Le numérique bouleverse aujourd’hui chaque aspect de la technologie et de l’industrie, de la finance à la santé, des données personnelles à la souveraineté économique. Des technologies émergentes comme la blockchain, les agents conversationnels intelligents, le stockage sur ADN, et le calcul quantique offrent des opportunités considérables pour transformer notre société et notre économie. Cependant, elles posent également des défis significatifs en termes d’impact environnemental, de sécurité, de régulation, et de compétences. Les politiques publiques et la recherche jouent et joueront un rôle crucial dans l’équilibre entre innovation et gestion des risques.

La blockchain

La blockchain n’est pas qu’une promesse via les crypto-monnaies, c’est une technologie disruptive qui permet la création d’un registre d’informations public et immuable. Elle repose sur quatre piliers : le sceau cryptographique, les communications pair à pair, l’algorithmique distribuée et décentralisée, et l’ouverture du système. Si les applications de la blockchain incluent les cryptoactifs comme le Bitcoin, les monnaies numériques de banque centrale (CBDC), elle possèdent de nombreuses applications industrielles dans l’industrie automobile, et de façon générale pour la logistique industrielle, ainsi que pour les organisations autonomes décentralisées (DAO).

Cependant, au-delà de questions de régulation et de gouvernance, la blockchain pose des défis environnementaux significatifs, notamment en raison de la consommation énergétique élevée du mécanisme de Preuve de Travail (PoW). Des solutions alternatives comme la Preuve d’Enjeu (PoS) sont explorées pour réduire cet impact.

Agents conversationnels intelligents (ACI)

Les ACI, comme ChatGPT, ont le potentiel de révolutionner de nombreuses applications, notamment la recherche d’information, la traduction automatique, la génération de contenus, et l’aide à la production de code logiciel. Elles marquent une rupture dans notre rapport à l’information et à la créativité Leur fonctionnement repose sur l’apprentissage d’un modèle de langue, la consolidation pour éviter les biais, et l’ouverture au public pour un apprentissage continu.

Le développement et la mise à disposition d’un ACI nécessitent des ressources considérables, notamment des données d’apprentissage massives, des modèles complexes avec des centaines de milliards de paramètres, et des supercalculateurs pour l’entraînement, toute cela avec un impact environnemental que l’on ne peut désormais plus ignorer.

Les forces des ACI incluent la synthèse remarquable de l’information, le contrôle (plus limité) des réponses, et une indéniable capacité créative. Mais il faut être également conscient de leurs faiblesse : manque de fiabilité, hallucinations, incohérences, et biais. D’un côté, les opportunités considérables incluent l’accélération de la production de texte, l’amélioration des chatbots, et la génération de code et documents structurés, de l’autre les menaces incluent la dépendance à un oracle, la propagation de fausses informations, la transformation incontrôlée du marché du travail, et l’impact environnemental.

L’Europe se mobilise pour imaginer des IA éthiques, ouvertes, régulées, et ancrées dans les réalités scientifiques et industrielles du continent. Elle dispose des compétences pour participer aux avancées scientifiques et technologiques liées aux ACI, mais l’absence de capitaux comparables aux GAFAM freine le développement à grande échelle.

Calcul et données : de nouvelles perspectives pour la simulation numérique à haute performance

La simulation numérique à haute performance (HPC) est connait depuis quelques années une évolution profonde avec l’arrivée des données massives et de l’apprentissage automatique. La convergence des approches traditionnelles de la simulation numérique et de celles basées sur les données aboutit à des modèles hybrides plus rapides et performants, capables de prédire ou comprendre des phénomènes complexes.

Les défis posés par les données massives au HPC incluent le stockage, le traitement, et la valorisation des données. Les architectures hyperparallèles nécessitent de nouvelles méthodes de programmation et des architectures hybrides combinant CPU et GPU. La validation de ces simulations hybrides pose de nouveaux défis en raison de l’opacité des réseaux de neurones et de la difficulté à expliquer leurs résultats. Ainsi la maitrise de l’’explosion des volumes de données, la validation et l’explication des résultats des simulations, mais aussi la formation aux nouvelles compétences en calcul et données deviennent centrales.

