Cas d'usage de l'IA
dans le service public

ARNia

Agence Régionale du Numérique et de l'intelligence artificielle.

Organisme public financé par la Région BFC, les départements de la Nièvre, Saône-et-Loire et l'Yonne, ainsi que par ses 1 800+ adhérents

Mutualise des solutions numériques et héberge les dispositifs IDéOBFC, MedNumBFC et CSIRT.

Victor Vila

Chef de projet DataBFC et innovation à l'ARNia, Agence Régionale du Numérique et de l'intelligence artificielle.

Passionné par le Machine Learning depuis 2017

Intervenant à l'Université de Bourgogne sur les sujets "IA et vie privée" et "Ruralité et territoires intelligents".

Objectifs :

Montrer des exemples d'utilisation de l'IA (Etat et région BFC)

Présenter des outils que tout et chacun peut s'approprier

Rappeler quelques précautions et limites

Principaux services autour de l'IA

En IA, tout évolue vite

kaggle.com

hugginface.co

thereisanaiforthat.com

uneiaparjour.fr

Cas d'usage dans l'UE

Cas d'usage
au niveau national

Projets de génération de contenus

Albert (DINUM)

1 000 agents se sont portés volontaires pour tester cette IAG basée sur le modèle Claude qui génère des propositions de réponses aux questions des administrés.

Conseils personnalisés d'Intelligence Emploi
(Pôle Emploi)

Aide les conseillers à proposer un parcours personnalisé et adapté aux besoins des demandeurs d’emploi

Direction de l’information légale et administrative (DILA)

Fournit une première aide à l’usager en formulant une réponse adaptée aux problématiques identifiées et en l’orientant vers les ressources appropriées du site service-public.fr.

DINUM de la Nouvelle Calédonie

Développement d'un agent conversationnel sur le site service-public.nc pour assister les administrés dans leurs démarches.

Albert

Mille agents de différents services publics, comme la CNAV (Caisse Nationale d’Assurance Vieillesse), Pôle Emploi ou l’Assurance Maladie se sont portés volontaires pour tester Claude, un modèle d’Anthropic adapté par la start-up française AlloBrain.

Ils font partie des 3500 agents chargés de répondre aux commentaires laissés par les usagers qui ont la possibilité de donner leur avis sur le site Services-publics.fr. Ils ont le choix d’utiliser ou non le modèle pour le faire, dans ce dernier cas, il leur suffit d’appuyer sur un bouton.

Les agents publics jugent alors de la pertinence de la réponse apportée par l’IA, la modifient à leur gré ou décident de ne pas en tenir compte. Les données sont totalement anonymisées, la confidentialité est ainsi complètement préservée pour l’usager.

Pour Stanislas Guerini, il n’est pas question de les remplacer par l’IA, mais de leur permettre de libérer du temps pour avoir plus d’interactions humaines.

Conseils personnalisés d'Intelligence Emploi

Le projet « Conseils personnalisés d'Intelligence Emploi » se dote d’un outil conversationnel à destination des conseillers de Pôle Emploi pour les aider à proposer un parcours personnalisé et adapté aux besoins des demandeurs d’emploi. Parmi la multitude de services disponibles (formation, ateliers, job dating, etc.), l’outil facilite l’identification de celui qui sera le plus adapté à l’usager en s’appuyant sur ses données professionnelles (diplômes, compétences, etc.).

https://www.cnil.fr/fr/bac-sable-intelligence-artificielle-et-services-publics-la-cnil-accompagne-8-projets-innovants

Quota des femmes dans les média

Tv & radio

Comptabilise le temps d'image et le temps de parole

Produit des statistiques par type d'émission (journal Tv, sports, ...)

Détection de piscines non déclarées

Projet "Foncier innovant"

Obligation de déclarer les piscines enterrées excédant une certaine surface

Recettes : 10M€ en 2022 (60M€ en 2023?)

