PROFIL DE LA MAIN D'ŒUVRE - EN INTELLIGENCE ARTIFICIELLE, SCIENCE DES DONNÉES ET MÉGADONNÉES AU QUÉBEC - TECHNOCompétences
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
PROFIL DE LA
MAIN D’ŒUVRE
EN INTELLIGENCE ARTIFICIELLE, SCIENCE DES DONNÉES
ET MÉGADONNÉES AU QUÉBEC
En partenariat avec
1Éditeur
TECHNOCompétences, le Comité sectoriel de main-d’œuvre en technologies de l’information Pour citer ce rapport :
et des communications, Mélanie Bosc, directrice générale.
Cayrat, C., Sigouin-Lebel, A., & Poirier St-Pierre, G. (2021). Profil de la main-d’œuvre en intelligence artificielle,
science des données et mégadonnées au Québec. TECHNOCompétences, Montréal, 113 p.
Direction de l’étude Comité de pilotage
Aubert Sigouin-Lebel, Chargé de la recherche,
TECHNOCompétences Brian Moore,
Institut de valorisation des données (IVADO) Ayant fait l’objet d’une approbation par le comité scientifique, cette étude sera présentée à l’occasion
Analyse et rédaction du 88e Congrès de l’ACFAS (Association Francophone pour le Savoir) en mai 2021
Charles Cayrat, Chercheur doctoral, Émélie Brunet,
Université d’Auckland Institut Québécois d’Intelligence Artificielle (Mila)
Cayrat, Charles. (2021). Le profil de main-d’œuvre en intelligence artificielle, science des données et
Aubert Sigouin-Lebel, Chargé de la recherche, Aurélie Sénéchal-Parfait,
mégadonnées au Québec : proposition d’une taxonomie des métiers et des compétences.
TECHNOCompétences Centre de recherche informatique de Montréal (CRIM)
Communication présentée au 88e Congrès de l’ACFAS, Montréal.
Analyse support Réjean Roy, Forum IA Québec
Guillaume Poirier St-Pierre, Conseiller Principal, Optimum Talent
Benoît Pagé, Pôle montréalais d’enseignement Cette étude a été réalisée grâce à l’aide financière du Conseil Emploi Métropole (CEM)
Conception graphique supérieur en intelligence artificielle (PIA)
Émilie Jobin, Graphiste
Tim Fournier, Conseil Emploi Métropole (CEM)
Révision
Clotilde Morin, Rédactrice Charles Rémillard, Finance Montréal
Traduction et francisation Florian Saugues, Numana
Caroline Dallaire, Versacom
Ugo Ceppi, Direction de l’analyse et de l’information
sur le marché du travail (DAIMT)
550 rue Sherbrooke Ouest – Tour Ouest, bureau 350, Montréal (Québec), H3A 1B9
Nancy Barbeau, Ministère de l’Enseignement supérieur Téléphone : 514-840-1237
info@technocompetences.qc.ca · www.technocompetences.qc.ca
Anne-Louise Brassard,
Ministère de l’Enseignement supérieur
Jesus Jimenez-Orte, Ministère de l’Éducation
© TECHNOCompétences, 2021
Claire Adam, Ministère de l’Économie ISNB 978-2-925166-00-9
Dépôt légal – Bibliothèque nationale du Québec, 2021
2 3TABLE DES MATIÈRES
Éditeur 2 4 PORTRAIT GLOBAL DE L’EMPLOI 38
Mot de la direction 7
Introduction 8
5 TAXONOMIE DES MÉTIERS DE L’INTELLIGENCE NUMÉRIQUE 44
Éléments traités dans l’étude 8
Méthodologie 8 Taxonomie 46
Schéma méthodologique 9 Note méthodologique 47
Fiches métiers 48
Visualisation des sources de données 48
1 CONTEXTE 10
Répartition industrielle de la taxonomie des métiers de l’intelligence numérique 68
Portrait d’un écosystème en IA de premier rang mondial 12
Une adoption encore timide 12
6 ÉTAT DE LA DEMANDE DE COMPÉTENCES 70
La genèse de l’IA à Montréal et au Québec 13
L’arrivée de géants technologiques au Québec 13 Note méthodologique 72
Constitution d’un écosystème québécois en IA 14 Intelligence numérique : les besoins en main-d’œuvre 72
Développer le bassin de talents en IA : Une priorité absolue 16 Le processus d’embauche en intelligence numérique 73
Investissements publics majeurs 17 Les facteurs déterminant l’embauche en intelligence numérique 74
Les besoins en main-d’œuvre à court terme 79
Les besoins futurs en main-d’œuvre 81
2 DÉFINITION DU DOMAINE DE L’INTELLIGENCE NUMÉRIQUE 18
État de la formation 82
Note méthodologique 20 Les éléments distinctifs de la formation en intelligence numérique au Québec 82
Définition de l’IA 20 Les universités et instituts de recherche québécois qui se démarquent 83
Une technologie habilitante 21 Les principales forces des talents sortant de ces programmes 83
Quatre éléments fondamentaux 21 Les principales lacunes des programmes proposés 84
Les types d’apprentissage 22 Le programme de formation idéal en intelligence numérique 85
Les utilisations de l’IA 23 Les stages et la formation en entreprise 86
Un besoin massif de données 23
Vers une IA explicative 23
7 CONCLUSION ET AVENUES DE RECHERCHE FUTURES 88
Définition des mégadonnées 24
Les « V » des mégadonnées 25
Le traitement distribué des données 25 8 ANNEXES 92
Les services en infonuagique 26 Visualisation des réponses du sondage auprès de professionnels 94
Définition de la science des données 29 en intelligence numérique
Les principaux éléments de la science des données 29 Matrice Emploi/Outils numériques et technologies 104
Liste des figures 112
3 LE PROCESSUS DE CRÉATION ET D’INTÉGRATION DE L’IA 32 Bibliographie 113
L’identification des problématiques et l’orientation stratégique 34
La preuve de concept 35
La production 36
L’adoption 37
4 5MOT DE LA
DIRECTION
Ces dernières années, le Québec a connu une efferves- 5 Des fiches métiers traitant de l’estimation du
cence remarquable concernant l’intelligence artificielle bassin de talents et incluant de multiples informa-
(IA), notamment grâce à l’excellence en recherche acadé- tions spécifiques (salaires, tâches principales, référen-
mique dans ce domaine qui a entraîné l’arrivée de géants tiel de compétences techniques et transversales) ;
de la technologie, la création d’entreprises québécoises
en démarrage et la mise sur pied d’instituts de recherche 6 Une répartition industrielle des métiers de l’intelli-
de renom. De multiples efforts ont été déployés afin de gence numérique
propulser l’essor d’un écosystème riche et stimulant en
intelligence artificielle, envié mondialement. Mais restait 7 Un portrait de la demande de compétences et de
un élément fondamental à examiner plus en profondeur : la formation, incluant les forces et défis concer-
la main-d’œuvre. nant ce profil de talents qui change à une vitesse
déstabilisante.
