L’intelligence artificielle et l’industrie du transport

L’intelligence artificielle (IA) et l’apprentissage automatique (AA) commencent à transformer la conception et le déploiement des solutions en matière de transport. En fait, le secteur du transport produit sans doute certaines des applications les plus audacieuses et de grande portée en IA et en AA qui soient. Les technologies de transport entièrement automatisées comme les véhicules et les navires autonomes frappent l’imagination du public, mais elles nécessitent un développement plus poussé et feront vraisemblablement l’objet d’une réglementation en matière de sécurité avant d’être adoptées à grande échelle. Cependant, l’IA et l’AA sont aussi largement utilisées, quoique de manière plus discrète, dans le secteur du transport, surtout pour rationaliser les opérations de la chaîne d’approvisionnement (par exemple, dans la planification de la chaîne d’approvisionnement en temps réel fondée sur l’IA). Il existe également une variété d’applications d’IA et d’AA pour la gestion de flottes, notamment dans le cadre de l’optimisation des itinéraires, de la gestion des approvisionnements en véhicules et de la promotion de la sécurité.

Les applications d’IA et d’AA peuvent être extrêmement utiles puisqu’elles peuvent être mises à profit pour protéger des parts du marché et créer de nouvelles sources de revenus au moyen de leur commercialisation. Cependant, pour ce faire, les entreprises qui effectuent des investissements dans ces activités doivent s’assurer qu’elles détiennent ou contrôlent les technologies ou les droits de PI connexes et que les divers risques – dont plusieurs risques importants liés principalement aux questions juridiques et de propriété intellectuelle – sont gérés efficacement.

Les applications d’IA et d’AA sont généralement utilisées en collaboration dans le secteur du transport étant donné qu’elles englobent plusieurs technologies ou données provenant de différentes parties. Pour qu’une collaboration soit possible, des ententes de développement conjoint doivent être conclues, lesquelles peuvent être complexes à négocier et nécessitent la prise de précautions, surtout en raison des répercussions sur la propriété ou les droits d’utilisation de la technologie visée et des données. Si plusieurs projets ou parties sont concernés, il pourrait être très avantageux de mettre en place un consortium de technologies ou de données ainsi que des conventions-cadres et des politiques connexes qui permettront la réalisation sans heurts des projets et une gestion responsable des questions liées à la PI et aux données.

Les technologies d’IA et d’AA destinées au transport font généralement appel à un large éventail de sources de données privées et publiques pour leur développement et leur mise à l’essai. L’une des principales questions relatives aux données porte sur la « provenance des données » : d’où proviennent les données et quelles en sont les conditions d’utilisation applicables ainsi que leurs répercussions. En règle générale, une pratique exemplaire serait d’effectuer une « vérification diligente des données » semblable à celle qui vise tout autre actif, constituant à la fois une analyse technique et juridique portant sur les ramifications des risques liés à l’utilisation de certaines sources de données et au recours à celles-ci.

Les technologies d’IA et d’AA comportent souvent l’utilisation de technologies ou de données à source ouverte. La commercialisation peut aussi donner lieu à l’utilisation de licences ouvertes, ce qui signifie que les effets collectifs qu’ont les différents régimes de droits applicables sur la propriété des actifs clés ou les droits d’utilisation de ceux-ci doivent être pris en compte. Les entreprises utilisent de plus en plus des trousses d’outils et de procédés pour aborder les enjeux récurrents auxquels elles se heurtent comme des outils de cartographie pour réévaluer les répercussions qu’entraîne l’utilisation de ressources faisant appel à des sources ouvertes sur un projet au fur et à mesure que celui-ci évolue.

La PI peut aider à protéger la valeur créée par des investissements en IA et en AA, mais nécessite réflexion pour être efficace. De plus, particulièrement en IA et en AA, la combinaison optimale des outils de PI déployés, que ce soit des brevets ou des secrets commerciaux, peut être difficile à établir sur le plan technique. En règle générale, une combinaison de stratégies établies sur mesure – comprenant possiblement une stratégie d’octroi de licences intégrée – donne les meilleurs résultats.

Particulièrement dans le secteur du transport, où une défaillance des systèmes peut entraîner d’importants risques pour les humains, l’adoption d’une solide approche fondée sur l’analyse des risques afin de les cartographier et de les atténuer est essentielle. Les risques liés au droit, à la PI et à la réglementation font partie intégrante des profils de risques applicables. De plus en plus, les entreprises découvrent qu’il est important que les solutions fondées sur l’IA soient conformes aux normes juridiques et éthiques en constante évolution non seulement pour gérer les risques, mais aussi pour garantir la réussite commerciale. L’acceptation et l’adoption de technologies par les clients nécessitent une solide approche en matière de conformité juridique et éthique, sinon l’entreprise en cause pourrait en subir les contrecoups, dont voir sa réputation entachée.

En conséquence, il faut retenir qu’il est nécessaire de mettre en place une stratégie de protection et de commercialisation sur mesure à l’égard des innovations en IA et en AA dans le secteur de transport, soit une stratégie fondée sur les risques et qui tient compte de la grande variété d’enjeux juridiques, réglementaires, éthiques et liés à la PI et aux données.