Taux d'erreur : ~30% (piscines hors-sol)

En 2022, le projet a été déployé sur 9 départements. Plus de 20 000 piscines non déclarées ont été découvertes. Cela représente près de 10 millions d'euros de recettes supplémentaires pour les municipalités concernées pour la seule année 2022.

En 2023, le projet s'applique à toute la France. 120 000 cent vingt mille piscines ont été trouvées.

Le ministère des finances prévoit "d'optimiser ce nouvel outil" pour détecter "d'autres formes de constructions non déclarées", comme les dépendances, les vérandas ou les grands abris de jardin.

L'IA analyse les vues aériennes de Google Maps ou Google Earth, ainsi que les cadastres. Cependant, le logiciel n'est pas en mesure de faire la distinction entre les piscines hors sol ou démontables, qui ne sont pas imposables, et les piscines enterrées, qui ont un impact sur la valeur du bien et donc sur son imposition.

Le taux d'erreur des détection est d'environ 30%.

https://www.impots.gouv.fr/actualite/generalisation-du-foncier-innovant

Contrôles en ligne

Collecte et analyse automatique de données en ligne

Réseaux sociaux, images satellites, plateformes de vente en ligne

3 objectifs possibles :

Fausses domiciliations fiscales à l’étranger

Activités professionnelles non déclarées

Activités de contrebande et de contrefaçon

DGCL

Libérer le temps passé par les agents instructeurs sur des tâches à faible valeur ajoutée

Gains estimés entre 1/2 et 1 ETP par an par préfecture

Aide à l'implantation d'artisans

Utilisé en appui des conseillers

Réduit des heures d'étude de dossier à quelques minutes

Code source ouvert

https://github.com/etalab-ia/ami-ia-crmana

MathIA

Parcours d’activités sur-mesure pour CP et CE2

(Une autre IA sera disponible à la rentrée 2024 pour les elèves de 2ème - mathématiques et français)

Utilisée par 136 enseignants dans l'académie de Dijon et 120 dans l'académie de Besançon.

https//mathia.education/

Une formation en mathématiques sur mesure pour chaque élève Co-construit avec des centaines d'enseignants et des milliers d'élèves et mis à disposition des enseignants par le Ministère de l'Education. L'enseignant choisit les notions à travailler et l'IA propose à chaque élève des activités adaptées à son niveau. Utilisée par 136 enseignants dans l'académie de Dijon et 120 dans l'académie de Besançon. Cette IA suit les progrès de l'élève et lui propose de renforcer certaines compétences et d'en acquérir de nouvelles grâce à un parcours d'apprentissage personnalisé.

Le ministre de l'éduction a déclaré qu'à la rentrée 2024, chaque élève de 2ème aura accès à une IA pour l'assister en mathématiques et en français

Cas d'usage
Bourgogne-Franche-Comté

Détection de scolytes

L'une des conséquences des sécheresses à répétition est la multiplication des scolytes. Il s'agit d'un petit insecte qui perfore les arbres de côté à côté coupant ainsi les conduits de sève et tuant l'arbre.

Nous avons assisté à un échange entre forestiers du Morvan et du Haut-Jura où il a été dit que les résineuses dans le Morvan est fini.

En l'occurrence, l'IGN réalise tous les mois une analyse des images de Sentinel-2. Les arbres attaqués par les scolytes sont clairement visibles car ils sont malheureusement secs. Les IA excellent au traitement d'images et peuvent donc détecter les arbres touchés, qui peuvent être au milieu d'une forêt.

Et puisqu'on vient de parler du Morvan et du Jura, passons aux cas d'usage régionaux.

Mais avant, signaler que l'IGN mène d'autres programmes avec l'IA, notamment la description de l'occupation du sol.

Conception et utilisation

Foodin tech

Développé et utilisé au CHU de Dijon

Surveillance automatique de l'alimentation des personnes hospitalisées

Permet de d'alerter les diététiciens en cas de risque de dénutrition

https://foodin.tech/

Imaginez que vous vouliez vérifier si les personnes âgées d'un hôpital s'alimentent correctement et que vous vouliez également garder une trace de tout ce qu'elles ont mangé.