Il était donc important pour TECHNOCompétences de
saisir cette opportunité à travers la réalisation d’un profil
8 L’ensemble de nos données sur l’utilisation des outils
de la main-d’œuvre en intelligence artificielle, science des
numériques, sous la forme de matrices Emploi/Outils
données et mégadonnées au Québec proposé aujourd’hui.
numériques et technologies, en annexe du document.
TECHNOCompétences déploie toute son énergie à
Un peu partout, nous y avons ajouté des faits explicatifs
soutenir les entreprises du secteur et le développement
ainsi que des informations basées sur les données que nous
des compétences numériques, que ce soit par la produc-
avons recueillies.
tion d’études, d’outils de gestion des ressources humaines
ou encore par le partage d’expertises. Le présent profil est Nous tenons à remercier la contribution de nos partenaires
un exemple de contribution du Comité sectoriel. dans ce projet. En premier lieu, le Conseil emploi métropole
pour sa contribution financière à la réalisation du projet.
Dans ce profil, vous trouverez :
Nous remercions également les membres du comité de
pilotage qui, de par leurs commentaires et rétroactions, se
1 Une revue historique de la position du Québec en sont engagés à faire de ce profil une réussite.
matière d’intelligence artificielle ;
Bonne lecture !
2 Une définition de la main-d’œuvre du secteur ;
Mélanie Bosc
3 Un portrait global de l’emploi ; Directrice générale
4 Une taxonomie des métiers de l’intelligence
numérique – que nous définissons comme étant la
main-d’œuvre spécialisée en intelligence artificielle
ainsi que les métiers périphériques essentiels reliés ;
6 7INTRODUCTION
Éléments traités dans l’étude Schéma méthodologique
L’avènement de l’intelligence artificielle (IA), la science En évolution constante et sujettes à de multiples interpré- Note
des données et les mégadonnées (big data) entraîne tations, nous présentons en premier lieu les définitions des Instruments de collecte et
Sections traitées méthodologique
des changements technologiques et socioéconomiques concepts d’intelligence artificielle, de science des données sources de données
correspondante
majeurs dont les impacts sur les organisations demeurent et de mégadonnées tels que perçus par les professionnels
opaques. Afin de mieux comprendre l’ampleur de ces de l’industrie au Québec. Les résultats de recherche font
changements sur les entreprises, la présente étude vise à également état du processus de création et d’intégration I Contexte Revue de littérature professionnelle -
proposer le premier profil de la main-d’œuvre en intelli- de l’IA dans l’entreprise, présentent une estimation du
gence numérique au Québec. nombre de professionnels travaillant dans les domaines de
l’intelligence numérique et offrent une première taxonomie II Définition du domaine de Entrevues individuelles semi-structurées Page 20
Celle-ci repose sur la combinaison de méthodes de des métiers distinguant les professionnels techniques des l’Intelligence Numérique auprès d’experts de l’industrie
recherche qualitative et quantitative comprenant une professionnels d’interface. Enfin, nous proposons une de l’IA au Québec
série d’entrevues semi-structurées auprès d’experts de l’in- III Le processus de création et
cartographie des profils de compétences de ces métiers
dustrie de l'IA au Québec, deux sondages auprès de pro- d’intégration de l’IA
émergents et présentons les besoins et programmes de
fessionnels en IA (n=75) et TIC (n=400), ainsi que l’analyse formation correspondants.
thématique de 13 500 offres d’emplois en ligne.
IV Portait global de l’emploi Base de données Gartner répertoriant
13 500 annonces d’emplois en ligne
V Taxonomie des métiers
de l’Intelligence Numérique Entrevues individuelles semi-structurées auprès Page 47
MOTS-CLÉS : (19 fiches-métiers) d’experts de l’industrie de l’IA au Québec
VI 19 Fiches métier de Sondage (n=75) réalisé auprès de
l’intelligence numérique professionnels occupant un emploi
relié à l’IA, aux mégadonnées ou à la
INTELLIGENCE NUMÉRIQUE Profil main-d’œuvre VII Répartition industrielle science des données au Québec.
des métiers de l’intelligence
Intelligence Artificielle MÉGADONNÉES numérique
BIG DATA SCIENCE DES DONNÉES Emplois
COMPÉTENCES Formation QUÉBEC
VIII État de la demande Communauté en ligne composée d’experts Page 72
de compétences en intelligence numérique au Québec.
