Science des données et IA centrées sur l’humain

La genèse de l’innovation en matière de données en Suisse: une impulsion donnée par l’OFS (2015 à 2017)

Les questions sociétales se complexifiant, notamment induites par une évolution technologique rapide, les gouvernements avaient de plus en plus de difficulté à suivre les approches traditionnelles de la résolution des problèmes. L’OFS a alors identifié la science des données comme un outil vital pour évoluer dans cet environnement complexe et s’est positionné à l’avant-garde de cette transformation. Il s’était activement engagé dans le discours mondial sur l’exploitation des grands ensembles de données, bien avant l’élaboration des premières stratégies officielles. Depuis 2014, l’OFS est membre du Comité d’experts des Nations unies sur le Big Data et la science des données pour les statistiques officielles (UN-CEBD, United Nations’ Committee of Experts on Big Data and Data Science for Official Statistics). Il contribue aux discussions internationales sur les nouvelles sources de données et leur intégration dans les statistiques officielles. L’OFS participe activement à des groupes de travail consacrés à des sujets spécifiques, tels que les technologies améliorant la confidentialité, l’accès aux données privées, la formation et le développement des compétences et des capacités. Il a également rejoint le Réseau des leaders en science des données (DSLN, Data Science Leaders Network), à l’origine du data science playbook. Ce document stratégique fournit aux offices nationaux de statistique un guide complet pour intégrer la science des données dans leur travail. Il offre une approche systématique pour piloter des projets, mettre les ressources en commun, documenter les accomplissements et surmonter les barrières institutionnelles. Cet engagement international de la première heure souligne l’attachement de l’OFS à exploiter le potentiel des données pour le bien public.

Dans ce contexte, l’OFS a publié en 2017 sa Stratégie d’innovation sur les données qui présente une vision claire: l’innovation en matière de données est définie comme le recours à des méthodes d’analyse complémentaires (notamment l’analyse prédictive utilisant des statistiques avancées, la science des données et l’apprentissage automatique) pour traiter des sources de données existantes ou nouvelles (big data). L’objectif principal était de renforcer le rôle des statistiques officielles dans le processus démocratique de la Suisse en veillant à ce que les informations restent fiables, transparentes et dignes de confiance. La stratégie visait à améliorer la qualité, la portée et le rapport coût-efficacité des produits statistiques, à réduire la charge pesant sur les répondants et à améliorer l’actualité et le niveau de détail des statistiques officielles.

Dans sa stratégie, l’OFS a introduit une compréhension nuancée des sources de données, en les classant en données primaires («créées» à des fins statistiques) et en données secondaires (provenant d’autres sources). Il a mis l’accent sur la nature complémentaire du raisonnement inductif (les données d’abord) et du raisonnement déductif (les idées d’abord), en préconisant une approche itérative pour améliorer en continu la prise de décisions fondées sur les données. La stratégie donne la priorité à l’utilisation des données, en se concentrant d’abord sur les données primaires internes et les données secondaires déjà appariées, puis sur les données secondaires supplémentaires déjà utilisées et, finalement, sur des sources de données secondaires entièrement nouvelles. Cette approche progressive a été conçue pour maximiser l’efficacité, réduire les coûts, minimiser la charge administrative et développer systématiquement l’expertise interne avant de s’attaquer à des intégrations plus complexes. Tous ces efforts ont été sous-tendus par un engagement inébranlable pour des valeurs fondamentales telles que la confidentialité des données, les politiques de protection des données, la sécurité des données, la gouvernance des données et la confiance du public.

Création d’un noyau: le Centre de compétences en science des données (DSCC – 2020)

Afin de renforcer son engagement et d’apporter un soutien concret à l’ensemble de l’administration fédérale, l’OFS a été chargé de mettre en place le Centre de compétences en science des données (DSCC, Data Science Competence Center) en mai 2020. Opérationnel depuis janvier 2021, le DSCC fonctionne comme un fournisseur de services central, offrant des prestations de science des données en tant que service (Data Science as a Service, DSaaS) à l’ensemble du secteur public suisse, y compris la Confédération, les cantons et les communes.

La mission du DSCC est d’opérer au «carrefour de la science des données et de l’intelligence artificielle» en développant des compétences et en appliquant des méthodes, des techniques et des pratiques appropriées pour favoriser une nouvelle compréhension et améliorer la prise de décisions pour le bien public. Ses valeurs fondamentales reflètent celles qui sont inscrites dans la stratégie d’innovation en matière de données, à savoir la sécurité de l’information, la protection des données et de l’information, la sécurité des données, la gouvernance des données, la non-discrimination, l’explicabilité, la traçabilité, la transparence, la reproductibilité, la neutralité, l’objectivité, le traitement éthique des données et des résultats, et la confiance du public. Le DSCC souligne l’importance de documenter les résultats des projets de manière transparente et de les rendre accessibles lorsque la protection des données et d’autres réglementations le permettent, afin de promouvoir une création de valeur durable.