Ce projet, développé en BFC, se concentre sur le contrôle de l'alimentation des patients hospitalisés. La malnutrition touche toutes les populations, mais les personnes âgées dans les établissements de santé et les institutions sociales sont particulièrement touchées.

Chaque repas est scanné (remarquez le QR-Code sur le plateau) par un smartphone attaché au chariot de distribution des repas, avant et après que le patient ait mangé.

Les photos sont transmises à l'IA, qui identifie précisément chaque ingrédient et compare leurs volumes Avant/Après, ce qui permet d'automatiser le calcul des ingesta.

Un suivi des ingesta et des apports nutritionnels dans le temps est assuré pour chaque patient. Un moteur de suivi nutritionnel permet d'alerter les diététiciens de tout besoin potentiel.

La segmentation des images permet au modèle de savoir quelle quantité de chaque partie du repas a été consommée.

Les données collectées peuvent ensuite être utilisées pour faire des prédictions et détecter des anomalies.

Conception et utilisation

Predict Ops

Développé par le SDIS25 et l’université FEMTO-ST

Prédiction du nombre d’interventions avec géolocalisation

1 200 critères pris en compte

https://predictops.io/

Conception et utilisation

Le soignant augmenté

Adaptation à chaque soignant

Amélioration du flux des patients

https://www.datategy.net/datategy-x-chalon-sur-saone-hospital-center-ai-for-the-health/

Centre hospitalier William MOREY de Chalon-sur-Saône

Ce projet est un exemple de que l'IA peut apporter à l’amélioration de la sécurité et de la qualité des soins du parcours patient

Avec des vies plus longues et des pathologies qui deviennent chroniques la charge de soins augmente mais pas les soignants disponibles

Il faut donc adapter les modes de prises en charges des patients pour préserver la qualité des soins en situation courante et exceptionnelle

Cela devient possible grâce à la collecte massive de données par les dispositifs médicaux connectés, valorisées par des outils d'IA ce qui permet d'améliorer le parcours de soin et la gestion de la performance hospitalière.

Les avantages de cette solution sont pour les patients : 1/ l’évaluation du patient à partir de critères objectifs 2/ la mise en évidence de l’évolution de la situation clinique dès les premiers signes de dégradation

Pour les soignants : 1/ une simplification des prises de constantes, 2/ une diminution de la charge de travail, de la charge mentale et de la saisie, 3/la focalisation sur des patients plus fragiles.

L'agrégation de certains paramètres est à l'origine d'un score prédictif de la dégradation du patient transmis au soignant.

La Région soutient l’achat de l’équipement et le module d’intelligence artificielle.

Utilisateur

Vialytics

Utilisé par la ville de Nevers

Diagnostic de l'état de la voirie avec un smartphone

https://www.vialytics.fr/

Utilisateur

Prédiction de l'emplacement des fuites d'eau

20 % de l'eau en France est perdue à cause de fuites

Prédiction du 20% du réseau qui concentre 80% des fuites

https://www.leakmited.com

20 % de l'eau en France est perdue à cause de fuites.

Les canalisations d'eau étant souterraines, comment savoir où se trouvent les fuites ?

En prédisant de petites zones d'intérêt dans le réseau d'eau qui sont plus susceptibles de présenter des fuites.

Entraînée sur 600 000 fuites et 300 000 kilomètres de réseaux, l'IA peut surveiller un territoire avec très peu de données.

L'IA identifie les 20 à 30 % du réseau qui concentrent 80 % des fuites.

Cela permet de surveiller l'état du réseau de plus près avec moins de capteurs.

Les données sont extraites d'images satellites, de l'historique des fuites de la zone et de toutes les données que la startup a collectées au fil du temps.

Les techniques utilisées sont la segmentation d'images et l'apprentissage automatique classique.

