Better Data for AI – A Possible Task

Esperanza Magpantay soutient que le véritable facteur limitant pour l'IA n'est pas les algorithmes ni la puissance de calcul, mais la qualité des données sur lesquelles ces modèles s'entraînent. Les statistiques officielles, produites selon des méthodologies transparentes et des définitions convenues au niveau international, constituent l'une des rares sources mondiales de preuves véritablement fiables. Sans ces caractéristiques, les systèmes d'IA risquent d'amplifier les biais et de renforcer les inégalités.

Elle a souligné que, depuis des décennies, les offices nationaux de statistique et les organisations internationales ont élaboré des normes rigoureuses, notamment des méthodologies transparentes, des définitions convenues au niveau international, des cadres d'assurance qualité et de solides protections de la confidentialité . Elle a également illustré cela par les travaux de l'UIT sur la mesure du développement numérique, de la connectivité et de l'inclusion numérique, affirmant que les systèmes d'IA ne seront utiles que s'ils reposent sur des statistiques officielles de haute qualité .

Magpantay souligne que l'objectif n'est pas de remplacer les statistiques officielles par l'IA ni de substituer les enquêtes par de nouvelles sources de données, mais bien de les combiner. En intégrant des statistiques officielles fiables à de nouvelles sources de données gouvernées de manière responsable, on obtient des données plus riches, plus actuelles et plus pertinentes pour la prise de décision. Cette approche combinatoire est présentée comme le principal enseignement tiré de l'expérience existante.

Elle a cité l'initiative à l'échelle des Nations Unies sur les données de téléphonie mobile comme exemple d'intégration de nouvelles sources de données dans les systèmes statistiques traditionnels, notant que ces sources fournissent des données plus actuelles et plus granulaires tout en respectant des mesures de gouvernance et de transparence . Elle a explicitement déclaré que l'avenir consiste à combiner des statistiques officielles fiables avec de nouvelles sources de données gouvernées de manière responsable .

Magpantay soutient que le partenariat devient essentiel, car aucune entité seule ne peut construire un écosystème de données fiables. Une collaboration entre les gouvernements, les offices nationaux de statistique, les régulateurs, les organisations internationales, le monde académique, le secteur privé et la société civile est nécessaire. Cette approche multipartite est présentée comme une condition préalable à une IA au service du bien commun.

Elle a déclaré que le partenariat devient absolument essentiel, car les travaux ne peuvent avancer sans les gouvernements, les offices nationaux de statistique, les régulateurs, les organisations internationales, le monde académique, le secteur privé et la société civile . Elle a également décrit les travaux de l'UIT avec des experts dans le cadre de l'Initiative des Nations Unies sur les données de téléphonie mobile comme un exemple de rassemblement de partenaires pour développer une méthodologie et aider les pays à utiliser de nouvelles sources de données .

Magpantay décrit un modèle dans lequel les offices nationaux de statistique ne rémunèrent pas directement les opérateurs mobiles pour leurs données, mais leur offrent plutôt des incitations telles que des compétences techniques en matière d'assurance qualité des données et l'accès à des données statistiques que les opérateurs ne possèdent pas autrement. Cette approche est mise en œuvre dans 25 pays dans le cadre d'un projet de la Banque mondiale. L'objectif est d'intégrer durablement les données de téléphonie mobile dans les statistiques officielles.

Elle a décrit un projet mis en œuvre dans 25 pays avec la Banque mondiale, dont l'objectif est d'intégrer durablement les données de téléphonie mobile dans les statistiques officielles en faisant travailler ensemble toutes les parties prenantes . Elle a expliqué que les offices nationaux de statistique peuvent offrir des incitations telles que des compétences techniques et l'accès à leurs propres données, plutôt que de rémunérer directement les opérateurs pour leurs données . Elle a également confirmé que la Côte d'Ivoire est l'un des 25 pays bénéficiant de cette assistance technique .