Entrevues téléphoniques de suivi.
IX État de la formation
Sondage (n=400) réalisé auprès de
professionnels évoluant dans une
entreprise du secteur des TI au Québec
Méthodologie
La présente étude repose sur la combinaison de méthodes Toutes les données primaires utilisées et restituées dans
de recherche qualitative et quantitative permettant la le présent rapport ont été collectées en respectant les X Matrices Emploi/Outils Base de données Gartner répertoriant -
collecte et l’analyse de données primaires et secondaires. principes éthiques généralement établis en recherche uni- numérique 13 500 annonces d’emplois en ligne
Les données sont en provenance de sources publiques et versitaire. Ceux-ci garantissent confidentialité et anonymat
privées. à l’ensemble des participants. Chacun d'entre eux a accepté
les conditions de la recherche par la signature d’un formu-
laire de consentement prévu à cet effet.
8 91 CONTEXTE
Portrait d’un écosystème en IA La genèse de l’IA à Montréal et au Québec
de premier rang mondial
Les métiers de l’intelligence numérique1 au Québec sont son avant-gardisme dans la recherche fondamen- Créés respectivement en 1985 et 1990, le Centre for l’intérêt pour l’apprentissage profond est marquée d’un
en effervescence. Ils participent à une tendance mondiale tale et appliquée en IA, la présence de pôles novateurs Intelligent Machines et le Reasoning and Learning Lab de côté par la publication d’articles novateurs et de l’autre par
à la promotion du développement des infrastructures d’hébergement, de protection et de valorisation des l’Université McGill se spécialisent alors dans les systèmes l’applicabilité croissante de cette technologie grâce aux
de données et des talents en intelligence numérique. données, ainsi que son bassin d’experts, chercheurs et probabilistes, le traitement de langage naturel, l’apprentis- nouvelles capacités de calcul et de stockage des données.
Les avancées technologiques progressent à un rythme étudiants en IA, parmi les plus importants au monde. sage par renforcement et l’application de l’IA en robotique. Dès lors, le talent en apprentissage profond devient une
soutenu à travers la planète : elles poussent les nations à Durant cette même période nait le centre de recherche spécificité très recherchée par les grandes entreprises
repenser leurs modèles socioéconomiques et à promou- en informatique de Montréal (CRIM), qui développe dès technologiques.
voir le développement des infrastructures de données ses premières années des outils de reconnaissance de la
et d’intelligence artificielle (IA). Les dépenses mondiales Une adoption encore timide parole.
reliées aux systèmes d’IA devraient d’ailleurs atteindre 110
milliards de dollars US d’ici à 2024, soit une croissance de En 1993, c’est l’Institut québécois d’intelligence artificielle
100 % (IDC, 2020). La concurrence est féroce et ce qui en Si l’IA présente des potentiels de gains en productivité (Mila) qui voit le jour grâce au professeur Yoshua Bengio
de l’Université de Montréal. Reconnu mondialement pour est une bibliothèque
découle est lourd de conséquences. Le leadership en IA évidents, son intégration dans les organisations demeure
ses importantes contributions au domaine de l’apprentis- Python pour l’apprentissage automatique créée et
et en gestion des données est donc devenu crucial dans complexe, considérant son impact sur l’évolution des maintenue initialement par Mila, et ce, dès 2007.
un contexte où les pays les plus avancés sont ceux qui processus organisationnels, des modèles d’affaires et les sage profond, Mila se distingue dans la modélisation du
Theano témoigne du caractère précurseur de certains
en tireront le maximum d’avantages économiques. Car changements stratégiques et culturels qui en découlent. En langage, la traduction automatique neuronale, la recon-
chercheurs basés à Montréal.
comme l’a démontré l’implantation de certaines techno- effet, les résultats d’un récent sondage mené par Deloitte naissance d’objets et les modèles génératifs. La hausse de
logies par le passé (comme la 4G), les pionniers sont aussi (2019) auprès de citoyens canadiens et d’entreprises inter-
ceux qui fixent les règles du jeu et qui assurent leur com- nationales identifie le manque de connaissances en IA, le
pétitivité dans un futur plus que jamais numérique. Dans manque de confiance dans les décisions prises par l’IA, la
ce contexte et par des stratégies innovantes (CIFAR, 2019, difficulté à collaborer avec les fournisseurs et à démontrer
Forum IA Québec, 2018), le Québec s’est doté d’un plan la valeur générée par l’IA ainsi que les problématiques d’in-
ambitieux pour figurer parmi les leaders mondiaux en tégration et de mise en œuvre de l’IA comme principaux
intelligence numérique. obstacles à l’adoption de cette technologie par les entre-
L’arrivée de géants technologiques au Québec
prises canadiennes. De plus, seuls 31 % des entreprises
Le Québec ne part pas de zéro concernant la promotion ayant adopté l’IA qualifient leur déploiement de réussite Attirées par l’essor de Mila et l’effervescence de l’écosys- industriel qu’universitaire, et complémente les initiatives
de l’industrie et des talents en intelligence numérique. (Reynolds, 2018). Force est d’admettre que l’adoption de tème québécois, plusieurs entreprises multinationales ont gouvernementales avec le déploiement d’investissements
Fleuron de l’économie numérique canadienne, le Québec l’IA est à la fois une opportunité et un défi. fait le choix de s’établir à Montréal. L’arrivée de ces entre- massifs (plus de 700 M$ depuis 2016).
est reconnu à l’échelle internationale pour l’excellence prises technologiques dynamise le milieu, tant sur le plan
de son écosystème en intelligence artificielle. Montréal Un retour sur le positionnement historique de Montréal
abrite aujourd’hui l’un des écosystèmes en IA les plus et du Québec en matière d’IA permet de mieux com-
dynamiques au monde où acteurs industriels et acadé- prendre les enjeux concernant cette technologie et sa Figure 2 : Arrivée d’entreprises internationales à Montréal (Investissement Québec, 2019)
miques travaillent de concert. Parmi ses forces, notons main-d’œuvre.
