Séminaire sur l’intelligence artificielle

Mercredi 29 juin 2022 - Centre de conférence Pierre Mendès-France, 139 Rue de Bercy, 75012 Paris

Le numérique et l’innovation sont de formidables opportunités pour offrir un meilleur service aux usagers de la DGFiP.

Les services en ligne aux usagers comme la télédéclaration des revenus sont ainsi enrichis régulièrement (déclaration des dons, gestion des biens immobiliers, prélèvement à la source…).

Avec le prélèvement à la source notamment, la DGFiP a démontré sa capacité à manipuler de grandes quantités de données. Depuis plusieurs années déjà, les contrôles sont ciblés grâce à l’intelligence artificielle, avec de bons résultats.

Le rapport Villani de 2018 note que la recherche française est au premier plan mondial en mathématiques et en intelligence artificielle, « mais qu’elle a du mal à transformer ses avancées scientifiques en applications industrielles et économiques ». Beaucoup d'efforts sont faits pour éviter la fuite des cerveaux français vers l'étranger.

L'une des solutions est de proposer des projets mobilisateurs et ambitieux. C'est le cas avec le projet Foncier Innovant que Yannis Tannier, l'un des data-scientistes de la DTNum, a présenté en ouverture du séminaire. Ce projet est à la pointe de l'excellence technique. La DTNum en pilote d'autres de même envergure.

Ce projet n'aurait pas pu être mené sans la contribution de Nicolas Girard qui a partagé en open-source une partie de ses recherches qu’il est venu aussi détailler lors de ce séminaire avec Guillaume Charpiat.

Cette ambition a été illustrée lors de la keynote par Antoine Magnant, directeur général adjoint de la direction générale des Finances publiques, qui a mis en avant l’importance de l’équité fiscale et des enjeux liés à l’intelligence artificielle.

L’après-midi, l’apprentissage profond pour faciliter l’extraction d’information à partir de télédétection a complété les échanges de la matinée. Sylvain Lobry a mené une présentation très pédagogique sur ce sujet pointu.

La table-ronde sur l’IA et l’Open Data a porté sur l’innovation et la maîtrise des risques avec Chloé Clair, Paul Hebert, Matthieu Porte, François Rollo et Su Yang.

Enfin, dans sa conclusion, Gilles Tauzin, délégué de la DTNum, a mis en avant l’importance de mettre l'intelligence artificielle au service des politiques publiques et de travailler en étroite collaboration avec la communauté scientifique. De façon plus générale, c'est aussi le rôle de la DTNum de promouvoir la transformation numérique au sein de la DGFiP avec ses trois piliers que sont la valorisation des données, le développement de l’expérience utilisateur et la diffusion d’une culture numérique.

Programme de l’événement

FONCIER INNOVANT

Afin de garantir une meilleure fiabilité des bases de la fiscalité directe locale, la DGFiP a recours, dans le cadre du projet « Foncier innovant », aux technologies novatrices d'intelligence artificielle et de valorisation des données à partir des prises de vue aériennes de l'Institut national de l'information géographique et forestière (IGN).

Ce projet vise, en optimisant le processus de détection des constructions ou aménagements non déclarés, à permettre de lutter plus efficacement contre les anomalies déclaratives et ainsi mieux répondre aux souhaits d'équité et de justice fiscale des citoyens, par la juste imposition des biens. Il va également offrir la possibilité de faciliter la représentation sur le plan cadastral des bâtiments et des piscines, à partir des prises de vues aériennes.

Concrètement, les algorithmes permettent d’extraire des images aériennes publiques de l’IGN, consultables par tous sur le site internet www.geoportail.gouv.fr, les contours des immeubles bâtis ainsi que des piscines. Un traitement informatique vérifie ensuite, à partir notamment des déclarations des propriétaires effectuées auprès des services de l’urbanisme et de l’administration fiscale, si les éléments ainsi détectés sur les images sont correctement imposés aux impôts directs locaux (taxe foncière notamment). Un agent de l’administration fiscale vérifie ensuite systématiquement chaque anomalie détectée avant toute opération de relance du propriétaire du bien et in fine de taxation.

Yannis TANNIER – Data Scientiste, DTNum, Pôle données

LES INTERVENTIONS

Apprentissage profond pour le recalage, la segmentation et la polygonisation d’images satellitaires

Nous avons présenté des approches basées sur des réseaux de neurones pour extraire des objets sémantiques à partir d'images satellitaires. Tout d'abord, nous nous sommes intéressés à la segmentation sémantique d'images satellites, qui consiste à affecter une classe à chaque pixel (ex: bâtiment et non-bâtiment). Pour cela, nous avons entraîné un réseau de neurones à partir de couples image / vérité-terrain (ex: base de données de bâtiments). Un problème récurrent a été d'avoir des vérités terrain non alignées à l'image d'entraînement. Ceci nous a mené à une nouvelle tâche, celle du recalage de la vérité terrain sur une image satellite. Enfin, en vue d'une utilisation dans des systèmes d'informations géographiques, nous sommes intéressés à la polygonisation, c'est-à-dire l'extraction des polygones délimitant les objets d'intérêts (ex: bâtiments) à partir des cartes de classification bitmaps calculées par les réseaux de neurones lors de la segmentation. En effet, transformer une donnée bitmap (grille de pixels) en une donnée vecteur (ensemble de polygones) présente des difficultés, qui ont été résolues par notre algorithme de polygonalisation.

