L’intelligence artificielle au cœur des enjeux sociétaux et éthiques 

En 2024 l’Europe s’est dotée d’un cadre réglementaire sur l’IA qui traite les risques pour la santé, la sécurité et les droits fondamentaux des citoyens. Il établit pour les développeurs et les déployeurs des exigences et des obligations claires tout en réduisant les charges administratives et financières pesant sur les entreprises. Le Crédit Agricole n’a pas attendu cela pour adopter une approche proactive en faveur d’une IA de confiance et responsable. « Nous avons anticipé dès janvier 2023 l’arrivée de l’AI Act en prenant notamment appui sur les travaux du DataLab Groupe réalisés lors de sa certification et de sa labélisation RSE, qui permettaient déjà de répondre à une grande partie des exigences de l’AI Act, même si ce texte a été mouvant depuis avril 2021 », affirme Aldrick Zappellini.

« Notre but est de renforcer l’humain et non pas de le remplacer »,

Aldrick Zappellini, directeur data Groupe et chief data officer au Crédit Agricole

Agir chaque jour dans l’intérêt de nos clients et de la société

Au sein du Crédit Agricole, le DataLab Groupe est un pôle de référence interne qui conçoit des solutions d’IA innovantes, industrielles, éthiques et responsables. Il s’appuie pour ce faire sur sa veille technologique, et ses équipes spécialisées dans la R&D. « Nous soutenons les transformations en veillant à ce que nos projets soient alignés avec les enjeux sociétaux, la raison d’être et l’éthique du Groupe. Des principes simples et partagés par tous qui servent de boussole », souligne Aldrick Zappellini. Le DataLab Groupe se distingue également par son rôle d’animation des experts et d’acculturation des collaborateurs, avec, en autres, plus de 200 interventions par an. « Dans le cadre du nouveau plan d’acculturation IA Gen, nous avons collaboré avec l’Ifcam pour concevoir des modules de formation adaptés et transmettre les bons messages à nos collaborateurs concernant l’adoption maîtrisée de l’IA », précise-t-il. Le DataLab Groupe dispose également d’une AI Factory Groupe dont le rôle est d’accompagner les entités qui le souhaitent dans leur montée en compétences sur la fabrication et l’utilisation d’IA. Ce soutien personnalisé a été utilisé par des entités comme Crédit Agricole Corporate & Investment Bank ou encore Crédit Agricole Assurances qui ont ensuite lancé leur propre IA Factory pour soutenir les besoins de leurs métiers.

Pour garantir que sa méthode permette la fabrication d’une IA industrielle, de confiance et responsable, le DataLab Groupe l’a fait certifier par le Laboratoire national de métrologie et d’essais (LNE) puis labélisé « RSE » par LabelIA (niveau avancé). Afin d’amplifier ses efforts d’amélioration continue, depuis mars 2024, le DataLab Groupe a également inauguré une collaboration R&D avec l’Ecole polytechnique au travers d’une Chaire IA de confiance et responsable.

Biais discriminatoires et enjeux environnementaux

L’un des enjeux les plus pressants lorsque l’on parle d’intelligence artificielle est la gestion des biais*. Comme l’explique Aldrick Zappellini, « Les biais existent d’abord chez l’humain et donc également dans les données. Une IA entrainée à partir de données pourrait reproduire voire amplifier des biais potentiellement discriminatoires ». Afin d’éviter cela, les données utilisées sont analysées et si nécessaire redressées afin d’éviter qu’elles ne faussent des processus décisionnels comme l’octroi de crédit.

L’impact environnemental de l’IA, en particulier la consommation d’énergie, d’eau et de terres rares dans les data centers, est un sujet de préoccupation croissante. Les IA génératives, comme ChatGPT, sont en effet particulièrement consommatrices. « Nous devons nous interroger sur la nécessité d’utiliser de l’IA et, lorsque c’est le cas, choisir la technologie la plus éco-responsable possible. Par exemple, il n’est pas nécessaire d’utiliser de l’IA générative pour trier des emails. », affirme Aldrick Zappellini. « Nous nous efforçons de choisir des technologies et des méthodes de fabrication et de déploiement les plus frugales possibles. Cela s’applique aux données, au code informatique, et bien entendu aux infrastructures et aux modèles d’IA. », poursuit-il.

La technologie au service de l’humain

Au Crédit Agricole, nous déléguons certaines tâches à l’IA comme la gestion des tâches administratives afin de nous concentrer sur d’autres plus contributives à la relation client. « Notre but est de renforcer l’humain et non pas de le remplacer », insiste Aldrick Zappellini. Le développement de l’IA pose également des questions sociétales sur la transparence et la confiance des clients. Le Crédit Agricole prend ces préoccupations très au sérieux, en s’assurant que l’IA ne dégrade pas la relation de proximité qu’entretient la banque avec ses clients. « Nous devons trouver un équilibre entre l’utilisation de l’IA pour améliorer l’efficacité et préserver une relation authentique avec nos clients », explique Aldrick Zappellini.

Anticiper les impacts du changement climatique

Une des actions phares du DataLab Groupe réside dans son utilisation de la data et de l’IA pour anticiper les adaptations nécessaires face aux risques climatiques. L’application ClimAtlas a ainsi été développée pour faire prendre conscience à l’échelon locale des changements climatiques correspondant aux différents scénarios du GIEC et simuler les impacts sur différents secteurs, notamment l’agriculture et l’immobilier. Ces outils permettent de mieux appréhender les risques à venir, facilitant ainsi des décisions éclairées et l’accompagnement des clients. Si les défis sont nombreux, les opportunités offertes par l’IA sont tout aussi vastes. En contribuant, par exemple, à la lutte contre les impacts du changement climatique, en renforçant les métiers de la banque tout en plaçant l’humain au cœur de la transformation et en gardant une approche relationnelle centrée sur l’humain, le Crédit Agricole prouve que l’intelligence artificielle peut être une force positive pour l’entreprise et pour la société.

* Un biais algorithmique peut se produire lorsque les données utilisées pour entraîner un algorithme d’apprentissage automatique reflètent un sous échantillon non représentatif et non exhaustif de la population générale, et donc potentiellement des caractéristiques ou des valeurs implicites des humains impliqués dans la collecte, la sélection, ou l’utilisation de ces données.