Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle
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.
Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle
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.
La gestion de la dette technique dans le cadre des pratiques Agile et DevOps
Pitch pour le Prix FNEGE de la Meilleure Thèse en Management 2024 (thèse en 180 secondes) – Prix de thèse AIM Robert Reix
Alors que les organisations s’engagent de plus en plus dans des processus de transformation numérique pour suivre les évolutions technologiques du marché, le phénomène d’accumulation de la dette technique devient une menace pour l’agilité des systèmes d’information. En effet, le rythme de production rapide combiné aux changements rapides dans le secteur du numérique, peut favoriser une accumulation de la dette technique et conditionner ainsi la transformation numérique. L’objectif de ce travail doctoral serait d’avoir une vision holistique sur le phénomène de la dette technique. Premièrement, en analysant l’impact des contextes de développement Agile et DevOps sur la génération de la dette technique. Deuxièmement, en montrant qu’il existe des interactions dynamiques complexes entre la dette technique et les options numériques qui sont fondamentales pour l’évolution de tout processus de transformation numérique. Enfin, ce travail fait la lumière sur la façon dont la dynamique connue de la rigidité de base d’une organisation peut changer en raison des décisions liées à la dette technique, et comment cela façonne la voie de l’évolution du système.
La gestion de la dette technique dans le cadre des pratiques Agile et DevOps
Pitch pour le Prix FNEGE de la Meilleure Thèse en Management 2024 (thèse en 180 secondes) – Prix de thèse AIM Robert Reix
Alors que les organisations s’engagent de plus en plus dans des processus de transformation numérique pour suivre les évolutions technologiques du marché, le phénomène d’accumulation de la dette technique devient une menace pour l’agilité des systèmes d’information.
Qu’est-ce que la publicité programmatique ?
La publicité programmatique optimise l’achat et la vente d’espaces publicitaires en ligne via des logiciels et des algorithmes. Au cœur de ce système se trouve l’enchère en temps réel (RTB), où les impressions publicitaires sont mises aux enchères en quelques millisecondes en fonction du profil de l’utilisateur sur des Ad Exchanges. Les annonceurs utilisent des plateformes côté demande (DSP) pour enchérir sur ces impressions, ciblant des audiences spécifiques, tandis que les éditeurs emploient des plateformes côté offre (SSP) pour maximiser leurs revenus publicitaires. Le processus implique des agences spécialisées ou des Trading Desks, et de plus en plus, les annonceurs préfèrent les accords privés pour de meilleurs tarifs et des environnements sécurisés. Les défis de la programmatique incluent la complexité, la qualité de l’inventaire, la fraude et les problèmes de respect de la vie privée.
Qu’est-ce que la publicité programmatique ?
La publicité programmatique optimise l’achat et la vente d’espaces publicitaires en ligne via des logiciels et des algorithmes. Au cœur de ce système se trouve l’enchère en temps réel (RTB), où les impressions publicitaires sont mises aux enchères en quelques millisecondes en fonction du profil de l’utilisateur sur des Ad Exchanges. Les annonceurs utilisent des plateformes côté demande (DSP) pour enchérir sur ces impressions, ciblant des audiences spécifiques, tandis que les éditeurs emploient des plateformes côté offre (SSP) pour maximiser leurs revenus publicitaires. Le processus implique des agences spécialisées ou des Trading Desks, et de plus en plus, les annonceurs préfèrent les accords privés pour de meilleurs tarifs et des environnements sécurisés. Les défis de la programmatique incluent la complexité, la qualité de l’inventaire, la fraude et les problèmes de respect de la vie privée.
De la médiation muséale à la médiation sociale : la transformation digitale des organisations doit-elle aussi inclure les musées ?
Cet article étudie le rôle joué par les Technologies de l’Information et de la Communication (TIC), et spécifiquement les médias sociaux, dans la reconfiguration des processus de médiation (« Kulturvermittlung ») mis en œuvre par les musées dans le cadre de leur transformation numérique. Nous y adoptons une méthodologie de recherche mixte, comprenant une étude qualitative menée au sein d’une sélection de musées en France, une enquête sortie de musée au Louvre (Paris, France) et enfin une enquête quantitative en ligne. Nos résultats mettent en avant le concept de médiation sociale et illustrent l’évolution des processus de médiation muséale. Ces derniers sont davantage axés sur la transformation de l’expérience du visiteur d’un format réceptif (consommation de contenu informatif et divertissant) à un format interactif et collaboratif, afin de mieux répondre aux besoins des visiteurs et construire des expériences du type multi-canal que nous appelons ‘omni-visite’. Les implications théoriques et managériales de cette approche sont discutées.
De la médiation muséale à la médiation sociale : la transformation digitale des organisations doit-elle aussi inclure les musées ?
Cet article étudie le rôle joué par les Technologies de l’Information et de la Communication (TIC), et spécifiquement les médias sociaux, dans la reconfiguration des processus de médiation (« Kulturvermittlung ») mis en œuvre par les musées dans le cadre de leur transformation numérique. Nous y adoptons une méthodologie de recherche mixte, comprenant une étude qualitative menée au sein d’une sélection de musées en France, une enquête sortie de musée au Louvre (Paris, France) et enfin une enquête quantitative en ligne. Nos résultats mettent en avant le concept de médiation sociale et illustrent l’évolution des processus de médiation muséale. Ces derniers sont davantage axés sur la transformation de l’expérience du visiteur d’un format réceptif (consommation de contenu informatif et divertissant) à un format interactif et collaboratif, afin de mieux répondre aux besoins des visiteurs et construire des expériences du type multi-canal que nous appelons ‘omni-visite’. Les implications théoriques et managériales de cette approche sont discutées.
Qu’est-ce que la Responsabilité numérique ?
La responsabilité numérique implique un ensemble d’obligations éthiques, sociales et légales pour les individus, les entreprises et les gouvernements. Cela englobe la gestion des données, la transparence, la lutte contre la désinformation, et la promotion de l’accès équitable aux technologies. Les implications touchent tous les acteurs de l’écosystème numérique, appelés à adopter des pratiques respectueuses de la vie privée et à élaborer des politiques protectrices. En intégrant la responsabilité numérique dans leurs actions et politiques, ils peuvent créer un environnement numérique plus sûr et éthique pour tous.
Qu’est-ce que la responsabilité numérique ?
La responsabilité numérique implique un ensemble d’obligations éthiques, sociales et légales pour les individus, les entreprises et les gouvernements. Cela englobe la gestion des données, la transparence, la lutte contre la désinformation, et la promotion de l’accès équitable aux technologies. Les implications touchent tous les acteurs de l’écosystème numérique, appelés à adopter des pratiques respectueuses de la vie privée et à élaborer des politiques protectrices. En intégrant la responsabilité numérique dans leurs actions et politiques, ils peuvent créer un environnement numérique plus sûr et éthique pour tous.