Anu Peltola formule le défi central de la session : l'IA n'est fiable qu'à la mesure des données qu'elle utilise et partage. La fiabilité et la disponibilité de données bien documentées et accessibles ne sont pas de simples questions techniques, mais constituent des fondements essentiels pour des outils d'IA fiables, responsables et bénéfiques. Les statistiques officielles, produites conformément à des normes convenues au niveau international et soumises à une surveillance publique continue, sont présentées comme une source clé de preuves faisant autorité.

Elle a noté qu'une grande partie des données utilisées pour développer les systèmes d'IA est fragmentée, inégale en qualité, insuffisamment documentée et souvent inaccessible à des fins de vérification, ce qui soulève des préoccupations en matière de biais, de transparence et de reproductibilité . Elle a souligné que les statistiques officielles sont produites conformément à des normes et méthodologies convenues au niveau international, sous une surveillance publique continue .

Peltola souligne que les gouvernements ont déjà pris un engagement formel d'investir dans leurs systèmes statistiques nationaux et leurs données dans le cadre du document final sur le Financement du développement. Cet engagement politique constitue un fondement sur lequel des actions supplémentaires peuvent être construites, bien que sa mise en œuvre concrète varie selon les pays. La communauté internationale s'emploie à soutenir la réalisation de cet engagement.

Elle a fait référence au document final de la conférence sur le Financement du développement, notant que les gouvernements se sont engagés à investir dans leurs systèmes statistiques nationaux et leurs données, et a reconnu que la mesure dans laquelle cet engagement est mis en pratique dépend du pays .

Peltola soutient qu'une plateforme de métadonnées telle que le Trusted Data Observatory permettrait non seulement de rendre les données trouvables, mais révélerait également les lacunes existantes. Cette visibilité sur les lacunes pourrait contribuer à orienter les investissements et les actions vers les domaines où l'information est la plus cruciale pour les politiques publiques. Le lien entre métadonnées, identification des lacunes et investissement ciblé est présenté comme un avantage concret de telles plateformes.

Elle a observé que si le TDO contenait des métadonnées sur les données disponibles, il révélerait également les lacunes en matière de données, ce qui pourrait aider à orienter l'action là où ces lacunes sont les plus critiques pour les besoins des politiques publiques, contribuant ainsi à connecter les investissements aux lacunes identifiées .

Benjamin Rothen explique que le TDO est une plateforme mondiale de découverte conçue pour rendre les données fiables trouvables par les machines et les humains, sans centraliser les données ni en transférer la propriété. Les plateformes nationales de métadonnées sont reliées à une plateforme mondiale de métadonnées, permettant aux utilisateurs de découvrir où se trouvent les données fiables. Les données elles-mêmes restent auprès de leurs dépositaires d'origine.

Il a décrit le TDO comme une plateforme nationale de métadonnées reliée à une plateforme mondiale de métadonnées, en soulignant que les données restent là où elles se trouvent et que la propriété n'est pas transférée, mais qu'une plateforme mondiale de découverte est créée afin que les machines et les personnes sachent où trouver des données fiables . Il a noté que la Suisse dispose depuis dix ans d'une plateforme de métadonnées où toutes les données gouvernementales sont rassemblées pour que les machines et les humains puissent trouver les bonnes données .

Rothen soutient qu'un problème crucial n'est pas le manque de données, mais le manque de visibilité : les données fiables sont souvent introuvables, non interopérables et non harmonisées. Investir dans les métadonnées — des descriptions de ce que sont les données et de leur signification — est essentiel car les grands modèles de langage et les machines recherchent du texte, et non des chiffres bruts. Sans de bonnes métadonnées, les machines ne peuvent pas localiser ni utiliser les données sous-jacentes.

Il a déclaré que le problème n'est souvent pas un manque de données, mais que les données fiables ne sont pas visibles, pas trouvables et pas interopérables . Il a souligné que si les organisations n'investissent pas dans les métadonnées, les ensembles de données ne seront jamais trouvés, car les LLM recherchent des données textuelles et non des chiffres bruts, ce qui rend les descriptions textuelles de qualité indispensables .