Ville de Lure

Flux de personnes, vélos, voitures, camions

Taux d'occupation des parkings, utilisation des places de stationnement, voitures "ventouses", ...

Détection de dépôt sauvage d'encombrants

Détection de nuisances sonores

DataBFC

Co-piloté par la Région BFC et l'ARNia

Fournit des données aux décideurs pour construire des meilleurs services publics.

Fournir aux citoyens des services publics et des décisions de meilleure qualité et plus efficaces.

DataBFC est une plateforme de données ouvertes dont la première version est en cours de déploiement.

Dans sa deuxième version, elle inclura les capacités nécessaires aux projets de territoires intelligents.

Nous aurons quatre villes pilotes.

Nous travaillons en partenariat avec la région BFC et Upciti, la société qui fournit les capteurs.

Ces capteurs peuvent prendre en charge plusieurs cas d'utilisation en même temps, notamment :

Amélioration de la gestion des déchets : files d'attente aux centres de collecte des déchets, décharges illégales
Meilleure gestion des places de stationnement et des aires de covoiturage : vérification des politiques en vigueur une circulation plus sûre grâce à la mesure et à la classification.
Permettre des décisions fondées sur des données concernant les attractions touristiques
Optimisation de la consommation d'électricité par l'ajustement dynamique des heures d'extinction.
Revitalisation des centres-villes grâce à des décisions basées sur des données (flux de piétons et de véhicules motorisés)

Cas d'usage
... dans votre collectivité

Réduire le temps nécessaire pour produire les actes administratifs

Suivi automatique des pratiques des collectivités locales
Synthèse des actes administratifs
Assistant de génération de contenu
Anonymisation

https://delibia.fr/

MA-IA

IA générative spécialisée en marchés publics

Sourcing
Rédaction de pièces administratives
Grilles d'analyse et gestion des notifications
Questions juridiques

https://ma-ia.app/

Création de présentations

Création / traduction de vidéos

Génération de vidéos à partir d'un texte
Création / réutilisation d'avatars
Traduction automatique avec ajustement du mouvement de la bouche

https://www.heygen.com/

Traduction et amélioration de textes

https://www.deepl.com/translator

Enregistrement et transcription

Transcription instantanée pour Android (gratuit)
Dictée dans Office 365
Fireflies pour des capacités de traitement et intégration accrues

Transcription Instantanée pour Android

https://support.microsoft.com/fr-fr/office/dictez-vos-documents-dans-word-3876e05f-3fcc-418f-b8ab-db7ce0d11d3c

https://fireflies.ai/

Assistants à tout faire

Agents à usage général
Agents multimodaux
Agents autonomes

https://chat.openai.com/

https://poe.com/

Copilot - Edge

Copilot - Invites proposées

Copilot - Outils concernés

AutoGPT - https://github.com/Significant-Gravitas/AutoGPT

Concept d'agent autonome

MultiGPT - https://github.com/sidhq/Multi-GPT https://www.loom.com/share/b6bec93065794eb8a47e2109697afa39

MetaGPT - https://github.com/geekan/MetaGPT

Agents à usage général

Chat GPT
Poe : accès à une multitude de modèles comme p.ex. Claude qui a une fenêtre de contexte énorme qui peut servir p.ex. à résumer des longues transcriptions de vidéos
Copilot :
- Edge : disponible pour tout le monde avec le bouton en haut à droite. Capacités génériques et intéraction avec les pages web
- Outlook : résumé de fils d'emails, rédaction de messages, conseils sur la rédaction (ton, clarté, ...) etc
- Word : générer du texte, mise en forme, poser des questions sur le contenu, etc
- Excel :
- Powerpoint : création à partir de votre modèle de ppt ou d'une simple demande, intégration avec DALL-E, résumé, questions-réponses, intégration de ChatGPT
- Teams : résumé de 30 j d'échanges, transcription, ...