NOV. 2016 APRIL 2017 OCT. 2017 JAN. 2018 MAY 2018 SEPT. 2018 JAN 2019
Figure 1 : Le niveau d’intégration des méthodes de machine learning (ML) des entreprises embauchant un professionnel
en intelligence numérique
Oui, nous utilisons
des méthodes de ML pour
générer des informations 21 %
28 % Aucune intégration
Oui, nous explorons
les méthodes de ML
16 %
9% Je ne sais pas
12 % 13 %
Oui, nous avons récemment Oui, nous avons des
commencé à utiliser JAN. 2017 SEPT. 2017 OCT. 2017 MARCH 2018 JUNE 2018 OCT. 2018
méthodes de ML bien établies
des méthodes de ML
1
L’intelligence numérique regroupe les emplois techniques en IA, science des données et mégadonnées ainsi
que les emplois périphériques opérant dans « l’interface » de l’entreprise.
12 13Ces géants technologiques du secteur privé, principa- En 2016 nait l’Institut de valorisation des données (IVADO).
lement américains, exercent toutefois une pression sur À l’intersection entre les mondes universitaires et corpora-
le marché des talents en attirant un nombre significa- tifs, IVADO démontre l’excellence des travaux québécois en
tif d’experts en IA2. Les producteurs d’IA jouent donc un intelligence numérique avec des projets pluridisciplinaires
rôle majeur dans la stimulation de la demande en IA au et intersectoriels. En misant sur le transfert technologique, Figure 3 : Forces et faiblesses des acteurs de l’écosystème québécois en IA (Forum IA Québec, 2018, p. 13)
sein de l’écosystème québécois. Ceci creuse toutefois le les instituts comme IVADO, le CRIM, l’Institut Intelligence
fossé entre ces producteurs d’IA, leaders dans le secteur et Données (IID) de l’Université Laval ou encore des centres FORMATION ET RECHERCHE TISSU INDUSTRIEL ÉCOSYSTÈME DE SOUTIEN
privé, et les petites et grandes entreprises québécoises collégiaux de transfert de technologies en intelligence arti-
consommatrices d’IA qui peinent à amorcer leur virage ficielle comme JACOBB constituent une réelle source de Expertise de pointe au-delà de McGill et Récentes levées de fonds de startups Maturité du capital risque et appétit
numérique. Au-delà des investissements commerciaux création de valeur pour l’écosystème en IA. UdeM prometteuses en IA, avec un total de d’investir dans l’IA.
~ 150 M$ au cours des 2 dernières années
colossaux, ces multinationales jouent également un rôle Présence de forces sectorielles propres à Présence d’un vaste réseau provincial
majeur en recherche. Le Canada compte à cet effet plus En 2018 est lancée Scale AI, une supergrappe d’innovation chaque université, sur lesquelles bâtir et Grande effervescence à Montréal créée d’acteurs historiques du transfert
de 70 grandes entreprises ayant leur propre laboratoire de fédérale en IA visant à développer les chaines d’approvi- créer un potentiel de spécialisation par l’établissement de 7 centres de technologique vers les PME, p. ex.,
recherche par des géants technologiques Transtech, CEFRIO et le CRIM
recherche en IA (Gagné, 2019). sionnement de nouvelle génération par l’intégration de Mouvement d’augmentation de la
l’IA afin d’accroître la performance des entreprises cana- quantité et qualité de talent embauchés Présence de plusieurs acteurs à
par les universités; p. ex., à l’ÉTS et l’avant-garde des déploiements de
diennes. Considérée comme un acteur central de l’éco- Polytechnique, 2 fois plus d’étudiants transformations analytiques et numériques
système canadien en IA, Scale AI prévoit de générer un en TI en 5 ans en grandes entreprises, p. ex., Accenture,
McKinsey, Deloitte
impact de plus de 16,5 milliards $ CA sur le PIB canadien Proactivité des acteurs académiques,
et la création/amélioration de plus de 16 000 emplois. De p. ex., révision en cours de programmes
Constitution d’un écosystème plus, le ministère du Travail, de l’Emploi et de la Solidarité
connexes à l’IA
québécois en IA sociale a octroyé en juillet 2019 une aide de 23,4 millions $
CA à l’organisation pour appuyer des activités de formation
pour plus de 25 000 professionnels, cadres et dirigeants. Malgré une collaboration existante, Écosystèmes de grappes bien Les institutions académiques se sont dotées
Plusieurs organisations endossent un rôle central dans opportunité d’améliorer davantage connectées, mais dont le rôle vis-à-vis de structures visant à accélérer le transfert
la coordination entre universités et de la grappe en IA reste à définir sur technologique, bien que le format ait
l’exécution de la stratégie provinciale en IA et en gestion S’inscrivant dans le cadre du Partenariat mondial sur l'in- avec les acteurs industriels une base individuelle besoin d’être précisé
des mégadonnées. La Stratégie pour l’essor de l’écosys- telligence artificielle (PMIA), le Centre international
tème québécois en intelligence artificielle (Forum IA de Montréal pour l'avancement de l'intelligence artifi-
Québec, 2018) a comme objectif d’unir ces acteurs avec cielle (CEIMIA) est créé en juin 2020. Piloté par Montréal Difficultés pour attirer le talent À l’exception des principales entreprises Force de frappe qui demeure limitée en
l’ambition de « créer au Québec le plus important éco- International, il vise à renforcer l’innovation, la commercia- académique, dues aux ressources technologiques, difficulté croissante à transfert technologique auprès des PME
système d’intelligence artificielle en Amérique du Nord financières et au cadre d'emploi embaucher des talents en TI
lisation et l’utilisation responsable de l’IA et des données. Capacité de transfert technologique
et développer une force de travail en ce domaine pour La participation aux activités du PMIA favorise également Fort risque de perdre l’avantage compétitif Niveau naissant d’intérêt dans les grandes répartie à travers de multiples acteurs -
historique - petit bassin de talents entreprises « non tech » québécoises, p. ex., Aligo, Univalor, avec des liens plus
enraciner ce créneau et hisser le Québec au rang des la collaboration entre les gouvernements des provinces et facilement déstabilisable - , crainte mais manque de compréhension sur le ou moins proches des universités
principaux concepteurs, utilisateurs et exportateurs de du fédéral, tout en développant des partenariats interna- de l’écosystème face aux géants potentiel de valeur à court terme et de
technologiques transformation des modèles d’affaires à Manque de financement de croissance
solutions d’intelligence artificielle ». tionaux (tels que le partenariat stratégique entre le Québec pour les futures startups à succès
plus long terme
et la France dans le cadre de la Déclaration franco-cana- Absence d’arrimage entre la formation
Considéré comme un acteur indispensable de la stratégie, dienne sur l’intelligence artificielle).