Rothen souligne que le travail des offices nationaux de statistique a fondamentalement changé au cours des deux à trois dernières années, obligeant les organisations à restructurer leur fonctionnement et la présentation de leurs données. La Suisse repense entièrement son site web pour le rendre prêt à l'IA, afin que les machines puissent trouver les données plus efficacement. Cela est décrit comme un investissement considérable et un défi organisationnel majeur.

Il a noté que la Suisse modifie entièrement son site web en octobre pour le rendre prêt à l'IA, permettant aux machines de trouver les données bien plus facilement, décrivant cela comme une tâche immense et un investissement significatif . Il a également reconnu que la Suisse travaille depuis dix ans sur une plateforme de métadonnées où toutes les données gouvernementales sont rassemblées pour les machines et les humains, et que cela reste une tâche difficile .

Rothen reconnaît l'importance des données gouvernementales ouvertes et des principes FAIR comme étapes fondatrices, mais soutient que des plateformes de métadonnées sont nécessaires à un stade encore plus précoce pour décrire les données existantes. Même les données qui ne sont pas librement accessibles devraient être décrites dans les métadonnées afin que les gouvernements et les chercheurs sachent qu'elles existent et puissent engager des discussions sur l'accès. Cette approche aide les gouvernements à comprendre leur propre paysage de données.

Il a décrit cinq étapes pour atteindre un niveau de publication de données gouvernementales ouvertes et a noté que le TDO cherche à intervenir bien plus tôt en identifiant quelles données existent et comment différents ensembles de données peuvent être reliés . Il a expliqué que même les données au niveau micro qui ne sont pas librement accessibles devraient faire l'objet d'une description dans la plateforme de métadonnées, afin que les gouvernements puissent découvrir quelles données détiennent d'autres ministères et engager des discussions sur l'accès .

Rothen décrit le TDO comme une initiative collaborative dirigée par le gouvernement suisse, impliquant une vingtaine de pays du monde entier et 30 à 40 organisations internationales. La plateforme est destinée à être basée à Genève, en s'appuyant sur la concentration existante de savoir-faire international dans cette ville, tout en s'étendant à l'échelle mondiale. Il invite à une participation et à des investissements supplémentaires pour contribuer au développement de la plateforme.

Il a indiqué qu'environ 20 pays et 30 à 40 organisations internationales collaborent avec la Suisse sur le TDO, la plateforme étant destinée à être basée à Genève afin de rassembler les connaissances existantes et de s'étendre à l'échelle mondiale . Il a exprimé l'ambition de présenter un prototype lors du sommet sur l'IA à Genève dans 11 à 12 mois et a invité toutes les personnes présentes à rejoindre l'initiative .

Vibeke Østreich-Nielsen identifie un problème structurel dans la manière dont les données et les statistiques sont financées : l'investissement tend à être sectoriel et axé sur des projets plutôt que systémique, et le financement des bailleurs de fonds pour les pays du Sud n'est souvent pas lié aux statistiques officielles ni au renforcement des capacités à long terme. Cette fragmentation signifie que les systèmes de données manquent de la continuité nécessaire pour développer des capacités statistiques durables. L'accent est souvent mis sur la satisfaction de besoins spécifiques en données plutôt que sur la mise à disposition large des données.

Elle a observé que, les statistiques et les données étant un domaine transversal, l'investissement est souvent sectoriel et pas toujours lié aux statistiques officielles, l'accent étant mis sur des besoins spécifiques en données plutôt que sur la mise à disposition des données pour les pays en général ou à des fins d'IA . Elle a noté que cela fait partie du défi plus large auquel sont confrontés les écosystèmes de données et de statistiques .

Østreich-Nielsen décrit la Plateforme d'action SEVIA, développée dans le cadre du programme de financement du développement, qui a produit quatre recommandations pour opérationnaliser les engagements en matière de données et de statistiques. Ces recommandations portent sur le traitement des données comme un bien public, l'amélioration de la coordination nationale, le renforcement de la gouvernance des données et de l'innovation, ainsi que l'investissement dans les capacités statistiques nationales. La première recommandation inclut explicitement la mise à disposition des données dans des formats prêts pour l'IA.

