Le concept d’un « écosystème entrepreneurial » est devenu un moyen majeur à la fois pour théoriser et prendre des décisions politiques concernant l’entrepreneuriat, l’innovation et le développement économique. L’idée d’un écosystème entrepreneurial capture la manière dont l’entrepreneuriat est de plus en plus réalisé et entrepris grâce aux interdépendances innées existant entre les éléments et composants de ce qui sont essentiellement des communautés biotiques (consistant en des interactions complexes entre les agents humains et une gamme de composants tangibles et intangibles). Ce livre adopte une perspective à multiples facettes sur l’émergence de l’entrepreneuriat au sein des écosystèmes dans les villes et les régions, la manière dont ces écosystèmes évoluent et opèrent, ainsi que leur développement futur. Ce chapitre d’introduction fournit un contexte théorique initial sur la nature des écosystèmes dans le contexte de l’entrepreneuriat et du développement urbain et régional, avant de donner un résumé des trois parties du livre : (1) L’émergence des écosystèmes entrepreneuriaux ; (2) L’évolution des écosystèmes entrepreneuriaux ; et (3) Le futur des écosystèmes entrepreneuriaux.
- 00:04:02
Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.
- Recherche
- Développement Durable et RSE, Management et Big Data, Systèmes d'information