universitaire, la formation collégiale et les Rareté d'entreprises/organisations
besoins de l’industrie d’ancrage pouvant servir de premier client
Mila joue un rôle essentiel dans l’écosystème québécois.
En effet, cet institut compte aujourd’hui la plus importante Dans cette lignée, le Forum IA Québec a officiellement lancé Multiplication des acteurs et des alliances Capital de croissance insuffisant
à l’intérieur et à l’extérieur du Québec
concentration de chercheurs spécialisés en apprentissage ses activités en septembre 2020 avec comme objectif de
automatique au monde (plus de 600, incluant les profes- rassembler les acteurs gouvernementaux et non gouver-
seurs), et comporte également 36 chaires de recherche en nementaux de l’écosystème québécois en IA, et de pro-
IA sur les 80 du pays. Regroupé dans un nouvel espace de mouvoir leur collaboration. Au-delà de ses activités de
90 000 pi2 dans le Mile-Ex, Mila a pour vocation d’être plus vigie locale et de réflexion stratégique, le Forum favorise
qu’un centre de recherche et de servir de centre de gravité également le rayonnement de l’écosystème québécois au
pour les entreprises en démarrage, les investisseurs et les Canada et à l’international.
laboratoires d’entreprises.
2
46 % selon le Global AI Talent Report de Jean-François Gagné (2019)
14 15Développer le bassin de talents en IA :
Une priorité absolue
La présence de grands groupes technologiques dessine un écosystème québécois complet capable aujourd’hui de De plus, les différents cégeps et universités de Montréal ont suivi l’une des recommandations mentionnées plus haut en
rivaliser avec celui de la Silicon Valley, principal responsable de la fuite des cerveaux canadiens. Toutefois, cette opportu- créant un lieu de concertation et de collaboration sous la forme d’un pôle montréalais en enseignement supérieur (PIA).
nité accentue la rareté des talents en IA et les difficultés liées à leur rétention du point de vue des petites et moyennes Quatorze projets sont en cours de réalisation concernant la formation ou des référentiels de compétences.
entreprises. Par exemple, le poste de scientifique de données est l’emploi le plus touché par la pénurie de main-d’œuvre,
avec un nombre d’offres d’emploi multiplié par deux en l’espace d’une année, et des centaines de milliers de postes Les besoins en talents restent immenses. Selon une étude récente de McKinsey Global Institute (2020), 87 % des organi-
vacants à l’échelle mondiale (Hurtgen et al., 2020). sations sont déjà confrontées à cette pénurie ou s’attendent à l’être dans un futur proche. Alors que les technologies de
rupture comme l’IA ont un impact significatif sur la modification des compétences, deux-tiers des répondants identifient le
recrutement comme solution pour relever ce défi, alors que 56 % optent pour la formation et la reformation du personnel.
Recommandations de la Stratégie québécoise pour l’essor de
l’écosystème québécois en intelligence artificielle
(Forum IA Québec, 2018)
Investissements publics majeurs
Dans ce contexte de grande concurrence pour attirer les talents,
des recommandations émergent et font consensus :
1
Alors que les retombées économiques mondiales de l’IA devraient atteindre les 20 000 milliards de dollars d’ici 2030
Augmenter la capacité d’attirer des chercheurs. (Forum IA Québec), les États (comme les États-Unis, la Chine ou le Japon) s’empressent d’investir dans le développement
de l’IA et les infrastructures en mégadonnées. Dans cette compétition d’innovation technologique, le Canada et le Québec
ont déployé une série d’investissements publics majeurs afin de conforter leur avance scientifique et d’en accélérer les
2
retombées économiques et sociales.
Assurer l’afflux - en quantité et en qualité - d'étudiants locaux et
étrangers dans les cycles supérieurs.
Figure 4 : Financement public annoncé pour le développement de l’IA au Québec depuis 2016 (Forum IA Québec, p. 14)
3
Dresser et maintenir un portrait clair et exhaustif pour l’ensemble des
acteurs des besoins, des manques et des possibilités en matière de
compétences en sciences numériques. Subvention fédérale de 93,6 M$ sur 7 ans octroyée par le
2016 Fonds d’excellence en recherche Apogée dans le cadre du
projet « Données au service des Canadiens » mené par l’IVADO.
4 Soutenir les établissements d’enseignement dans l’actualisation
de leur offre de formation.
