Echantillons de sang dans un cadre clinique
Dans le secteur des soins de santé, l'intelligence artificielle aide les cliniciens à établir des diagnostics et à identifier des options de traitement. Photo: Cynthia R. Matonhodze / PNUD Zimbabwe

Véritable moteur de l’«industrie du futur», l'intelligence artificielle (IA) apparaît de plus en plus dans des secteurs essentiels; de la santé au transport, de l'éducation à la finance, ou encore aux assurances. L'Institut McKinsey (anglais, PDF) affirme que l'IA contribue à transformer la société, une transformation "qui se produit dix fois plus vite que la révolution industrielle du XIXe siècle, avec un impact 3 000 fois supérieur". 

Dans le secteur de la santé, l’un des apports de l’IA bénéficiant directement aux patients est l’aide aux cliniciens pour poser un diagnostic. Le géant de la technologie IBM a ainsi offert sa plate-forme d'IA « Watson » à des centres de cancérologie dans 13 pays (anglais), pour aider les oncologues à identifier des options de traitement pour les malades.

Le potentiel de l'IA n'est pas uniquement commercial. Elle peut aussi contribuer à résoudre certains problèmes épineux liés au développement – problèmes auxquels le personnel du PNUD à travers le monde fait face quotidiennement. Une initiative prometteuse est l'utilisation de l'intelligence artificielle pour automatiser l'évaluation intégrée rapide du PNUD - un outil aidant les gouvernements à évaluer l'alignement de leurs plans de développement nationaux avec les 169 cibles des Objectifs de développement durable pour déterminer si un pays est prêt à mettre en œuvre l'Agenda 2030.

Avec le programme Science for Social Good (anglais), le PNUD fait équipe avec IBM Research pour automatiser ce processus, qui nécessite entre 3 à 4 semaines de traitement et l'examen manuel de centaines, voire de milliers de pages de documents.

Avec l'aide de l’IA, un algorithme a été créé et testé pour évaluer les plans de développement nationaux de 5 pays (Bhoutan, Cambodge, Libéria, Maurice et Namibie), où des évaluations manuelles ont déjà été entreprises. Après comparaison entre les résultats acquis par l’algorithme et ceux obtenus par une évaluation d’experts, les résultats globaux sont très positifs (anglais), le système ayant identifié un nombre important d'objectifs nationaux pertinents correspondant aux cibles des ODD. Dans certains cas, le système a également été en mesure d'identifier des objectifs nationaux alignés non décelés par experts.

Des résultats encourageants ont aussi été observés en Papouasie-Nouvelle-Guinée, pays pour lequel une analyse d'impact sur l'environnement n'a pas encore été effectuée. Il est important de noter que, avec l'aide de cet algorithme, le temps nécessaire pour mener une évaluation rapide manuelle pourrait être considérablement réduit, passant de 3 à 4 semaines à 4 ou 4 jours. Le succès de cette initiative est remarquable, car il aidera les pays à identifier rapidement les lacunes dans l'alignement, leur permettant ainsi de mieux intégrer les ODD dans leurs cadres de planification en fonction de leur contexte et de leurs priorités spécifiques.

Bien que l'IA puisse résoudre de nombreux problèmes de développement dans le monde, on s'inquiète de son impact sur le marché du travail et des compétences requises pour adopter cette nouvelle technologie. Atténuer ces défis exigera de veiller à ce que l'IA soit exploitée pour le bien commun et que ses avantages soientt largement partagés, en particulier chez les populations les plus marginalisés. En fin de compte, l'IA n'est pas bonne ou mauvaise en soi. Tout dépend de la façon dont nous choisissons de l'utiliser.

A propos des auteurs
Moninder Singh est membre du personnel de recherche, IBM Thomas J. Watson Reserach Center.

Serge Kapto est Spécialiste, Données pour le développement, au PNUD. Suivez-le sur Twitter: @spkapto

Devika Iyer est Spécialiste, Planification du développement, au PNUD. Suivez-la sur Twitter: @devika_iyer

Icon of SDG 09 Icon of SDG 17

UNDP Around the world

A

Afghanistan Afrique du sud Albanie Algérie Angola Arabie saoudite Argentine Arménie Azerbaïdjan

B

Bahreïn Bangladesh Barbade Bélarus Bélize Bénin Bhoutan Bolivie Bosnie-Herzégovine Botswana Brésil Bureau du Pacifique Burkina Faso Burundi

C

Cambodge Cameroun Cap-Vert Centrafrique (République centrafricaine) Chili Chine Chypre Colombie Comores Congo (République démocratique du) Congo (République du) Corée (République populaire démocratique de) Costa Rica Côte d'Ivoire Croatie Cuba

D

Djibouti

E

Egypte El Salvador Emirats arabes unis Equateur Erythrée Ethiopie

G

Gabon Gambie Géorgie Ghana Guatemala Guinée Guinée-Bissau Guinée équatoriale Guyane

H

Haïti Honduras

I

Ile Maurice et Seychelles Inde Indonésie Irak (République d') Iran

J

Jamaïque Jordanie

K

Kazakhstan Kenya Kirghizistan Kosovo (selon RCSNU 1244) Koweït

L

Laos Lesotho Liban Libéria Libye L’Ex-République yougoslave de Macédoine

M

Madagascar Malaisie Malawi Maldives Mali Maroc Mauritanie Mexique Moldova Mongolie Monténégro Mozambique Myanmar

N

Namibie Népal Nicaragua Niger Nigéria

O

Ouganda

P

Pakistan Panama Papouasie-Nouvelle-Guinée Paraguay Pérou Philippines Programme palestinien

R

République dominicaine Russie (Fédération de) Rwanda

S

Samoa São Tomé-et-Principe Sénégal Serbie Sierra Leone Somalie Soudan Soudan du Sud Sri Lanka Suriname Swaziland Syrie

T

Tadjikistan Tanzanie Tchad Thaïlande Timor-Leste Togo Trinité et Tobago Tunisie Turkménistan Turquie

U

Ukraine Uruguay Uzbekistan

V

Venezuela Viet Nam

Y

Yémen

Z

Zambie Zimbabwe