Elle a présenté les quatre recommandations : traiter les données et les statistiques comme un bien public, améliorer la coordination nationale des systèmes de données et de statistiques, renforcer la gouvernance des données et l'innovation, et investir dans les capacités nationales en matière de données et de statistiques . Elle a noté que la première recommandation inclut comme objectif final la publication des données et leur mise à disposition dans des formats prêts pour l'IA, ce qui demeure un défi majeur .

Østreich-Nielsen, s'exprimant du point de vue d'une agence donatrice, soutient que les organisations donatrices doivent développer des approches plus pratiques pour évaluer et décider des projets liés aux données. Cela inclut de veiller à ce que les travaux sur les données financés par des projets de bailleurs de fonds soient finalement mis à disposition dans des formats prêts pour l'IA. Elle présente cela comme une étape concrète que la communauté des bailleurs de fonds peut entreprendre pour améliorer l'écosystème des données.

Elle a décrit les travaux menés dans un contexte d'agence donatrice pour développer des approches pratiques à l'intention des représentants des organisations donatrices sur la manière dont ils examinent et décident des projets, notamment en ce qui concerne les travaux sur les données . Elle a noté que l'objectif est de contribuer à garantir que les travaux sur les données financés permettent de mettre les données à disposition dans des formats prêts pour l'IA .

Østreich-Nielsen souligne qu'une ressource importante et inexploitée existe sous la forme de données administratives détenues par les ministères gouvernementaux qui ne sont pas rendues publiques. Ces données pourraient fournir des informations précieuses tant pour les décideurs que pour les systèmes d'IA, en particulier dans les contextes africains où très peu de données sont accessibles au public. Rendre ces données disponibles est identifié comme un défi majeur et une priorité.

Elle a noté que de nombreux ministères détiennent des données administratives pertinentes qui ne sont pas mises à disposition, mais qui pourraient apporter beaucoup d'informations aux décideurs et dans un contexte d'IA, en particulier dans un contexte africain où très peu de données sont accessibles au public .

Daniel Power s'appuie sur l'exemple de l'épidémie d'Ebola de mai 2023 dans l'est de la RDC pour illustrer la valeur pratique des données de téléphonie mobile dans les crises humanitaires. En suivant les déplacements des abonnés ayant séjourné dans la zone touchée, Flowminder a pu classer les zones de santé selon leur connectivité avec le foyer épidémique et prédire la propagation probable d'Ebola. Cette analyse s'est révélée très précise dans la semaine suivant sa publication.

Il a décrit comment Flowminder, en utilisant les données de Vodacom Congo dans le cadre d'un partenariat de huit ans, a mené une étude de cohorte rapide identifiant tous les abonnés ayant séjourné dans la zone touchée et suivant les zones de santé qu'ils ont visitées dans les jours et semaines suivants . Il a noté qu'une semaine après la publication de leur premier rapport, Ebola avait été détecté dans dix nouvelles zones de santé, dont huit figuraient parmi les régions prioritaires identifiées par Flowminder grâce aux données de mobilité .

Power reconnaît que les données de téléphonie mobile, bien que précieuses, ne sont pas représentatives de l'ensemble de la population et sous-représentent systématiquement certains groupes. Ce biais doit être corrigé en combinant les données mobiles avec des données d'enquête afin de rééquilibrer ces déséquilibres avant que les données ne soient utilisées dans des systèmes d'IA. Il soutient que cela est essentiel tant pour un usage général que, plus encore, lorsque les données alimentent des systèmes d'IA susceptibles de manquer du discernement nécessaire pour tenir compte de tels biais.

Il a indiqué que les données de téléphonie mobile sous-représentent les femmes, les enfants, les personnes très âgées, les populations plus rurales et les moins aisées, et que de nombreux types de données privilégient les hommes et les personnes aisées . Il a souligné que lors de la publication mensuelle de données sur la distribution de la population, il est nécessaire et indispensable de mener des enquêtes pour évaluer la représentativité des données et corriger les biais, et que cela s'applique avec autant, voire davantage, de rigueur lorsque les données sont utilisées pour l'IA .