Financement de 25 M$ sur 5 ans octroyé au CRIM par
2017 le ministère de l’Économie et de l’Innovation (MESI).
5 Promouvoir la littératie mathématique et la démocratisation
des sciences.
Octroi d’un budget de 100 M$ sur 5 ans par le MESI
2017 dans l’optique d’accélérer et optimiser le
développement de l’écosystème québécois en IA.
6
Faciliter l’accès à l’information sur les ressources disponibles pour les
acteurs de l’écosystème en IA et favoriser leur mise en relation par
l’entremise d’une vitrine commune.
Subvention fédérale de 44 M$ au MILA dans le cadre
2017 de la stratégie pancanadienne en matière d’IA (CIFAR).
Le développement des compétences en IA et en science des données est donc un prérequis fondamental pour faire face
Octroi d’un financement du gouvernement fédéral de 230 M$
à la pénurie de talents, qui devrait s’amplifier. À ce propos, les universités se sont rapidement adaptées à l’évolution des 2018 Scale AI, complémenté par 53 M$ du gouvernement provincial (QC).
besoins du marché en offrant de nouveaux programmes menant à l’obtention de diplômes et de certificats en IA, science
des données, mégadonnées et analytique.
16 172 DÉFINITION DU DOMAINE DE
L’INTELLIGENCE NUMÉRIQUE
18 19Note méthodologique Une technologie habilitante Quatre éléments fondamentaux
Les applications de l’IA ont crû substantiellement ces Plus précisément, les experts interrogés par
dernières années (comme dans le transport de marchan- TECHNOCompétences distinguent quatre éléments
Dans un premier temps, l’équipe projet a mené une série au plus près la réalité des acteurs de l’industrie de l’IA au
dises, la simulation vocale et la reconnaissance visuelle, la fondamentaux quant à l’IA :
d’entrevues individuelles auprès d’experts de l’industrie Québec. Les entrevues ont été retranscrites en verbatim
prévision météorologique, la calligraphie, les diagnostics
afin de mieux comprendre la réalité et les défis associés et analysées qualitativement par codification thématique
médicaux, la composition musicale, la rédaction de codes 1 Il s’agit d’une science qui permet d’accorder des
à la main-d’œuvre en intelligence artificielle, science (NVivo). capacités de raisonnement humain à
logiciels, etc.) et pénètrent progressivement l’ensemble
des données et mégadonnées au Québec. De nature une machine ;
Profil des experts en IA : les experts sont majoritairement des secteurs d’activité. À cet effet, 85 % des solutions d’IA
semi-structurée, ces entrevues d’environ une heure ont
localisés dans la région de Montréal (66,7 %) et sont princi- commercialisées seront concrètement appliquées dans 2 Elle utilise des algorithmes comme outils et
permis d’obtenir la définition des concepts à l’étude tels
palement des hommes (77,8 %). Tous exercent des postes l’industrie d’ici à 2023 (Gartner, 2020). facilitateurs de prises de décision et d’actions ;
que perçus et vécus par les experts. Ces entrevues ont
permis de retracer les différentes étapes de la transforma- de cadres dans des entreprises qui sont impliquées dans
l'IA (développement de produits propulsés par l’IA, ser- 3 Elle touche à l’analyse de données afin
tion numérique (de la création à l’intégration de solutions
vice-conseil en IA, institut de recherche en IA, etc.). de résoudre des problèmes et d’en tirer
d'IA) et d’identifier les différents postes, structures
des connaissances ;
d’équipes, compétences, connaissances et outils utilisés
par les professionnels en IA pour chacune de ces étapes. 4 Il s’agit, dans la majorité des cas,
Cette démarche permet d’offrir une perspective qui reflète d’un outil prédictif.
Définition de l’IA
L’expression « intelligence artificielle » désigne la conception de systèmes informatiques qui sont capables de présenter La recherche opérationnelle et la science de
certains attributs de l’intelligence humaine (comme l’apprentissage, la réflexion, la résolution de problème, le raisonne- l’aide à la décision (« decision science »)
ment, l’élaboration de stratégies) (Forum IA, 2018). Il existe deux types d’intelligence artificielle :
L’IA, dans la plupart de ses utilisations, est plus proche de la recherche opération-
nelle et de la science de la décision que de la robotique. Elles partagent l’emploi de
techniques issues des sciences mathématiques visant à déterminer des solutions
telles que la modélisation mathématique, l’analyse statistique et l’optimisation.
L’intelligence
L’intelligence
artificielle « faible »
artificielle « générale »
qui désigne une machine
ou un programme capable qui désigne une machine ou un
d’effectuer une tâche programme capable d’apprendre
précise potentiellement de multiples tâches et de transférer
très complexe, mais ses connaissances d’un problème
spécialisée, comme jouer à un autre, comme le ferait un
efficacement au Go ; être humain. À ce jour, seules des
formes d’intelligence artificielle
« faible » existent, bien qu’elles
concernent des tâches de plus en
plus complexes.
