt de la hype. Pour cela, nous avons établi des critères qui nous permettent de sélectionner les vraies opportunités parmi les idées qui sont proposées lors des ateliers dont les plus importants sont repris dans la liste ci-dessous:

• La plus-value business. Le besoin est réel et peut être adressé avec de l’IA, la solution doit pouvoir être implémentée à court ou moyen terme, elle doit avoir un impact sur le business et les performances doivent pouvoir être mesurées et reliées au KPI business ;
• La présence des données. Celles-ci sont essentielles pour l’utilisation de techniques telles que l’apprentissage machine.
• Le scope du problème. Le scope doit être raisonnable et ne concerne pas un processus business critique sauf s’il peut être résolu avec des techniques suffisamment matures et pas trop complexes à mettre en œuvre.
• L’éthique. La solution envisagée ne viole pas les règles de RGPD et ne pose pas de problèmes éthiques.
• La synergie. On adresse un besoin qui est commun à plusieurs institutions ou plusieurs services au sein d’une même institution.

Ces ateliers s’inscrivent dans un parcours qui vise à inspirer et stimuler l’innovation en s’inspirant des principes du service design. Le but étant de valoriser les avantages de l’IA dans les administrations [1] pour  :

• offrir de meilleurs services aux citoyens ;
• assister les agents dans leurs tâches et permettre un meilleur traitement des dossiers (allocations de primes, octroi de droits sociaux, …) ;
• améliorer l’interaction avec les utilisateurs ;
• rationaliser les processus administratifs et avoir une meilleure utilisation des ressources.

Organisation des workshops

Public cible

Les ateliers s’adressent avant tout aux agents de la fonction publique ayant des profils variés.

• Les experts domaines venant de différents départements et/ou unités. Ces agents experts identifient les besoins qu’ils rencontrent et les processus qu’ils aimeraient voir améliorés.
• Les statisticiens, les personnes en charge de la gestion et/ou de l’analyse des données. Ceux-ci ont un bon aperçu des données présentes dans l’organisation et sont à même d’identifier les nouvelles opportunités apportées par l’IA dans l’utilisation de ces données.
• Les responsables innovation et responsables IT.

Le déroulement des ateliers se fait en deux étapes.

Étape d’idéation

La première étape permet l’identification de problèmes pouvant être adressés avec l’IA. Cela commence par une brève introduction aux principes d’intelligence artificielle et une présentation d’exemples de cas d’application fréquemment rencontrés dans le secteur public. Cette séance est suivie d’une session de brainstorming qui permet de collecter les différentes idées. Les idées sont ensuite présentées et discutées au sein du groupe, celles qui sont potentiellement des problèmes d’IA sont présélectionnées pour la phase suivante.

Étape de qualification

Le but de cette phase de qualification est de déterminer si les idées présentées lors de la phase d’idéation sont viables et si l’utilisation de l’intelligence artificielle est appropriée. A cet effet, nous utilisons un canevas pour mieux cerner le problème par un jeu de questions-réponses [2]. Ce canevas est divisé en plusieurs sections et pour chacune de ces sections nous tentons de répondre de la façon la plus précise aux questions suivantes :

• Processus. Cette partie consiste à décrire le processus existant et à venir. Que désire-on changer ou améliorer ?
• Les personnes. A qui s’adresse la solution IA? Quels sont les personnes potentiellement impactées par la solution ? Quelles sont les tierces parties impliquées?
• Gain. Quel est l’objectif recherché ? Quel est le gain pour l’utilisateur par rapport à la situation existante ? Quel est l’effort à fournir et pour quel bénéfice ? Le gain doit-être mesurable.
• Plus-value de l’IA. Dans cette section, on challenge la plus-value de l’IA comme solution au problème. Comment l’IA peut-elle résoudre le problème, qu’est-ce qu’on veut prédire/détecter ? Y-a-il des méthodes plus simples (non IA) qui pourraient résoudre le problème ? …
• Données. De quelles données disposons-nous ? sous quelle forme ? Sont-elles annotées ? Sont-elles facilement accessibles? Sont-elles suffisamment représentatives ? sensitives ? …
• Interface. Comment interagit l’utilisateur avec l’IA ? Par quel canal ? …

A la fin de cette session, nous disposons de cas d’utilisation suffisamment décrits et documentés pour initier une discussion sur l’opportunité d’un proof of concept. Pour atteindre cet objectif, il est important de:

• bien comprendre les besoins au sein des administrations si on veut concrétiser les initiatives/expériences en projet ;
• éviter les attentes irréalistes ;
• bien définir et cadrer la problématique ;
• repenser l’organisation des processus pour intégrer l’IA ;
• réfléchir dès la définition du problème aux exigences éthiques et légales propres au secteur public.

Priorisation des uses cases

Dans une phase ultérieure, nous parcourons l’inventaire de cas relevés lors des différents ateliers afin de distiller les idées les plus prometteuses et ayant le maximum d’impact. Les cas similaires qui peuvent être adressés ensemble sont regroupés et une priorité est attribuée à chaque cas d’utilisation selon des critères tels que la facilité d’implémentation, le coût-bénéfice, l’impact sur le business, l’importance pour l’organisation, etc. Il en résulte une liste qui servira à alimenter une future feuille de route de projets d’IA.

Conclusions

Après les premiers d’ateliers, nous avons pu confirmer l’efficacité de notre approche pour la détection des problèmes et opportunités d’IA. La motivation des participants est un facteur clé au succès de ces ateliers. Grâce à la diversité des groupes, composés de personnes impliquées et conscientes des opportunités et des challenges que représente l’IA, nous avons pu capturer de nombreux cas d’utilisation intéressants. Parmi les idées proposées, certaines demandent davantage de réflexion en particulier sur les processus métiers, d’autres pourraient facilement évoluer vers un proof of concept.

Références

[1] Plan National de convergence pour le développement de l’intelligence artificielle

[2] The Intelligence Augmentation Design Toolkit by Futurice oy

_________________________

Ce post est une contribution individuelle de Gunther Hellebaut et Katy Fokou, spécialisée en intelligence artificielle chez Smals Research. Cet article est écrit en leurs noms propres et n’impacte en rien le point de vue de Smals.