Power soutient que la protection de la vie privée des personnes dont les données alimentent les systèmes mobiles est essentielle, compte tenu de la quantité d'informations que les données des abonnés contiennent sur leurs déplacements individuels. L'approche de Flowminder consiste à déployer un logiciel dans les locaux de l'opérateur mobile qui agrège les données avant leur exportation, de sorte que les données individuelles ne quittent jamais les systèmes de l'opérateur. Cette approche est présentée comme un modèle d'utilisation responsable des données dans les contextes d'IA.

Il a expliqué que Flowminder traite toujours les données dans les systèmes de l'opérateur mobile, de sorte que les données individuelles n'ont pas quitté le Congo et n'ont pas quitté les locaux de Vodacom ; au lieu de cela, un logiciel déployé sur leurs locaux agrège les données avant exportation . Il a souligné l'importance de protéger la vie privée des personnes contribuant des données aux systèmes d'IA .

Power souligne que le soutien des régulateurs est essentiel pour légitimer et permettre l'utilisation responsable des données de téléphonie mobile, en particulier dans des contextes nationaux complexes. Des relations à long terme avec les opérateurs de réseaux mobiles et les régulateurs constituent le fondement nécessaire pour accéder à ces données et les utiliser de manière responsable. Des principes et cadres de gouvernance clairs sont présentés comme des prérequis indispensables à ce travail.

Il a noté que le signal envoyé par le régulateur ARP en RDC, indiquant qu'il était à l'aise avec le travail de Flowminder, était vraiment important pour naviguer dans l'environnement complexe de ce pays . Il a également décrit l'importance de comprendre les besoins des opérateurs et de construire des relations à long terme, ainsi que le rôle de la facilité mondiale de données de la Banque mondiale en Côte d'Ivoire .

Power décrit la tension réelle qui surgit lors des négociations pour l'accès aux données des opérateurs mobiles : ces derniers se voient souvent dire que leurs données constituent une source de revenus à monétiser, tandis que les gouvernements peuvent avoir des positions fermes contre le paiement de données. Il souligne que le fait de payer pour des données ne correspond pas nécessairement à une meilleure qualité de données, et que son organisation adopte une approche pragmatique selon le pays et l'opérateur. Les considérations sont complexes et varient considérablement selon le contexte.

Il a décrit la tension entre la réticence des gouvernements à payer pour des données et les attentes de monétisation des opérateurs, notant qu'au Congo, Flowminder ne verse qu'une modeste redevance pour la gestion des serveurs plutôt que pour les données elles-mêmes . Il a observé que le paiement pour des données ne correspond pas nécessairement à leur qualité, citant des cas où des organisations ont payé pour des données qui se sont révélées de mauvaise qualité .

Power souligne que la capacité de Flowminder à répondre rapidement à des crises telles que l'épidémie d'Ebola en RDC a été rendue possible grâce à un partenariat de huit ans avec Vodacom Congo. De même, le soutien des régulateurs est essentiel pour naviguer dans des environnements nationaux complexes. Ces relations à long terme sont présentées comme une infrastructure indispensable à une utilisation responsable des données mobiles.

Il a noté que la réponse rapide de Flowminder à l'épidémie d'Ebola en RDC a été permise par un partenariat de longue date de huit ans avec Vodacom Congo . Il a également décrit comment le soutien du régulateur ARP en RDC a été vraiment important pour légitimer leurs travaux dans un contexte national complexe, impliquant des conflits et d'autres considérations .

Alexandre Barbosa soutient que des statistiques TIC représentatives à l'échelle nationale sont indispensables pour concevoir, mettre en œuvre et évaluer les politiques publiques dans de multiples domaines, notamment l'inclusion numérique, l'éducation et la santé. Le modèle CETIC du Brésil produit des données alignées sur les normes internationales et les cadres des ODD. La disponibilité de ces données en plusieurs langues renforce encore leur accessibilité et leur utilité.

