Elle met en lumière les responsabilités du public en tant que régulateur, facilitateur et leader à l'ère de l'IA.
En nous appuyant sur les tendances internationales et des exemples coréens, nous présentons une stratégie d'IA durable qui harmonise la souveraineté technologique et l'intérêt public.
Encyclopédie de l'intelligence artificielle.
Vous trouverez les connaissances en intelligence artificielle dont vous avez besoin sur aiseries.oopy.io.

Cependant, les défis auxquels sont confrontés les LLM open source sont également évidents.
Premièrement, il y a des problèmes d'écart de performance et de contrôle de la qualité.
Du fait des modifications et de la diffusion de modèles ouverts par différents chercheurs et organisations, il est souvent difficile de garantir la cohérence de leur précision, de leur stabilité, de leur vitesse de traitement et d'autres aspects. Des écarts de performance persistent par rapport aux meilleurs modèles commerciaux tels que GPT-4 et Claude 3.
Deuxièmement, il y a le fardeau de la consommation des ressources.
Étant donné que les modèles LLM haute performance nécessitent une puissance de calcul GPU massive et une puissance importante pendant l'entraînement et l'inférence, les petites et moyennes organisations ou les groupes aux ressources limitées sont toujours confrontés à des obstacles opérationnels.
Troisièmement, il y a le risque d'abus.
Les modèles fermés comportent généralement des « garde-fous » pour empêcher la création de contenu nuisible, mais les modèles ouverts sont librement accessibles à tous, ce qui permet de les exploiter pour des activités telles que la création de courriels d'hameçonnage, la rédaction de fausses informations et la création d'outils de piratage.
--- Extrait de « 01_L'essor du LLM open source »

Le Royaume-Uni a restreint le stockage offshore de données confidentielles pour des raisons de sécurité nationale, mais a récemment adopté une politique plus souple.
La révision de 2023 de la politique de classification de sécurité du gouvernement et l'annonce en 2025 des lignes directrices par le ministère des Sciences, de l'Innovation et de la Technologie (DSIT) ont autorisé l'utilisation de centres de données à l'étranger, sous réserve du respect de certaines conditions.
Nous recommandons notamment une stratégie multirégionale à chaque organisation, en les encourageant à traiter les données dans le lieu le plus efficace, dans le respect des normes légales.
--- Extrait de « 03_Souveraineté des données et stratégie de cloud public »

Le gouvernement fournit également environ 110 cas d'utilisation nationaux et internationaux pour faciliter l'analyse comparative inter-agences et l'élaboration de politiques, et a mis en place un système d'évaluation et de partage pour accroître le taux de réussite de l'IA publique.

En 2024, nous augmentons considérablement notre budget pour soutenir le « Projet de soutien à l'utilisation de l'IA à très grande échelle », tout en soutenant simultanément l'utilisation de la plateforme et le développement des services.
L'exécution de chaque tâche est évaluée et se reflète dans l'expansion nationale ou l'amélioration des politiques.

Parmi les exemples représentatifs, citons la formation des nouveaux employés grâce aux chatbots d'IA, l'amélioration du service client et l'optimisation de la qualité des consultations en centre d'appels. Diverses idées, telles que la synthèse de l'actualité internationale et l'automatisation de l'évaluation des offres, sont actuellement explorées dans le cadre de projets pilotes.
--- Extrait de « 06_Système de vérification des performances et d'évaluation sur le terrain »

Par exemple, la province de Gyeonggi a économisé 10 000 heures de travail de fonctionnaires par an grâce à l’introduction d’un système RPA, permettant une réaffectation efficace des ressources sans main-d’œuvre supplémentaire.
L'automatisation des tâches simples et répétitives permet non seulement de réduire les coûts de main-d'œuvre, mais aussi de diminuer les erreurs de travail, comme les amendes, et d'améliorer la fiabilité des opérations financières.

L'IA contribue également à une prise de décision sophistiquée dans les processus de planification et d'allocation budgétaires.
Dans le cas des budgets sociaux, nous pouvons allouer de manière proactive les ressources là où elles sont nécessaires en analysant les données régionales sur le vieillissement, les revenus et les taux d'utilisation.
Le système d'identification des ménages en situation de crise du ministère de la Santé et du Bien-être social permet d'identifier avec précision les bénéficiaires de l'aide sociale, évitant ainsi les pertes financières et assurant un soutien efficace.

--- Extrait de « 09_Stratégie d'intégration du service public et de l'IA »