Agents multimodaux : ChatGPT4 c'est un, mais je voudrais m'arreter sur Google Gemini le modèle avec lequel Google tente de se remettre dans la course. Il a été lancé la semaine dernière avec beacoup de fanfare dont une vidéo qui montre bien le concept demultimodalité (au délà du fait de dans quelle mesure elle est fausse).

Agents autonomes :

BabyAGI, AutoGPT : définir un objectif et laisser les IA définir les tâches, les réaliser et évaluer le résultat avant de nous le renvoyer
MultiGPT : créer plusieurs "Experts" auxquels on soumet un problème. Ils vont discuter entre eux et leux échanges peuvent être très inspirants
MétaGPT : Créez votre agence de développement

Précautions

Consommation d'énergie et production de CO2

1 image générée ~= 1 charge de mobile

Forte dépendance du modèle / tâche

Quid des gains ?

Préférez les modèles spécialisés aux généralistes

https://arxiv.org/pdf/2311.16863.pdf

Le rêve de la voiture autonome

75 à 100 milliards d'investissement en 10 ans

0 voitures de niveau 4 ou 5 vendues

Investissements en déclin

Cohabitation difficile

Le critère de jugement diffère si le conducteur est un robot

Depuis plus de 100 ans, on rêve de prendre un café ou de faire une sieste pendant que la voiture nous transporte.

Les annonces des industriels repoussent à chaque fois la disponibilité de ces véhicules et la réalité est qu'après 75 à 100 milliards d'inversion sur 10 ans, il y a en 2023 zéro voitures vendues de niveau 4 ou 5 (Au niveau 3 on peut lâcher les mains à < 15 km/h ou sur autoroute).

En même temps, se pose la question du modèle économique et les investissements chutent

Créer une voiture autonome est très complexe :

Capteurs limités dans des situations comme pluie, neige, brouillard (assez courantes)
Les nids de poule : le capteur peut le détecter mais il difficile de le gérer, p.ex. connaître sa profondeur. Est-ce qu’on passe à travers ? On contourne ? = informer les autres véhicules
Les calculs en temps réel nécessitent de l’énergie. Certains parlent de déporter les calculs ailleurs, d’utiliser 5G, …
Limites propres au machine learning : situation en temps réel qui n’est jamais la même (très difficile à modéliser)

Par ailleurs, nous ne jugeons pas pareil les voitures autonomes et nous mêmes : Si les humains se tuent au nombre de 1M3 personnes par an, personne n'est au courant. Si une voiture autonome rentre dans du béton frais, elle sera dans les journaux.

L'IA générative peut amplifier les stéréotypes

Stable Diffusion génère des images en réponse à des messages écrits. Comme de nombreux modèles d'IA, ce qu'il crée peut sembler plausible à première vue, mais il s'agit en fait d'une distorsion de la réalité. Pour évaluer l'ampleur des biais dans l'IA générative, Bloomberg a utilisé Stable Diffusion pour générer des images liées à des titres d'emploi et à la criminalité. Stable Diffusion a été utilisé pour cette expérience parce que son modèle sous-jacent est gratuit et transparent, contrairement à Midjourney, Dall-E et d'autres concurrents. Il a été demandé à cette IAG : - 300 images pour chacun des sept emplois généralement considérés comme "bien rémunérés" aux États-Unis - 300 images pour chacun des sept autres considérés comme "mal rémunérés" - ainsi que trois catégories liées à la criminalité. L'analyse des plus de 5 000 images créées a révélé que ce modèle pousse les disparités raciales et sexuelles à l'extrême, pire que celles que l'on trouve dans le monde réel.

