Analyse des impacts de l'intelligence artificielle sur les grands métiers du ministère de l'agriculture, de la souveraineté alimentaire et de la forêt et de ses opérateurs

Résumé
Liste des recommandations

1. L'intelligence artificielle, en constante évolution depuis les années 1940, change d'échelle dans la décennie 2020

1.1. L'IA : un domaine pluridisciplinaire aux définitions variées

1.2. Les origines et les évolutions majeures de l'IA

1.3. Les éléments-clés de l'intelligence artificielle : des données en quantité et de qualité, des algorithmes et des infrastructures puissantes

1.4. Les grands enjeux de l'IA
1.4.1 IA éthique et responsable : un prérequis indispensable
1.4.2 IA frugale : vers une approche plus responsable et durable de l'IA
1.4.3 IA souveraine : un enjeu stratégique pour la France

1.5. L'Union européenne et la France cadrent l'IA
1.5.1 Le cadre européen en évolution rapide
1.5.2 Un cadre institutionnel français structuré et proactif

1.6. Les entreprises intègrent de plus en plus l'IA dans leurs stratégies, notamment celles du secteur agricole

2. L'IA au MASAF, au sein de ses opérateurs et dans d'autres ministères

2.1. Point sur l'IA au MASAF
2.1.1 L'IA, un sujet encore largement méconnu au MASAF
2.1.2 Un ministère en évolution numérique et à fort potentiel pour utiliser de l'IA
2.1.3 Une expérience limitée mais réussie de l'IA avec IAlim
2.1.4 Des problématiques transversales explorées par d'autres ministères avec de l'IA
2.1.5 Des attentes importantes des DAC et des services déconcentrés vis-à-vis de l'IA
2.1.6 Les organisations syndicales sont ouvertes à l'adoption de solutions faisant appel à de l'IA

2.2. Le recours à l'IA par les opérateurs/établissements sous tutelle du MASAF 
2.2.1 Les opérateurs ont déjà développé de l'IA pour certains travaux
2.2.1.1. L'IGN et l'IA : la révolution de la cartographie et de la gestion des ressources naturelles
2.2.1.2. L'ASP et l'IA : un système innovant pour le suivi des surfaces agricoles
2.2.1.3. L'ANSES : un usage de l'IA pour ses études épidémiologiques
2.2.1.4. L'OFB : l'IA au service de la protection de la biodiversité et des écosystèmes
2.2 Les opérateurs investiguent généralement l'IA générative pour d’autres finalités que les travaux scientifiques

2.3. L'IA dans d'autres ministères

3. S'engager dans l'IA au MASAF au bénéfice des agents et des usagers

3.1. Acquérir des compétences et des ressources techniques
3.1.1 Des agents acculturés, formés et appuyés par des spécialistes
3.1.2 Des investissements budgétaires stratégiques pour l'IA

3.2. Renforcer la qualité des données du MASAF et en assurer une gouvernance robuste pour bénéficier pleinement du potentiel de l'IA
3.2.1 Les prérequis de l'IA concernant les données
3.2.2 Pour pouvoir s'engager dans l'IA, le MASAF doit redéfinir une stratégie ambitieuse de la donnée et une gouvernance robuste
3.2.3 La reprise de solutions développées par d'autres administrations nécessite forcément des adaptations
3.2.4 Identifier des cas d'usages spécifiques où l'IA serait pertinente en regard des autres solutions techniques

3.3. Fixer un cap pour investir graduellement l'IA

3.4. Vers une coordination renforcée des initiatives d'IA dans l'écosystème du MASAF

Annexes
Annexe 1 : Lettre de mission
Annexe 2 : Liste des personnes rencontrées
Annexe 3 : Liste des sigles utilisés
Annexe 4 : Définitions techniques
Annexe 5 : ALBERT le modèle développé par la DINUM
Annexe 6 : Les entreprises intègrent l'IA dans leurs stratégies
Annexe 7 : Extrait du rapport ressources humaines de l'État numérique, Inspection Générale des Finances 
Annexe 8 : Contributions des organisations syndicales
Annexe 9 : L'acculturation des agents de l'ASP à l'IA
Annexe 10 : Listes non exhaustives de dispositifs de sensibilisation/formations