20 21Les types d’apprentissage
Le détecteur de pourriels
L’IA et son développement reposent essentiellement sur Figure 5 : Les algorithmes les plus utilisés (n=75)
trois grandes catégories d’algorithmes d’apprentissage Utiliser des techniques de programmation traditionnelles pour détecter un pourriel
automatique : reviendrait à coder en dur (« hardcode ») un algorithme de détection pour chacun
33,33 % Méthode de régression des mots suspectés d’être présents dans un pourriel (ex. « vous avez gagné un
1 L’apprentissage supervisé permet d’inférer des (linéaire, logistique) concours », « gratuit », etc.). En revanche, un même filtre basé sur des techniques
règles dont la valeur des résultats est connue à 25,33 % Arbre de décision (Decision Tree) d’apprentissage automatique peut identifier les bons prédicteurs en détectant des
partir d’exemples bien programmés et définis. Ces patrons présents dans les données d’observation. Le programme sera plus court,
exemples permettent à la machine de dévelop- 16,00 % Autres algorithmes plus facile à maintenir avec le temps et probablement plus précis.
per des prédictions dont la précision dépend de 14,67 % Autres méthodes d’apprentissage
la qualité, mais aussi du volume d’entraînement profond (Auto-encoder, Transformer
de l’algorithme. Networks. GANs, RL)
14,67 % Méthode d’apprentissage
2 L’apprentissage non supervisé permet à la
ensembliste (Random Forest)
machine de détecter des patrons (« patterns »)
dans les données de manière autonome. La 13,33 % Partitionnement de données
machine identifie les répétitions dans les données (k-means, hiérarchique) Les utilisations de l’IA Vers une IA explicative
(bien souvent disparates et non structurées/éti- 10,67 % K plus proches voisins (KNN)
quetées) et les catégorise en fonction de leurs La diffusion de l’IA dans le monde des affaires se caractérise Cependant, l’IA devient de plus en plus sophistiquée et
10,67 % Réseau de neurones récurrents
récurrences et similarités. de plusieurs manières : certaines organisations conçoivent peut parvenir à des décisions qui proviennent de processus
(RNN)
de l’IA tandis que d’autres intègrent ou utilisent l’IA dans opaques (problématique de la « boîte noire »). Dans ce cas
3 L’apprentissage par renforcement repose sur 9,33 % Réseau neuronal convolutif (CNN) les solutions qu’elles proposent à leurs clients. Plus encore, de figure, l’expertise humaine devient primordiale pour
l’utilisation d’un dispositif/agent autonome, tel
8,00 % Perceptron multicouche (MLP) certaines organisations intègrent l’IA dans une démarche expliquer les comportements et les résultats de la machine.
un robot, qui apprend à réviser et adapter ses
interne d’optimisation. Certaines grandes entreprises tech- À cet effet, l’IA explicable (un domaine en expansion de
actions sur la base d’expériences régies par des 6,67 % Approches bayésiennes
nologiques parviennent à regrouper les différents pôles de l’apprentissage automatique) permet d’évaluer les algo-
règles d’action au sein d’un environnement fermé.
6,67 % Réseau récurrent à mémoire la chaine de valeur de l’IA en utilisant l’IA à la fois dans leur rithmes décisionnels de la boîte noire afin de les rendre
Les actions de l’agent sont alors renforcées (ou
court et long terme (LSTM) conception et dans leur organisation interne. plus transparents et ainsi mieux comprendre le raisonne-
récompensées) positivement ou négativement,
4,00 % Réduction de la dimension ment de la machine. La traçabilité et la vérifiabilité des
ce qui lui permet d'adopter au fil du temps les
(PCA, t-SNE) algorithmes décisionnels sont des enjeux majeurs pointés
comportements décisionnels souhaités (et
Un besoin massif de données par les experts. Sur la base des prédictions Gartner (AI
souhaitables).
Business, 2020), tous les professionnels en IA devront
présenter une expertise en développement responsable
Figure 6 : Les cadres d’apprentissage automatique les plus utilisés (n=75) Par-delà leurs spécificités, ces trois grandes catégories
de l’IA d’ici à 2023.
d’apprentissage automatique requièrent la présence d’une
Trois cadres prédominent quantité massive d’informations. De plus, la puissance de
calcul et la disponibilité des mégadonnées ont permis
le développement et la sophistication d’algorithmes
40 % qui offrent la possibilité d’aborder des problématiques
complexes qui ne pouvaient être résolues avec des
30 % méthodes traditionnelles. Les algorithmes d’apprentis-
sage profond sont d’autant plus performants qu’ils néces-
20 %
sitent une quantité colossale de données. Ces dernières
10 % comprennent très souvent des millions voire des milliards
d’éléments sous-jacents de données, qui eux-mêmes
0% peuvent avoir des milliers de caractéristiques ramifiées
(Davenport, 2018).
Scikit-learn
PyTorch
TensorFlow
Autres
Xgboost
RandomForest
Keras
Fast.ai
SparkMLib
LightGBM
Catboost
H20
MATLAB
22 23Les « V » des mégadonnées
AlexNet
Les mégadonnées se définissent par plusieurs caracté-
Le 30 septembre 2012, un réseau de neurones convolutif (« convolutional neural network ») ristiques (allant des 3 V jusqu’aux 7 V)3, dont certaines
appelé AlexNet a remporté le ImageNet 2012 Challenge avec un taux d’erreur de 10,8 % demeurent centrales :
inférieur à celui du finaliste. Cela a été rendu possible grâce à l’utilisation d’unités de traite-
ment graphique (« graphic processing unit ») pendant l’entraînement, un ingrédient essentiel
1 2 3
de la révolution de l’apprentissage profond. Les réseaux sont dorénavant beaucoup plus gros,
certains ayant une capacité de 175 milliards de paramètres.
Figure 7 : Schématisation d’AlexNet
Volume Vélocité Variété
3
3
3 La quantité de données est Les données sont générées Les mégadonnées sont
5 3
5
3 3 telle que les outils tradition- à une vitesse sans précédent souvent de différentes
3
11
48 192 192 128 2048 2048 Dense nels de gestion des données depuis différentes sources natures (texte, éléments
11 128
55 27
13 13
ne suffisent plus pour les numériques (capteurs, audio ou vidéos, entrées
13
5
3 3 stocker et les analyser. communications électro- numériques, phénomènes
224 5
3 3
3
niques, etc.), offrant ainsi la physiques captés par des
13 3 13 13 Dense Dense
27 3 possibilité d’une analyse en capteurs sensoriels, etc.),
11 3
11
55
192 192 128
1000
temps réel. Les mégadonnées peuvent être structurées
Max
224 Max Max Pooling 2048 2048 permettent aux organisations ou non structurées et pro-
Stride
of 4
Pooling Pooling d’être agiles dans l’analyse et viennent de sources internes
3 48
la capture de valeur produite et externes. La fusion de
par les données. données provenant de dif-
férentes sources reste un
Définition des mégadonnées procédé complexe.