Images générées par métier
Représentation par couleur de peau

Images générées par métier
Représentation par genre

Images générées par métier
Aspect moyen

Une vision erronée du monde :

Personnes à la peau foncé générées pour "Fast-food worker" : 70%. Réalité : 30%

Certains experts en IA générative prédisent que 90 % du contenu de l'internet pourrait être généré artificiellement d'ici quelques années. À mesure que ces outils prolifèrent, les préjugés qu'ils reflètent ne font pas que perpétuer les stéréotypes qui menacent de bloquer les progrès vers une plus grande égalité dans la représentation - ils pourraient également entraîner un traitement inéquitable. Prenons l'exemple de la police. L'utilisation d'une IA texte-image biaisée pour créer des portraits-robots de délinquants présumés pourrait conduire à des condamnations injustifiées. La perpétuation des stéréotypes et des représentations erronées par le biais de l'imagerie peut constituer un obstacle important à l'éducation et à la carrière des femmes et des jeunes filles noires et brunes. "Les gens apprennent en se voyant ou en ne se voyant pas qu'ils ne sont peut-être pas à leur place", a déclaré Heather Hiles. "Ces choses sont renforcées par les images.

Une vision erronée du monde :

Femmes générées pour "judge" : 3%. Réalité : 34%

Cas d'usage de l'IAdans le service public

ARNia

Victor Vila

Objectifs :

Principaux services autour de l'IA

En IA, tout évolue vite

Cas d'usage dans l'UE

Cas d'usageau niveau national

Projets de génération de contenus

Albert (DINUM)

Conseils personnalisés d'Intelligence Emploi(Pôle Emploi)

Direction de l’information légale et administrative (DILA)

DINUM de la Nouvelle Calédonie

Quota des femmes dans les média

Tv & radio Comptabilise le temps d'image et le temps de parole Produit des statistiques par type d'émission (journal Tv, sports, ...)

Détection de piscines non déclarées

Projet "Foncier innovant" Obligation de déclarer les piscines enterrées excédant une certaine surface Recettes : 10M€ en 2022 (60M€ en 2023?) Taux d'erreur : ~30% (piscines hors-sol)

Contrôles en ligne

Collecte et analyse automatique de données en ligne Réseaux sociaux, images satellites, plateformes de vente en ligne 3 objectifs possibles : Fausses domiciliations fiscales à l’étranger Activités professionnelles non déclarées Activités de contrebande et de contrefaçon

DGCL

Libérer le temps passé par les agents instructeurs sur des tâches à faible valeur ajoutée Gains estimés entre 1/2 et 1 ETP par an par préfecture

Aide à l'implantation d'artisans

Utilisé en appui des conseillers Réduit des heures d'étude de dossier à quelques minutes Code source ouvert https://github.com/etalab-ia/ami-ia-crmana

MathIA

Parcours d’activités sur-mesure pour CP et CE2 (Une autre IA sera disponible à la rentrée 2024 pour les elèves de 2ème - mathématiques et français) Utilisée par 136 enseignants dans l'académie de Dijon et 120 dans l'académie de Besançon. https//mathia.education/

Cas d'usageBourgogne-Franche-Comté

Détection de scolytes

Foodin tech

Développé et utilisé au CHU de Dijon Surveillance automatique de l'alimentation des personnes hospitalisées Permet de d'alerter les diététiciens en cas de risque de dénutrition https://foodin.tech/

Predict Ops

Développé par le SDIS25 et l’université FEMTO-ST Prédiction du nombre d’interventions avec géolocalisation 1 200 critères pris en compte https://predictops.io/

Le soignant augmenté

Adaptation à chaque soignant Amélioration du flux des patients https://www.datategy.net/datategy-x-chalon-sur-saone-hospital-center-ai-for-the-health/

Vialytics

Utilisé par la ville de Nevers Diagnostic de l'état de la voirie avec un smartphone https://www.vialytics.fr/

Prédiction de l'emplacement des fuites d'eau

20 % de l'eau en France est perdue à cause de fuites Prédiction du 20% du réseau qui concentre 80% des fuites https://www.leakmited.com

DataBFC

Co-piloté par la Région BFC et l'ARNia Fournit des données aux décideurs pour construire des meilleurs services publics.