Il a indiqué que les statistiques TIC représentatives à l'échelle nationale produites par CETIC soutiennent la conception, la mise en œuvre et l'évaluation des politiques publiques en matière d'inclusion numérique, d'éducation, de santé et de plusieurs autres dimensions, et sont alignées sur les dimensions des ODD . Il a précisé que les données sont disponibles en portugais, en anglais et partiellement en espagnol, accessibles via leur site web et leurs rapports .

Barbosa présente CETIC du Brésil comme un exemple de modèle de financement autonome pour les statistiques TIC, entièrement financé par les revenus du registre de noms de domaine de code pays .br, plutôt que par des budgets gouvernementaux ou des financements de donateurs. Ce modèle a permis la conduite d'enquêtes TIC continues pendant 20 ans. Le Comité directeur de l'Internet au Brésil, un organe multipartite, supervise ce dispositif.

Il a expliqué que CETIC mène des enquêtes TIC continues depuis 20 ans grâce à un mécanisme de financement autonome alimenté par le registre de noms de domaine de code pays .br, géré par le Comité directeur de l'Internet au Brésil et NIC.br, les enquêtes étant financées à 100 % par les activités du registre . Il a noté que le Brésil possède la sixième plus grande base de données de noms de domaine parmi les pays du G20 et de l'OCDE, ce qui fournit des ressources financières suffisantes pour financer les enquêtes .

Barbosa identifie trois avantages majeurs du modèle de financement de CETIC : la stabilité, qui permet des programmes d'enquêtes continus et des séries chronologiques à long terme ; l'indépendance vis-à-vis des budgets gouvernementaux et des donateurs individuels, garantissant la cohérence méthodologique ; et l'innovation, permettant une mise à jour continue des enquêtes pour prendre en compte les technologies émergentes. Un financement stable favorise également le développement de méthodes innovantes de collecte de données, telles que les données massives et les données issues des téléphones mobiles.

Il a présenté trois avantages du modèle : la stabilité, permettant des programmes d'enquêtes continus et des séries statistiques à long terme pour le suivi de la transformation numérique ; l'indépendance vis-à-vis des budgets publics et des donateurs individuels, préservant l'indépendance professionnelle et la cohérence méthodologique ; et l'innovation, permettant la mise à jour continue des enquêtes et le développement de sources de données alternatives, notamment les données massives et les données issues des téléphones mobiles .

La représentante de GIZ Égypte soulève le défi pratique auquel de nombreux pays, dont l'Égypte, sont confrontés : des conditions préalables fondamentales doivent être remplies avant que des données prêtes pour l'IA puissent être produites. Celles-ci comprennent la numérisation des données existantes, le partage de données entre administrations publiques, et la création d'incitations pour les acteurs des secteurs public et privé. Les recherches suggèrent que ces conditions préalables doivent être en place avant que des initiatives plus avancées en matière de gouvernance des données et de données pour l'IA puissent aboutir.

Elle a décrit la récente politique de données ouvertes de l'Égypte et les efforts de GIZ pour soutenir sa mise en œuvre, notant que les recherches qu'elle a consultées ont identifié de nombreuses conditions préalables devant être réunies au préalable, notamment la numérisation des données existantes, la mise en place de la communication entre administrations publiques, la création de plateformes interconnectées, et l'incitation des acteurs gouvernementaux et du secteur privé .

Jacques Péguet soulève la question du paiement en aval pour les données, en demandant s'il est envisagé de facturer l'accès à de meilleures données ou si cette option est écartée pour des raisons politiques. Cette question touche à la tension entre le traitement des données comme un bien public et la nécessité pratique de financer leur production et leur maintenance. Elle invite à réfléchir à des modèles de financement durables pour des données de haute qualité.

La représentante de la Côte d'Ivoire exprime son intérêt à en savoir davantage sur le modèle CETIC et sur la manière dont il a été mis en place, ce qui reflète une demande plus large des pays du Sud pour des orientations pratiques sur la reproduction de modèles réussis d'intégration des données et de financement. Cela met en évidence la nécessité du partage des connaissances et de l'assistance technique entre les pays cherchant à développer des capacités similaires.