Les mégadonnées influencent aujourd’hui un grand le développement des infrastructures de données. Les
nombre de résultats organisationnels et sociétaux. Par mégadonnées sont aussi extrêmement populaires sur les
conséquent, l’intérêt de la communauté d’affaires envers réseaux professionnels, avec des milliers de publications Le traitement distribué des données
les mégadonnées s’est fortement et rapidement accru. LinkedIn écrites sur le sujet (Huselid & Minbaeva, 2018).
L’émergence d’un tel engouement repose sur la crois-
sance exponentielle du nombre de données disponibles Les mégadonnées représentent le domaine de l’intelli- Si les données sont souvent considérées comme la
et la démocratisation des solutions d’infonuagiques (cloud gence numérique pour lequel la définition donnée par les matière première du XXIe siècle, ce sont les capacités ana-
computing) permettant d’abaisser les coûts de stockage et experts interrogés dans cette étude est la plus consen- lytiques qui permettent d’en extraire de précieuses pers-
d’hébergement des données. De plus, le développement suelle. Ils parlent de mégadonnées lorsqu’il y a un chan- pectives. Dans cette optique, les experts qui travaillent
de l’IA et la sophistication des techniques d’apprentissage gement d’échelle si important dans le volume de données avec des mégadonnées utilisent des outils de traite-
automatique facilitent considérablement l’analyse et la qu’une machine (ou un ordinateur standard) ne suffit plus ment distribué de données, Hadoop et les technologies
conversion des mégadonnées en connaissances à valeur pour les stocker et les traiter. MapReduce, Spark et Kafka figurant parmi les principaux.
ajoutée (McKinsey, 2017). Poussés par l’impératif de capter Les applications comme Excel et SPSS ne permettent pas
des données de qualité en temps réel, les entreprises et les de traiter des données volumineuses. Le travail se fait alors
gouvernements investissent des milliards de dollars dans de manière programmatique, soutenu par une infrastruc-
ture de données où plusieurs parties d’un seul ensemble
de données peuvent être dispersées sur plusieurs serveurs.
3
Les quatre V restants sont la véracité, la variabilité, la valeur et la visualisation.
24 25Figure 8 : Schématisation d’un traitement distribué de données Figure 9 : Les produits d’infonuagiques les plus régulièrement utilisés dans le cadre du travail d’un professionnel
en intelligence numérique
Fichier 1 Morceau 1
Serveur 1 Fichier 1 Morceau 2
Google Cloud
Functions
Fichier 2 Morceau 1
12 %
Fichier 1 Morceau 2
Morceaux redondants Google App
(présents à plusieurs endroits), IBM Watson Engine
Application Shématisation
(mapping)
Serveur 2 Fichier 1 Morceau 1 prêts à passer à l’action 7% 7%
en cas de problème Azure
Fichier 2 Morceau 2 Databricks
12 %
AWS S3 AWS
Sagemaker
29 %
Fichier 1 Morceau 2
IBM Cloud 7%
7% Azure Virtual
Serveur 3 Fichier 2 Morceau 1
Machines
Fichier 2 Morceau 2 26 %
AWS Elastic
AWS Elastic
Un même fichier peut être fragmenté Beanstalk Compute Cloud (EC2)
(chunks) dans plusieurs serveurs
Google Compute
5% 19 %
Engine (GCE)
14 %
AWS Lambda AWS EMR Databricks
12 % 5% 7%
Les services en infonuagique
Azure Batch
7%
Les entreprises qui adoptent les mégadonnées cherchent tions en matière de cybersécurité et de protection des
à développer des infrastructures fiables et flexibles, offrant données. La notion de gouvernance des données devient Google AI
une grande disponibilité. De plus en plus, les services en un enjeu crucial, confirmé lors des entrevues avec les Google Colab Azure Container Platform
infonuagique semblent être priorisés pour une quantité experts. Elles révèlent d’ailleurs les principaux facteurs 26 % Service 12 %
de données très importante avec un niveau de sensibi- qui orientent le choix des acteurs en matière d’outils de 17 %
lité modéré. Les principaux services en infonuagique et de stockage des données, à savoir : Google
Kubernetes
stockage de données sont, d’après les experts, Amazon Engine
Web Services dont Redshift, Microsoft Azure et les • Le volume des données ; 10 %
services de Google, qui peuvent engendrer des coûts très • La fréquence d’accès aux données, et ;
importants pour les entreprises. Cela étant, l’externalisa-
tion de la gestion d'une infrastructure informatique réduit • Le niveau de sensibilité des données.
les risques financiers associés aux investissements dans
une infrastructure qui peut rapidement ne plus répondre À titre d’exemple, imaginons une entreprise en ser-
à la rapidité d’évolution des technologies (Ren et al., 2015). vice-conseil qui détermine une solution de stockage
des données en fonction des besoins de son client. Les
L’infonuagique étant aujourd’hui largement utilisée (les données considérées comme très sensibles seraient alors
technologies de traitement distribué des données y sont probablement traitées sur des serveurs privés, plus com-
étroitement liées), les experts expriment des préoccupa- munément appelés « in house ». (Ren et al., 2015).
26 27Vous pouvez aussi lire
