Glossaire
p. 179-187
Texte intégral
1 Algorithmes : dépassant le cadre de l’intelligence artificielle, un algorithme est une séquence bien définie d’instructions qu’une machine (ou un humain) peut exécuter pour réaliser un calcul. Les algorithmes issus de l’intelligence artificielle n’échappent pas à cette définition et sont donc très divers en fonction de l’application. Dans le domaine de l’apprentissage artificiel, les algorithmes utilisés dépendent donc du type d’apprentissage réalisé. Nous pouvons citer en exemple l’algorithme des k-moyennes pour le partitionnement de données ou l’algorithme de rétropropagation du gradient pour l’entraînement de réseaux de neurones.
2 Biotechnologie : application de la science du vivant (biologie) à des technologies issues d’autres disciplines (informatique, physique, chimie…) pour l’industrie, l’agriculture, l’environnement et la santé.
3 Deep learning : « l’apprentissage profond » est une technique d’apprentissage artificiel initialement développée pour la classification d’images et fondée sur l’utilisation de réseaux de neurones multi-couches dont les entrées sont des couches de convolution. Ces couches de convolution permettent de réduire la dimension des données en entrée tout en conservant des corrélations spatiales entre ces dernières. Par abus de langage, l’apprentissage profond désigne toute technique utilisant des réseaux avec de nombreuses couches dédiées à l’extraction de caractéristiques et la représentation de différents niveaux de détails.
4 Design Science : en français, sciences de la conception. Champ de recherche pluridisciplinaire portant sur le développement de modèles, méthodes et outils visant à l’amélioration des pratiques d’innovation.
5 Design thinking : méthode spécifique d’innovation se caractérisant par la prise en compte des utilisateurs finaux tout au long d’un processus itératif où sont définis un problème puis sa solution.
6 Domotique : ensemble des techniques de gestion automatisée appliquée à l’habitation (confort, sécurité, communication).
7 Données personnelles : les données personnelles sont définies à l’article 4 §1 du Règlement Général pour la Protection des Données (règlement 2016/679, ci-après RGPD) comme « toute information se rapportant à une personne physique identifiée ou identifiable ». Une personne est considérée identifiable si elle peut être identifiée, « directement ou indirectement, notamment par référence à un identifiant, tel qu’un nom, un numéro d’identification, des données de localisation, un identifiant en ligne, ou à un ou plusieurs éléments spécifiques propres à son identité physique, physiologique, génétique, psychique, économique, culturelle ou sociale ».
8 Données personnelles de santé : elles constituent un sous-ensemble des données personnelles dites « sensibles » (Art. 9 §1 RGPD). Elles comprennent les données liées à l’état physique et mental (présent ou futur) d’un individu ainsi que les données liées au traitement de la personne, par exemple obtenues dans le parcours de soin. La définition des données de santé a été voulue délibérément large par le législateur. Elle englobe ainsi également les données qui acquièrent un caractère médical ou de santé par croisement avec d’autres données ou encore du fait de leur finalité. L’article 9 du RGPD définit un régime de traitement spécifique dès lors que la qualification de données de santé est retenue.
9 Empowerment : accroissement de la capacité d’agir du patient, de l’autonomisation du patient. Les objets connectés participent de cette plus grande maîtrise du corps, ce regain de pouvoir se traduisant par une contribution active du patient, au diagnostic comme au traitement.
10 Éthique par apprentissage : l’éthique par apprentissage consiste non pas à modéliser des critères éthiques pour les introduire dans les algorithmes de prise de décision des systèmes d’intelligence artificielle, mais à faire apprendre au système un modèle de décision éthique à partir d’exemples étiquetés par des experts. Ici, l’éthique est traitée comme une donnée comme une autre. Bien que cette approche soit intéressante, elle peut questionner, car les algorithmes d’apprentissage ont pour objectif de faire des généralisations et l’éthique peut parfois mal s’en accommoder.
11 Intelligence artificielle : l’intelligence artificielle est une branche de l’informatique ayant pour objet l’étude et la conception de systèmes artificiels logiciels ou robotiques capables de résoudre des problèmes de manière « intelligente ». Nous entendons par intelligent, l’aptitude à prendre des décisions appropriées au regard de connaissances et de capacités de calcul limitées, l’aptitude à s’adapter à une variété d’environnements et d’objectifs et/ou la capacité à apprendre à partir d’exemples ou d’observations. Les applications de l’intelligence artificielle sont nombreuses dans le domaine de la santé. Nous pouvons citer : l’aide au diagnostic médical, l’aide à la conception de médicaments, l’identification de marqueurs sur des images médicales ou dans l’état de santé d’un patient, la robotique chirurgicale, la conception d’environnement virtuel pour l’entraînement des médecins.
12 Machine learning : « l’apprentissage artificiel » est une sous-branche de l’intelligence artificielle dont l’objectif de calculer des régularités, sous formes de corrélations statistiques, de similitudes ou de règles symboliques, entre des données. La littérature distingue classiquement : (1) l’apprentissage supervisé où les données sont étiquetées et qui propose des algorithmes pour identifier des règles de classifications ; (2) l’apprentissage non supervisé où les données ne sont pas étiquetées et qui propose de les regrouper par similarité ; (3) l’apprentissage par renforcement qui consiste à apprendre un comportement par essai/erreur. Parmi les méthodes algorithmiques d’apprentissage artificiel, nous pouvons citer les machines à vecteurs de support, l’algorithme des k-moyennes, les réseaux de neurones ou encore l’algorithme de Q-apprentissage.