Cas d'usage... dans votre collectivité

Réduire le temps nécessaire pour produire les actes administratifs

MA-IA

Création de présentations

Création / traduction de vidéos

Traduction et amélioration de textes

Enregistrement et transcription

Assistants à tout faire

Précautions

Consommation d'énergie et production de CO2

1 image générée ~= 1 charge de mobile Forte dépendance du modèle / tâche Quid des gains ? Préférez les modèles spécialisés aux généralistes https://arxiv.org/pdf/2311.16863.pdf

Le rêve de la voiture autonome

75 à 100 milliards d'investissement en 10 ans 0 voitures de niveau 4 ou 5 vendues Investissements en déclin Cohabitation difficile Le critère de jugement diffère si le conducteur est un robot

L'IA générative peut amplifier les stéréotypes

Images générées par métier Représentation par couleur de peau

Images générées par métier Représentation par genre

Images générées par métier Aspect moyen

Une vision erronée du monde :

Une vision erronée du monde :

Cas d'usage de l'IA
dans le service public

Cas d'usage
au niveau national

Conseils personnalisés d'Intelligence Emploi
(Pôle Emploi)

Tv & radio

Comptabilise le temps d'image et le temps de parole

Produit des statistiques par type d'émission (journal Tv, sports, ...)

Projet "Foncier innovant"

Obligation de déclarer les piscines enterrées excédant une certaine surface

Recettes : 10M€ en 2022 (60M€ en 2023?)

Taux d'erreur : ~30% (piscines hors-sol)

Collecte et analyse automatique de données en ligne

Réseaux sociaux, images satellites, plateformes de vente en ligne

3 objectifs possibles :

Fausses domiciliations fiscales à l’étranger

Activités professionnelles non déclarées

Activités de contrebande et de contrefaçon

Libérer le temps passé par les agents instructeurs sur des tâches à faible valeur ajoutée

Gains estimés entre 1/2 et 1 ETP par an par préfecture

Utilisé en appui des conseillers

Réduit des heures d'étude de dossier à quelques minutes

Code source ouvert

https://github.com/etalab-ia/ami-ia-crmana

Parcours d’activités sur-mesure pour CP et CE2

(Une autre IA sera disponible à la rentrée 2024 pour les elèves de 2ème - mathématiques et français)

Utilisée par 136 enseignants dans l'académie de Dijon et 120 dans l'académie de Besançon.

https//mathia.education/

Cas d'usage
Bourgogne-Franche-Comté

Développé et utilisé au CHU de Dijon

Surveillance automatique de l'alimentation des personnes hospitalisées

Permet de d'alerter les diététiciens en cas de risque de dénutrition

https://foodin.tech/

Développé par le SDIS25 et l’université FEMTO-ST

Prédiction du nombre d’interventions avec géolocalisation

1 200 critères pris en compte

https://predictops.io/

Adaptation à chaque soignant

Amélioration du flux des patients

https://www.datategy.net/datategy-x-chalon-sur-saone-hospital-center-ai-for-the-health/

Utilisé par la ville de Nevers

Diagnostic de l'état de la voirie avec un smartphone

https://www.vialytics.fr/

20 % de l'eau en France est perdue à cause de fuites

Prédiction du 20% du réseau qui concentre 80% des fuites

https://www.leakmited.com

Co-piloté par la Région BFC et l'ARNia

Fournit des données aux décideurs pour construire des meilleurs services publics.

Cas d'usage
... dans votre collectivité

1 image générée ~= 1 charge de mobile

Forte dépendance du modèle / tâche

Quid des gains ?

Préférez les modèles spécialisés aux généralistes

https://arxiv.org/pdf/2311.16863.pdf

75 à 100 milliards d'investissement en 10 ans

0 voitures de niveau 4 ou 5 vendues

Investissements en déclin

Cohabitation difficile

Le critère de jugement diffère si le conducteur est un robot

Images générées par métier
Représentation par couleur de peau

Images générées par métier
Représentation par genre

Images générées par métier
Aspect moyen