LES INTERVENTIONS

Apprentissage profond pour faciliter l’extraction d’informations à partir d’images de télédétection

Les images de télédétection, produites en grande quantité, contiennent des informations qui sont déjà utilisées pour suivre le changement climatique, améliorer la sécurité et comprendre l'environnement. Ces données sont cependant difficiles à interpréter et impliquent souvent un traitement manuel. Avec l'augmentation de la quantité de données, l'interprétation devient un facteur limitant pour les délais, mais aussi pour les domaines dans lesquels ces images peuvent être utilisées. Alors que les données sont là, un large public ne peut en tirer parti. Dans cette présentation, nous présentons des travaux récents portant sur la réponse automatique à des questions visuelles. L’objectif de ces travaux est de fournir une réponse en langage naturel à une question (elle aussi formulée en langage naturel) portant sur des images de télédétection, ouvrant l’extraction d’informations de ces images au plus grand nombre.

Sylvain LOBRY

Maître de conférences - Associate Professor

UFR de Mathématiques et Informatique / LIPADE

Sylvain Lobry est Maître de conférences à l’Université Paris Cité, au Laboratoire d’Informatique de Paris Descartes (LIPADE) et à l’UFR de Mathématiques et Informatique. Auparavant, il a été chercheur postdoctoral à l'Université de Wageningen, Pays-Bas dans le laboratoire de géo-information et de télédétection. Il a obtenu son doctorat en traitement d'images à Télécom Paris en 2017.  Ses intérêts de recherche se situent dans les domaines des développements méthodologiques en traitement d'images avec des applications en particulier à l'imagerie de télédétection. Cela inclut le traitement d'images optiques à haute résolution en utilisant des techniques d'apprentissage profond ; les interactions entre les images et le texte ; la détection de changement ; la classification et la régularisation de séries temporelles d'images SAR en utilisant des modèles Markoviens. Pendant son doctorat, il a travaillé (en collaboration avec le CNES) sur la mission SWOT, dédiée à l'étude des océans et des plans d’eau en surface. 

TABLE RONDE

IA et Open data : entre innovation et maîtrise des risques

Comment l'ouverture des données publiques a pu favoriser l'émergence de projets innovants, publics et privés? Comment l'utilisation innovante de nouvelles données a pu bénéficier les intérêts publics? Quelles ont été les acquis pour les experts métiers qui ont travaillé pour la première fois avec des spécialistes de l'IA? Comment des acteurs publics comme la DGFiP et l'IGN animent leur communauté de ré-utilisateurs ? Quelles sont les précautions en matière de conformité à prendre lorsqu'il s'agit d'analyser les données non structurées?

L'utilisation de l'Intelligence Artificielle au profit des services publics a été un des développements majeurs de ces dernières années, réussir ce défi nécessite un dialogue et une collaboration constants entre les acteurs de recherche, les acteurs publics et les acteurs privés. C'est précisément pour répondre à toutes ces questions que se sont réunis le ministère de l’Économie, la Commission Nationale de l'Informatique et des Libertés, de l'Institut national de l'information géographique et forestière, et la société NamR pour vous apporter leur éclairage sur le sujet autour d'une discussion libre où vous pouvez poser vos questions.

Avec la participation de :

Chloe CLAIR – namR : A la fois ingénieure civil et architecte, Chloé Clair a passé plus de 15 années dans les grands groupes français du BTP à l’international, se spécialisant dans la direction de projets complexes, techniques et environnementaux. Plus récemment, elle a été CTO du Groupe VINCI Construction (CA 15Md€), membre du comité de direction, en charge de l’innovation, les technologies, la transition digitale et l’environnement. Chloé a rejoint namR en qualité de CEO en novembre 2020 dans le but de consolider les succès de la jeune pousse française et pour son passage à l’échelle international.

Paul HEBERT – CNIL : Paul Hebert est Directeur adjoint à la direction de la conformité de la CNIL depuis avril 2014. La direction de la conformité accompagne les acteurs publics et privées dans leur démarche de mise en conformité aux textes relatifs à la protection des données (notamment RGPD). Paul Hebert était précédemment chef du service des affaires juridiques de la Direction des affaires juridiques et internationales en de l’expertise de la CNIL. Il a également exercé le métier d’Avocat pendant plusieurs années tant en conseil qu’en contentieux notamment en matière de projets informatique et de propriété intellectuelle.

Matthieu PORTE – IGN : Mathématicien de formation, Matthieu Porte est coordinateur des activités d’intelligence artificielle de l’IGN. Il a en charge la construction et la mise en œuvre de la feuille de route « Intelligence artificielle » de l’Institut et il travaille également à l’utilisation de l’IA pour les données Lidar HD.

François ROLLO – DGFiP : François Rollo a rejoint la DGFiP en 2001. Il y a occupé plusieurs postes au sein de la direction de la législation fiscale et du service de la gestion fiscale. Depuis mi-2019, comme adjoint à la cheffe du bureau cadastre et directeur du projet du Foncier innovant, il met en œuvre avec les équipes une ré-ingénierie profonde des processus fonciers et cadastraux. Celle-ci s'appuie sur la dématérialisation des obligations déclaratives. Cette refonte des processus s'appuie également sur l'utilisation des technologies innovantes d'intelligence artificielle, des infrastructures cloud, des outils de dataviz et du lac de données.

KEYNOTES

Antoine MAGNANT – directeur général adjoint

Gilles TAUZIN – délégué à la transformation numérique

Su YANG – responsable pôle données

CONTACTS

Su YANG

Responsable du pôle données

Délégation à la Transformation Numérique

su.yang@dgfip.finances.gouv.fr

Naïla EL HAOUARI

Data Scientist

Délégation à la Transformation Numérique

naila.el-haouari@dgfip.finances.gouv.fr