La représentante de la Côte d'Ivoire a exprimé son intérêt à en apprendre davantage sur le modèle CETIC et sur la façon dont il a été mis en place , ce qui a conduit Esperanza Magpantay à confirmer que la Côte d'Ivoire fait partie des 25 pays bénéficiant déjà du projet d'intégration des données de téléphonie mobile de la Banque mondiale et à inviter à une discussion approfondie .

Le Modérateur soutient qu'il ne suffit pas de produire des statistiques et des chiffres en utilisant les mêmes définitions et les mêmes procédures qu'auparavant, car la nature de l'information dans la société a évolué au fil du temps. L'innovation doit être intégrée à l'ensemble du processus de production des données, et non traitée comme un complément facultatif. Ce point est soulevé en réponse à la discussion d'Alexandre Barbosa sur le financement et l'innovation.

Le Modérateur a souligné que ce que nous entendons par information dans la société a évolué au fil des années, et que les statistiques ne peuvent pas simplement être produites en utilisant les mêmes définitions et les mêmes procédures, insistant sur le fait que l'innovation doit être intégrée à tous les aspects de la production de données .

Le Modérateur soulève la question de ce à quoi ressemblerait un progrès concret lors du prochain sommet ou de la prochaine conférence, faisant avancer la discussion au-delà des principes généraux vers des résultats spécifiques et démontrables. Cette formulation encourage les panélistes à identifier des livrables tangibles plutôt que des objectifs aspirationnels. Le prototype TDO lors du sommet de Genève sur l'IA est cité comme l'un de ces jalons concrets.

Le Modérateur a demandé à quoi ressemblerait un progrès concret dans ce domaine lors du prochain sommet ou de la prochaine conférence, ce qui a conduit Benjamin Rothen à identifier le prototype TDO lors du sommet sur l'IA à Genève dans 11 à 12 mois comme un livrable clé .

Le Modérateur synthétise les messages clés de la session en soulignant qu'aucun acteur unique ne peut fournir des données fiables pour l'IA et que les partenariats sont indispensables. Elle insiste également sur le fait que, si les outils d'IA sont puissants et ne doivent pas être sous-estimés, les résultats qu'ils produisent doivent faire l'objet d'une évaluation critique, car les données façonnent les débats et les décisions, et il importe de savoir quels chiffres sous-tendent toute analyse.

Le Modérateur a conclu la session en déclarant qu'aucun acteur unique ne peut y parvenir seul, que des partenariats et différents types de données sont nécessaires, et que les outils d'IA sont puissants mais requièrent de bonnes données pour garantir des résultats robustes, ajoutant qu'il est facile de produire des résultats avec des outils d'IA, mais qu'il faut en être très critique .

Le Modérateur s'engage à poursuivre la discussion au sein du système des Nations Unies et du réseau élargi des statisticiens en chef, présentant cette démarche comme le canal institutionnel approprié pour passer à l'échelle et établir des liens avec des partenaires. Cela traduit la reconnaissance que les questions soulevées nécessitent une action internationale coordonnée, au-delà de la session elle-même.

Le Modérateur a indiqué qu'elle porterait la discussion au sein du système des Nations Unies et du réseau élargi des statisticiens en chef afin que la communauté internationale puisse examiner la meilleure façon de faire avancer ce programme à grande échelle et d'établir des liens avec des partenaires .

Le Modérateur attire l'attention sur le fait que les données servant l'intérêt public ne sont pas exclusivement détenues par des institutions publiques ; des données détenues par des acteurs privés, comme les données des opérateurs de téléphonie mobile, peuvent être tout aussi importantes pour les sociétés et les décideurs. Elle souligne également la valeur de ces données pour anticiper les besoins futurs, comme l'illustre l'exemple de l'épidémie d'Ebola.

À la suite de la présentation de Daniel Power sur l'épidémie d'Ebola en RDC, le Modérateur a observé que les données d'intérêt public peuvent également être détenues par des acteurs privés et revêtir une importance tout aussi grande pour les sociétés et les décideurs, et peuvent aider à prévoir ce qui sera nécessaire .