Analyse de l'horizon et surveillance pour l'alerte précoce : Définition et pratique

(Édition réécrite et révisée) L'analyse de l'horizon et le suivi de l'alerte précoce font partie de la famille des activités utilisées pour prévoir l'avenir, anticiper l'incertitude et gérer les risques. Leur pratique est cruciale pour la réussite de la prévision et de l'alerte stratégiques, de la gestion des risques, du futurisme ou de toute autre activité d'anticipation.

Alors que la surveillance est un terme générique et commun utilisé pour de nombreuses activités, l'analyse prospective est très spécifique et utilisée principalement pour l'anticipation. L'analyse prospective est un terme qui est apparu au début du 21e siècle. Il désigne à la fois un outil spécifique au sein du processus de prospective stratégique et l'ensemble du processus d'anticipation (Habbeger, 2009).*

Nous nous concentrerons ici sur l'analyse prospective en tant qu'outil spécifique dans le cadre de l'ensemble du processus de prospective stratégique. Nous la comparerons à la surveillance pour l'alerte (ci-après la surveillance). Tout d'abord, nous présenterons les définitions des deux concepts. Ensuite, en comparant la pratique des deux activités, nous mettrons en évidence les similitudes et les différences entre les deux. En attendant, nous identifierons les meilleures pratiques. Enfin, nous conclurons que l'analyse prospective, en tant qu'outil, est, en fait, la première étape de toute bonne surveillance en vue de l'anticipation.

Définitions pour l'analyse d'horizon et la surveillance

Analyse d'horizon

En tant qu'outil, l'analyse prospective permet d'identifier de nouveaux thèmes ou méta-questions et problèmes potentiels, répondant à nos préoccupations telles que définies dans notre programme ou notre contexte. Nous devrons ensuite analyser en profondeur les questions ainsi identifiées.

Le balayage horizontal recherche donc les signaux faibles indiquant l'émergence de nouveaux méta-questions et problèmes. Par conséquent, un balayage doit adopter la portée la plus large possible pour la question centrale sous surveillance.

analyse d'horizon, alerte, surveillance, renseignement, gestion des risques, futurisme
Service météorologique du Canada (Environnement Canada) : Les données non météorologiques des échos météorologiques peuvent être filtrées en utilisant les vitesses Doppler des cibles. Après le nettoyage, il ne reste que les précipitations réelles.

L'idée de l'analyse prospective s'appuie sur des idées et des méthodes plus anciennes telles que l'"analyse de l'environnement", la "prospective stratégique" et les "indications et l'alerte" (également appelées "alerte stratégique" et "intelligence d'alerte" voir Grabo, 2004). En fait, comme le soulignent Glenn et Gordon, dans les années 1960-1970, la plupart des futuristes utilisaient le terme "analyse de l'environnement". Cependant, à mesure que le mouvement environnemental s'est développé, certains ont pensé que le terme pourrait ne désigner que les systèmes permettant de surveiller les changements dans l'environnement naturel dus aux actions humaines. Pour éviter cette confusion, les futurologues ont créé divers labels, tels que "Futures Scanning Systems", "Early Warning Systems" et "Futures Intelligence Systems". L'armée, quant à elle, utilise "alerte stratégique" et des termes connexes. L'objectif est d'éviter les surprises stratégiques (par exemple, Pearl Harbour).

L'anglais "horizon scanning" n'est pas le même que le français "veilleau contraire de ce qu'affirment certains auteurs - par exemple Nicolas Charest ("Analyse d'horizon"2012 et pdf). Nous pourrions mieux traduire "veille"par "surveillance" - prise de manière générale, et non plus spécifiquement pour l'alerte comme ici. On pourrait aussi le traduire par "collecte de renseignements".

Charest, en fait, fait référence à un processus : "un processus formel organisé de collecte, d'analyse et de diffusion d'informations à valeur ajoutée pour soutenir la prise de décision". Or, il s'agit d'un processus dont l'avenir et l'anticipation sont absents. Curieusement, l'auteur lui-même souligne que le sens anglais de "horizon scanning" implique la prévision, l'anticipation.

Plutôt que d'associer deux pratiques et deux mots, "veille" et "horizon", il est nécessaire de distinguer les deux. En effet, même si les deux activités sont étroitement liées, l'une, la veille, doit faire face à l'avenir, alors que l'autre n'a pas à relever ce défi.

