De l’eau potable coule du robinet, du 220 volts sort de la prise, mais de la camelote sort de la connexion internet : le professeur Ruben Verborgh de l’UGent constate notre échec en matière de données et d’IA, mais il a déjà tracé les grandes lignes d’une solution.
« Pourquoi ne volez-vous pas de pizza au supermarché ? », demande le professeur Ruben Verborgh de l’Université de Gand au public lors de son passage à l’événement Connect-IT à l’Antwerp Expo. « Parce que c’est difficile. C’est bien plus difficile que de simplement payer. C’est aussi interdit, mais passer par la caisse est tout simplement plus facile. »
M. Verborgh utilise cet exemple pour illustrer la manière dont nous devons traiter les données et la technologie. « Il y a des gens qui font toujours ce qui est juste, et d’autres qui feront toujours ce qui est mal », précise-t-il. « Il ne faut pas que la réglementation se concentre sur eux. Il existe un très large groupe intermédiaire prêt à faire ce qui est juste, pour autant que ce soit assez simple. »
L’échec du RGPD
Le professeur cite la législation RGPD, désormais vieille de dix ans, comme un parfait exemple de ce qu’il ne faut pas faire. « Le RGPD a rendu plus difficile tant la mauvaise que la bonne gestion des données, mais il reste toujours plus facile de mal agir. » Il note que cela a surtout entraîné une charge administrative supplémentaire pour les organisations. Les grandes multinationales que le RGPD souhaitait viser doivent certes payer une amende de temps à autre. « Mais pour elles, c’est le coût de l’activité commerciale. »
Le RGPD a rendu plus difficile tant la mauvaise que la bonne gestion des données, mais il reste toujours plus facile de mal agir.
Professeur Ruben Verborgh, Université de Gand
Selon M. Verborgh, la régulation de la technologie ne peut réussir que si elle fait suite à un véritable projet économique. « Nous avons d’abord besoin d’une technologie responsable qui soit économiquement pertinente, et nous pourrons ensuite la réguler. Une réglementation pour la composante économique, cela ne fonctionne jamais. »
Priorité à un modèle économique
Selon le professeur, il est donc nécessaire d’élaborer d’abord un modèle économique solide pour les données et pour l’IA. La distinction entre les deux n’est pas si grande selon lui. « L’IA, ce sont simplement des données liquides. »
Seulement, le problème se pose dès le point de départ. « Le big data n’a toujours pas découvert comment gagner de l’argent, à l’exception des publicités », déplore-t-il. « Regardez les grandes entreprises d’IA. Elles perdent des milliards de dollars, malgré les investissements, année après année. OpenAI a désormais trouvé la solution : l’entreprise va encore accuser des pertes pendant quelques années, puis empocher soudainement des milliards de bénéfices en 2029, grâce aux publicités. »
Solid
« C’est une catastrophe », soupire-t-il. « Il faut et il est possible de faire autrement, et cela commence par nos entreprises locales. » M. Verborgh tente de s’attaquer au problème depuis plusieurs années. Il est l’un des défenseurs de Solid : une technologie co-conçue par Tim Berners-Lee, l’un des pères du World Wide Web.
Solid est un coffre-fort de données personnelles, dans lequel les citoyens gardent le contrôle sur ce qu’il contient. Ils peuvent alors choisir de partager des données provenant, par exemple, de leur coffre-fort médical avec un tiers, s’ils le souhaitent. Ils conservent toujours le contrôle sur ce qu’ils partagent et avec qui. Un tel système ouvre les portes d’une économie dans laquelle le propriétaire des données peut être rémunéré pour leur valeur.
M. Verborgh pense désormais que la conception initiale de Solid ne suffit pas. « Je pensais que nous avions besoin d’une solution pour mieux faire circuler les données », dit-il lors de Connect-IT, faisant référence au fait que, dans le modèle actuel, les données sont principalement détenues par les grands acteurs. « Maintenant, je sais qu’il en est autrement. Les données ne doivent pas circuler. »
Données locales avec perspectives locales
Il souhaite un modèle dans lequel les personnes et les entreprises ne partagent pas nécessairement leurs données, mais les aspects pertinents de celles-ci. Prenons l’exemple d’une chaîne de supermarchés qui, en principe, aimerait savoir si un membre de votre famille souffre de diabète. Ces données sont pertinentes pour bien adapter les promotions. Seulement voilà : les données médicales d’un membre de la famille sont si sensibles qu’aucun supermarché ne souhaite les conserver, même si cela était autorisé.
« Il serait donc plus logique de partager uniquement le fait que vous avez un intérêt pour les produits sans sucre », explique M. Verborgh. « Le supermarché n’a pas besoin de savoir pourquoi pour en tirer une valeur économique. » Le client y trouve également son compte : les promotions sont plus pertinentes, sans qu’aucune donnée personnelle n’ait été échangée.
Transition économique
Le professeur Verborgh plaide très concrètement pour un modèle dans lequel les modèles d’analyse et d’IA sont rapprochés des données, non pas pour des raisons techniques comme la latence, mais par motivation économique. Selon lui, il est beaucoup plus judicieux d’élaborer ainsi le modèle économique autour de l’IA et des données. À cet égard, Solid semble toujours constituer une base saine.
Dès que cela sera mis en place, la réglementation pourra suivre. Celle-ci doit être complémentaire au modèle économique et rendre le bon comportement plus simple que le mauvais. Cela ne sera possible que lorsque les sanctions et les incitations pourront être liées à une réalité économique.
Aujourd’hui, vous savez que du 220 volts sort de la prise et que l’eau du robinet est potable, mais de votre connexion internet sort de la camelote.
Professeur Ruben Verborgh, Université de Gand
C’est par ce biais qu’il est possible, selon le professeur, d’arriver à un point où les données et l’IA mènent à la qualité. « Aujourd’hui, vous savez que du 220 volts sort de la prise et que l’eau du robinet est potable », affirme-t-il. « Mais de votre connexion internet sort de la camelote. La seule façon de résoudre ce problème est de rapprocher de nous les perspectives sur nos propres données. »