L’Avenir du matériel numérique : puces, quantique et stockage sur ADN

Le matériel numérique évolue lui aussi, à la croisée de plusieurs grandes transitions. La fin annoncée de la loi de Moore pousse à inventer de nouvelles architectures (puces personnalisées, 3D, assemblage hétérogène), tandis que des ruptures scientifiques apparaissent : le stockage sur ADN, avec une densité de données phénoménale et une durabilité inégalée pour l’archivage patrimonial, ou encore le calcul quantique, qui promet d’accélérer recherches scientifiques, cryptographie, simulations ou optimisations.

L’industrie des semi-conducteurs, pilier de la révolution numérique, a connu une croissance exponentielle grâce à la miniaturisation constante des transistors, phénomène décrit par la loi de Moore. Cependant, cette course à la miniaturisation se heurte aujourd’hui à des limites physiques et économiques. L’industrie s’oriente vers des solutions alternatives comme l’assemblage de technologies hétérogènes (« More than Moore ») et la conception de puces dédiées à des applications spécifiques (« silicium personnalisé »).

Le stockage sur ADN représente lui une alternative prometteuse aux méthodes traditionnelles de stockage d’information numérique, offrant une densité inégalée et une durabilité exceptionnelle. Le processus de stockage sur ADN inclut le codage de l’information numérique en séquences d’ADN, la synthèse de l’ADN, l’encapsulation et le stockage, et le séquençage et décodage pour la lecture. Les défis technologiques incluent les coûts de synthèse et de séquençage encore élevés, et la vitesse de lecture lente.

Enfin, le calcul quantique promet de révolutionner le traitement de l’information en exploitant les principes de la mécanique quantique. Ses applications potentielles incluent la simulation moléculaire, l’optimisation, l’apprentissage automatique, et la cryptographie. Les défis technologiques incluent la scalabilité, la correction d’erreurs, le temps de cohérence, et la complexité de la fabrication et de la manipulation des qubits.

Recommandations

Toutes ces avancées demandent de nouvelles compétences, une créativité renouvelée et un investissement coordonné de l’Europe et de ses talents.

1. Réduire l’impact environnemental des technologies, en investissant massivement dans la recherche sur l’efficacité énergétique et les alternatives pour limiter l’impact environnemental des infrastructures numériques, notamment de la blockchain et des ACI.
2. Mettre en place des méthodes de validation fiables et transparentes pour les nouveaux modèles hybrides de calcul et d’IA ainsi que des écosystèmes de certification pour les technologies blockchain et les ACI.
3. Créer des langageurs libres et de confiance pour démocratiser l’accès aux ACI
4. Adapter les régulations pour encadrer les nouvelles technologies et protéger les utilisateurs.
5. Développer des compétences pluridisciplinaires (mathématiques, modélisation, numérique, informatique, science des données) pour répondre aux besoins des nouvelles technologies.
6. Former les acteurs publics et privés aux nouvelles technologies pour une adoption efficace et sécurisée.
7. Adapter les régulations en tenant compte des évolutions technologiques et des enjeux éthiques, environnementaux et économiques.
8. Créer des centres d’expertise et d’évaluation indépendants pour accompagner la politique industrielle et la régulation.
9. Fédérer les acteurs publics et privés dans des initiatives de recherche européennes, pour faire de la France et de l’Europe des leaders du numérique de demain
10. Renforcer la formation, la culture et la vulgarisation scientifique autour des grandes ruptures numériques (blockchain, IA, stockage ADN, quantique).

Ce texte résulte d’une synthèse de rapports de l’Académie des technologies générée par des IA génératives. Cette version a été relue et révisée par les auteurs des rapports.