Les services fournis par le DSCC sont exhaustifs et couvrent l’ensemble du cycle de vie de la science des données.

• Conseil:

  offrir des conseils stratégiques, tactiques et opérationnels sur les méthodes innovantes de la science des données, y compris les analyses potentielles des statistiques avancées, de l’apprentissage automatique et de l’IA.

• Appui méthodologique:

  fournir un accompagnement et une formation en cours d’emploi pour des projets axés sur la pratique au sein de l’administration publique, aider à mettre en œuvre les résultats pour améliorer ou optimiser les processus existants, ou les enrichir de nouvelles connaissances.

• Réalisation de projets:

  assumer l’entière responsabilité de projets pertinents dans le domaine de la science des données, depuis la formulation du problème jusqu’à la livraison d’un produit minimum viable (minimum viable product, MVP) en s’appuyant, si nécessaire, sur des partenaires institutionnels et universitaires pour une expertise élargie.

• Formation:

  conduire des formations axées sur la pratique à propos des méthodes, des techniques et des bonnes pratiques de la science des données, ainsi que des technologies et des outils informatiques nécessaires. Un point qui illustre l’engagement de l’administration fédérale en faveur du développement continu du personnel et du renforcement de ses compétences.

Champ d’action élargi: le Réseau de compétences en intelligence artificielle (CNAI – 2021)

Renforçant l’engagement de la Suisse en faveur de la transformation numérique, le Conseil fédéral a décidé en août 2021 de créer le Réseau de compétences en intelligence artificielle (CNAI), dont le secrétariat est rattaché à l’OFS. Depuis janvier 2022, le CNAI fournit des services essentiels visant à promouvoir rapidement et durablement l’utilisation de l’IA et d’autres nouvelles technologies et à améliorer la confiance dans ces outils, principalement au sein de l’administration fédérale. Il facilite également les échanges avec les cantons et les communes.

Jouant le rôle de facilitateur, le CNAI favorise un échange mutuel de connaissances et d’expertise. Sa banque de données des projets est une contribution essentielle: elle offre une vue d’ensemble des projets liés à l’IA au sein de l’administration fédérale et favorise ainsi la transparence et l’échange d’expériences.

La gestion de la terminologie est au cœur des activités du CNAI. Elle vise une compréhension commune des termes liés à l’IA au sein de l’administration fédérale, simplifiant ainsi la communication et la collaboration. Le réseau comprend également deux communautés clés:

Data Science and Artificial Intelligence DS&AI CoP (communauté de pratique Science des données et intelligence artificielle):

établie dans le cadre de la Stratégie fédérale en matière de science des données, cette communauté entend faciliter les échanges sur les problèmes pratiques de science des données selon une logique bottom-up, en garantissant un échange durable de savoir-faire et de connaissances techniques entre les utilisateurs de la science des données au sein de l’administration fédérale. Elle s’intéresse à des sujets tels que les bonnes pratiques (comme l’explicabilité et la reproductibilité), les nouvelles méthodes, la consolidation des ressources, l’IA générative, les grands modèles de langage (LLM) et le cadre juridique.

Committee for Data Science and Artificial Intelligence CoSciDoIA (comité pour la science des données et l’intelligence artificielle):

ce comité national regroupe des représentants de tous les cantons, de communes, d’offices fédéraux et du monde académique. Il s’intéresse à des sujets comme les bonnes pratiques (l’explicabilité et la reproductibilité, p. ex.), les nouvelles méthodes, la consolidation des ressources, l’IA générative, les grands modèles de langage (LLM) et le cadre juridique. L’objectif principal du CoSciDoIA est de créer des synergies et d’éviter les redondances entre les différents échelons de l’État fédéral.

Ces communautés exploitent activement les synergies avec le pool d’experts du DSCC, mettant en évidence l’approche intégrée du développement des compétences.

Pour des actions coordonnées: la Stratégie fédérale en matière de science des données (2022)

Le point culminant de ces initiatives est la Stratégie fédérale en matière de science des données (DSStB) que le Conseil fédéral a adoptée le 2 décembre 2022. Cette stratégie globale définit la manière dont l’administration fédérale entend utiliser la science des données à l’avenir, en décrivant ses objectifs et les mesures nécessaires à une mise en œuvre ciblée et coordonnée.