C'est la qualité d'anticipation, la nécessité de "porter un jugement sur l'avenir" pour reprendre le mot de Grabo (Ibid.), qui génère la différence essentielle entre les deux activités connexes.

L'utilisation du "balayage de l'horizon" dans la dénomination de divers bureaux gouvernementaux a contribué à populariser le nom. Par exemple, nous avons eu le Royaume-Uni Centre d'analyse d'horizon, créé en 2004 à la suite d'un appel au développement de tels centres d'excellence dans l'ensemble du gouvernement (Habbeger, 2009, p.14), ou encore le Programme d'évaluation des risques et d'analyse d'horizon (RAHS)lancé en 2005 (Lavoix, 2010). La façon dont l'idée est devenue à la mode a également contribué à la confusion qui entoure sa signification.

Surveillance pour alerte

La surveillance fait partie du processus d'alerte stratégique. La littérature sur le renseignement, l'alerte et la surprise stratégique documente bien l'idée et le processus. En effet, les acteurs utilisent l'alerte stratégique depuis au moins la Seconde Guerre mondiale, tandis que les études sur le renseignement constituent aujourd'hui un corpus de connaissances et une discipline. Pour d'autres lectures, il existait autrefois une excellente bibliographie de référence sur les questions liées au renseignement : J. Ransom Clark's Bibliography on the Literature of Intelligence, notamment la section sur l'alerte stratégique. Malheureusement, cette bibliographie a été supprimée. Toutefois, il est toujours possible d'y accéder par l'intermédiaire du site archives internet, même les section sur l'alerte stratégiquemais avec diverses dates qui peuvent ne pas correspondre à la dernière version, aujourd'hui perdue.

Le suivi des questions permettra d'identifier les problèmes d'alerte. Nous utiliserons alors des modèles adéquats et des indicateurs connexes pour la surveillance de ces problèmes. Pour rappel, un indicateur est un concept et une abstraction pour quelque chose. Une indication est la réalité correspondant à l'indicateur à un moment précis. Nous utilisons donc des indicateurs pour collecter des indications. Par exemple, la croissance du produit intérieur brut (PIB) est un indicateur et 5% est une indication pour un pays et une période spécifiques. La vitesse peut être un indicateur et 60 km/h une indication à un endroit précis pour un appareil précis à un moment précis.

Le contrôle et la surveillance conduisent tous deux à la collecte des informations nécessaires, telles que définies par le modèle et les indicateurs connexes.

Pour rappel, tout au long du processus SF&W, nous procédons à un rétrécissement de notre champ d'action, ce que reflète le vocabulaire utilisé. Nous passons du plus général et englobant au plus détaillé. Prenons comme exemple l'énergie comme "méta-question". Ensuite, les "questions" pourraient être la "sécurité pétrolière", le "pic pétrolier", le "pic d'uranium", la "volatilité des prix du pétrole", la "politique énergétique entre l'Europe et la Russie", l'"énergie pour la Chine", etc. Les "problèmes" pourraient être les "politiques Gasprom" plus spécifiques, "l'oléoduc Keystone", "l'énergie dans la ceinture et l'initiative routière", ou "l'énergie et l'initiative de la ceinture et de la route au Pakistan", ou encore "la tension autour de telle ou telle usine", etc.

Balayage d'horizon et surveillance pour l'alerte en pratique

Si les définitions diffèrent, y a-t-il vraiment une différence dans la façon dont nous procédons à l'analyse de l'horizon d'une part, et à la surveillance des alertes d'autre part ? Le balayage est-il inclus dans la surveillance des alertes ? Devrions-nous utiliser les mêmes processus et les mêmes outils pour le balayage et la surveillance ? Ou devons-nous utiliser des approches différentes ?

De la même manière, les modèles sont fondés sur des modèles, mais leur degré de sophistication est différent

Une première différence entre l'analyse de l'horizon et la surveillance est l'emplacement de chacun dans le processus global des SF&W. Un balayage est le première étape de toute analyse. Qu'est-ce que cela implique ?

analyse d'horizon, alerte, surveillance, renseignement, gestion des risques, futurisme

Comme c'est la toute première chose que vous faites lorsque vous abordez une question, le fait de scruter l'horizon suppose implicitement qu'il n'y a pas ou peu de compréhension de la question. Pourtant, en réalité, ce n'est qu'une apparence.