13 MOOC (massive open online course) : formation en ligne, dont le contenu est accessible gratuitement, mais qui peut donner lieu à facturation pour l’acquisition d’un certificat, voire d’un diplôme, attestant que la formation a été suivie ou que le contenu est maîtrisé (suite, par exemple, à un test en ligne).
14 Protection des données personnelles : le principe de protection des données personnelles s’inscrit dans le cadre de la protection de la vie privée. L’article 8 §1 de la Charte des droits fondamentaux de l’Union européenne, comme l’article 16 §1 du traité sur le fonctionnement de l’Union européenne, disposent ainsi que « [t]oute personne a droit à la protection des données à caractère personnel la concernant. ». En France, la loi relative à l’informatique, aux fichiers et aux libertés du 6 janvier 1978 (loi n° 78-17) a établi les règles fondamentales en matière de protection des données à caractère personnel. Le Règlement Général pour la Protection des Données (règlement 2016/679, ci-après RGPD) adopté le 27 avril 2016, et entré en application le 25 mai 2018, définit les principes de protection des données que tout organisme responsable de la collecte, du traitement et du stockage des données personnelles doit suivre. Ainsi, le principe de finalité du traitement impose au responsable du traitement de n’utiliser les données personnelles que dans un but déterminé, légal et légitime. Le principe de proportionnalité oblige à ne stocker que les données nécessaires à la finalité du traitement. La sécurité des données collectées et leur confidentialité doivent par ailleurs être garanties par le responsable du traitement. Enfin, la durée du stockage des données doit également être limitée au regard du traitement attendu (on ne peut légalement stocker les données indéfiniment). Le responsable du traitement des données doit pouvoir démontrer le bon respect de ces principes.
15Les données de santé appartiennent à la catégorie des données dites « sensibles » (art. 9 § 1 du RGPD) et sont en ce sens soumises à certaines conditions supplémentaires. Le traitement des données de santé est ainsi en principe interdit sauf à obtenir le consentement exprès de la personne concernée (qui aura dû être préalablement informée de la finalité du traitement) ou dans des cas spécifiques (par exemple, dans les cas de médecine préventive et de préservation de la santé publique, afin notamment d’éviter la propagation d’une maladie ; dans les cas d’urgence médicale, lorsque la personne est en incapacité de fournir son consentement). Outre la tenue d’un registre des traitements et la conservation sécurisée (incluant le chiffrage et l’accès limité) et anonymisée de ces données, la collecte et le traitement de données de santé imposent à la personne responsable de leur traitement, la mise en œuvre préalable d’une analyse d’impact. Cette étude vise à évaluer l’intérêt d’un tel traitement au regard des droits fondamentaux des personnes et permet de mettre en balance les bénéfices du traitement vis-à-vis des éventuels risques de fuite des données sensibles.
Quantified self : voir Self tracking*.
16Self-tracking : art de mesurer son corps, ou plus précisément les façons dont il réagit aux activités de la vie quotidienne : manger, marcher, dormir, etc. Cette mesure est possible grâce aux appareils connectés (pèse-personne, brosse à dents…) qui collectent, ponctuellement ou en permanence, des données relatives au corps humain, avant de les trier, les analyser et finalement les restituer à leur utilisateur sous forme de statistiques ou de conseils. Synonyme : Quantified self*. Serious games : en santé, jeux dont le caractère ludique aide à engager le patient dans des actions de soins (par exemple, rééducation du bras dans le cas d’un accident vasculaire cérébral).
17Système d’intelligence artificielle : un système d’intelligence artificielle est un système informatique utilisant des techniques issues de l’intelligence artificielle. Ces systèmes sont autonomes dans le sens où les décisions qu’ils prennent se fondent sur des modèles fournis en entrée. Nous pouvons distinguer les systèmes supervisés qui sont mis en œuvre et utilisés par des opérateurs humains entraînés et les systèmes non supervisés utilisés par des usagers qui ne connaissent pas nécessairement les mécanismes mis en œuvre dans ces systèmes. Enfin, une dernière catégorie de systèmes sont les systèmes multi-agents dans lesquels plusieurs systèmes d’intelligence artificielle doivent interagir et se coordonner pour prendre des décisions collectives.
18Télémédecine : pratique médicale qui met en rapport entre eux, par la voie des nouvelles technologies, soit le patient et un ou plusieurs professionnels de santé, parmi lesquels au moins un professionnel médical. Elle permet : d’établir un diagnostic ; d’assurer, pour un patient à risque, un suivi dans le cadre de la prévention ou un suivi post-thérapeutique ; de requérir un avis spécialisé ; de préparer une décision thérapeutique ; de prescrire des produits, de prescrire ou de réaliser des prestations ou des actes ; d’effectuer une surveillance de l’état des patients.
19Transhumanisme : mouvement qui promeut l’utilisation des découvertes scientifiques et techniques pour l’amélioration des performances mentales et physiques des êtres humains.
20Wearables : objets connectés qui ont la particularité de pouvoir être portés, comme des vêtements ou accessoires (montre, bracelet, lunettes…). Ils comportent des capteurs sensibles à la personne qui les porte ou à son environnement.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