La vision du DSStB est claire: une science des données centrée sur l’humain et digne de confiance pour soutenir le bien public et la politique publique. Cette vision est étayée par un ensemble de principes fondamentaux qui guident toutes les activités liées à la science des données, notamment la sécurité de l’information, la protection des données et de l’information, la sécurité des données, la gouvernance des données, la non-discrimination, l’explicabilité, la traçabilité, la transparence, la reproductibilité, la neutralité, l’objectivité et le traitement éthique des données et des résultats. Ces principes sont destinés à gagner la confiance du public et à veiller à une utilisation responsable de la science des données. La stratégie vise à soutenir la prise de décisions fondées sur des données dans l’administration fédérale: une plus grande efficacité et efficience de la politique publique grâce à la science des données.

Pour ce faire, le DSStB définit des orientations stratégiques et les met en œuvre en actionnant principalement deux leviers:

Ancrer stratégiquement la science des données:

il s’agit de promouvoir, d’expliquer et de consolider les principes fondamentaux, de clarifier la gouvernance et d’identifier les cas d’application primordiaux dans l’ensemble du processus d’élaboration politique.

Développer un «écosystème transversal» de la science des données:

un écosystème à la base de la consolidation des innovations et de l’optimisation des bénéfices qui s’appuie sur cinq principaux facilitateurs:

• Culture de la science des données: favoriser un leadership et une culture de travail qui encouragent l’expérimentation et l’apprentissage, et mettent l’accent sur la qualité des données, en accord avec les principes de confiance et une approche centrée sur l’humain.
• Développement des talents et du personnel: mettre en œuvre des programmes coordonnés d’éducation et de formation (mise à niveau et requalification), renforcer les connaissances en matière de leadership et attirer des talents externes grâce à des profils professionnels clairement définis, afin de positionner l’administration fédérale en tant qu’employeur attrayant.
• Coopération transversale: promouvoir la collaboration au sein de l’administration fédérale (entre les départements et entre les différents niveaux gouvernementaux), avec la science, la recherche et l’économie, ainsi que dans le cadre d’échanges internationaux afin de tirer parti des diverses connaissances et compétences.
• Outils et plateformes de science des données: faciliter l’accès aux outils et plateformes pertinents dans un environnement sécurisé, établir des produits standard pour les plateformes collaboratives et compiler un catalogue des solutions disponibles proposant des lignes directrices claires pour les utiliser dans le respect des principes fondamentaux et des dispositions légales.
• Administration des données et infrastructure: garantir une gestion des données et une infrastructure solides pour permettre une utilisation efficace, efficiente et durable des données, en respectant les principes de protection des données et de minimisation de la charge, et en explorant des techniques de préservation de la vie privée telles que les données synthétiques.

L’OFS joue dans ce domaine stratégique un rôle central, en dirigeant l’initiative principale «Science des données» dans le cadre de la stratégie suisse de cyberadministration 2020-2023 et en coordonnant les travaux du DSCC et du CNAI.

Impact et prototypes: des résultats concrets

Les efforts stratégiques de l’OFS ne sont pas restés à l’état de pure théorie. Le recueil complet de projets (Projektsteckbriefe), rassemblés et supervisés par le CNAI à l’OFS, présente un vaste éventail de projets en cours ou achevés au sein de divers départements fédéraux dans les domaines de l’IA et de la science des données. Ce vaste portefeuille comprend plus de 95 prototypes, MVP et applications prêtes à la production, démontrant le large usage qui est fait de l’apprentissage automatique, du traitement du langage naturel (NLP) et de l’analyse des données de masse pour relever les défis que pose le monde réel au secteur public en Suisse.

Dans le cadre des statistiques officielles de la Suisse, l’OFS a lancé plus de 25 prototypes, MVP et applications prêtes à la production ou statistiques expérimentales dans divers domaines, par exemple:

Pour optimiser les processus administratifs et la communication

• StatBot.Swiss est un robot conçu pour répondre aux questions sur les données statistiques suisses, rendant les données structurées plus facilement accessibles à travers les différents niveaux administratifs.

Pour accéder à l’information

• Lomas est une plateforme d’analyse confidentielle de données qui renforcent la recherche, renseignent sur les développements politiques et stimulent les innovations à travers les secteurs, tout en respectant les normes les plus strictes en matière de confidentialité des données.

Pour améliorer la qualité des données, les analyses et les prévisions

• Les estimations précoces de la statistique structurelle des entreprises en Suisse (STATENT-Flash) visent à fournir dans un plus bref délai des informations en estimant les chiffres clés de la structure des entreprises. Actuellement, les résultats de la statistique structurelle des entreprises sont publiés chaque année, 20 mois environ après l’année de référence.
• ADELE- et DL-MARK: ces systèmes utilisent l’apprentissage profond (deep learning) pour la reconnaissance d’images et la cartographie dans les photographies aériennes servant à établir les statistiques sur l’utilisation et la couverture du sol, ce qui réduit considérablement le travail d’interprétation manuelle.
• ML_Poverty et ML_SoSi explorent les techniques d’apprentissage automatique pour la modélisation de la prédiction spatiale des indicateurs de pauvreté et l’identification des références typiques et des historiques d’emploi dans les systèmes de sécurité sociale.

Pour automatiser les processus

• Plausi++ automatise les contrôles de plausibilité pour la qualité et la fiabilité des données administratives et des données d’enquête.
• NOGAuto automatise le codage de l’activité économique des entreprises en appliquant des méthodes d’apprentissage automatique aux données dont dispose l’OFS (données d’enquêtes, descriptions au Registre du commerce, mots-clés, notes explicatives des nomenclatures, etc.).
• La validation des données par l’apprentissage automatique vise à étendre et à accélérer la validation des données à l’OFS au moyen d’algorithmes d’apprentissage automatique tout en améliorant la qualité des données.

Ces nombreux projets, dont beaucoup sont en phase de prototype ou de MVP, soulignent le rôle actif de l’OFS dans la promotion d’applications pratiques de l’IA et de la science des données dans l’ensemble de l’administration fédérale suisse.

Et au-delà de la création du noyau: catalyser le changement

Au-delà de la mise en œuvre directe des projets, les initiatives de l’OFS ont apporté une contribution significative dans plusieurs domaines.

Soutien et accompagnement méthodologiques:

le DSCC fournit un soutien et un accompagnement méthodologiques pour des projets pertinents et orientés sur la pratique dans le cadre de l’administration publique et pour des projets confiés à des tiers. Il s’assure ainsi que les résultats de la science des données sont mis en œuvre dans les processus administratifs existants, contribuant de ce fait à améliorer et à optimiser les processus ou à les enrichir de nouvelles connaissances.

Mise en œuvre de projets interdisciplinaires à l’aide de méthodes agiles

la science des données met l’accent sur l’esprit d’équipe et la coopération transversale, ce qui implique une approche agile et interdisciplinaire. L’équipe du DSCC elle-même est pluridisciplinaire: elle dispose d’une expertise en ingénierie des données, en informatique, en développement de logiciels, en analyse commerciale, en mathématiques, en statistiques et en prise de décisions. Des compétences variées cruciales pour pouvoir mettre en œuvre des projets complexes, qui couvrent des domaines différents et nécessitent une collaboration.

Développement et consolidation de l’expertise en matière de projets d’innovation fondés sur les données:

la DSStB se penche explicitement sur la nécessité de «renforcer la sensibilisation et les compétences». Un objectif à atteindre grâce à des programmes coordonnés de formation et de perfectionnement (mise à niveau et requalification), au renforcement des connaissances en matière de leadership dans la pratique de la science des données et au recrutement de talents externes. Le DSCC propose des formations spécialisées et vise à définir des profils d’emploi et des parcours de carrière clairs pour les professionnels de la science des données, renforçant ainsi l’attractivité de l’administration fédérale en tant qu’employeur. Des groupes d’intérêt et des webinaires sur la science des données et l’IA au service du bien public encouragent également le partage des connaissances.

Mise en réseau active dans le domaine de l’IA et de la science des données au sein de l’administration fédérale:

un aspect central de l’activité du DSCC et du CNAI consiste à promouvoir un réseau solide. Les communautés de pratique et d’expertise du CNAI, développées en étroite collaboration avec le DSCC, sont conçues pour faciliter l’échange continu d’expériences et de connaissances entre les unités administratives fédérales. Cette mise en réseau s’étend à la collaboration avec la science, les institutions de recherche (comme le Swiss Data Science Center) et l’économie, ainsi qu’à la participation active à des initiatives internationales et à l’élaboration de normes mondiales.

Le chemin qu’a parcouru l’OFS depuis 2014 témoigne d’un effort délibéré, itératif et collaboratif pour intégrer la science des données et l’IA dans les fonctions essentielles de l’administration fédérale suisse. En encourageant une approche centrée sur l’humain et digne de confiance, en développant des compétences solides et en promouvant un écosystème d’innovation dynamique, la Suisse exploite efficacement le potentiel des données au service du bien public.

Informations complémentaires

Pour de plus amples informations sur l’engagement de la Suisse en faveur de la science des données et de l’IA dans l’administration publique, veuillez vous référer aux documents et ressources ci-après:

• Documents

  • Stratégie d'innovation sur les données(OFS, 2027)
  • CNAI Banque de données des projets (disponible en allemand et partiellement en anglais, mise à jour tous les trois mois depuis 2022)

• Ressources

  • CNAI - Réseau de compétences en intelligence artificielle
  • Experimental Statistics (OFS)
  • Comité d'experts des Nations unies sur le Big Data et la science des données pour les statistiques officielles (en anglais)