Essayez de faire l'exercice mentalement : si vous commencez à chercher quelque chose, même de façon approximative, pour cela vous devez avoir une idée, même minimale, de ce que vous cherchez. Ce qui se passe, c'est que, inconsciemment, vous vous appuyez sur un modèle cognitif. Ce modèle cognitif est implicite. Ainsi, pour balayer l'horizon, vous utilisez déjà un modèle, même s'il est très imparfait.

Plus loin dans le processus de prospective ou d'analyse des risques, vous suivez une question. Cela doit se produire vers la fin du processus d'analyse, donc une fois que vous connaissez très bien votre sujet. Sur la figure ci-dessus, le suivi a lieu après que nous ayons créé les scénarios et identifié les indicateurs d'alerte.

La surveillance est donc également fondée sur un modèle. Cependant, nous avons rendu ce modèle explicite. Nous l'avons amélioré et affiné par le biais du processus d'analyse.

Ainsi, fondamentalement, l'analyse de l'horizon et la surveillance sont toutes deux similaires. Leur différence, ici, réside en fait dans la sophistication du modèle utilisé, et non dans le processus réel utilisé pour effectuer le balayage ou les premières étapes de la surveillance. Par conséquent, l'analyse et la surveillance peuvent le plus souvent utiliser les mêmes outils ou supports.

Des perspectives larges, des résultats enchevêtrés

Deuxièmement, la définition d'un balayage suggère qu'il ne doit identifier que les signaux faibles. Cependant, sélectionner au préalable les signaux en fonction de leur intensité - en supposant que cela soit possible - serait contre-productif et dans certains cas impossible. En effet, un signal fort pour une question peut aussi, parfois, être un signal faible d'émergence pour autre chose.

Ainsi, lors de la collecte de signaux par un balayage qui vise à identifier les méta-questions et problèmes émergents, il est souhaitable d'être aussi large et englobant que possible.

En pratique, vous pouvez noter de nouveaux signaux et commencer à les relier librement à d'autres méta-questions ou problèmes.

De même, le suivi d'une question et la surveillance d'un problème peuvent également s'appuyer sur les signaux de l'émergence de nouvelles questions. Là encore, vous devez vous assurer de consigner ces résultats.

Ainsi, tant pour l'analyse prospective que pour le suivi, il faut avoir un bagage cognitif aussi ouvert et aussi large que possible, tout en étant capable de relier précisément tel ou tel fait, tendance ou "chose" à telle question, tel problème et tel indicateur.

Signaux et leur force pour le balayage de l'horizon, indications et calendrier pour la surveillance

analyse d'horizon, alerte, surveillance, renseignement, gestion des risques, futurisme, partialité
Image de Jens Langner (http://www.jens-langner.de/) (œuvre personnelle), domaine public, via Wikimedia Commons

Enfin, en raison de divers préjugés, tant les analystes que les clients, les décideurs et les responsables politiques sont souvent incapables de voir, d'identifier et de prendre en compte certains signaux "sous l'horizon". Ils ne pourront accepter ces signaux que lorsqu'ils seront "au-dessus de l'horizon", c'est-à-dire lorsqu'ils seront beaucoup plus forts, comme l'illustre le article sur l'actualité.

La position du signal en dessous ou au-dessus de l'horizon, ou la force qu'un signal doit avoir pour que les acteurs le perçoivent et l'acceptent, varie selon les personnes.

Il n'est donc pas souhaitable, d'un point de vue pratique, d'essayer de trier les signaux en fonction de leur force trop tôt dans le processus.

Dans le cas du suivi et de la surveillance pour l'alerte, il est également crucial de trier les indications selon un calendrier. Cette séquence temporelle nous avertit de l'évolution de la question sous surveillance. Enfin, elle permettra de donner l'alerte et de la délivrer. Au moins mentalement, chaque indication ou signal, ou groupe d'indications et de signaux, doit être positionné sur leur chronologie correspondante. Nous utilisons ici un pluriel, car les indications et les signaux peuvent alimenter différentes dynamiques pour diverses questions, comme nous l'avons vu dans la partie précédente.

Nous regardons donc la force - pour les signaux. D'autre part, nous nous concentrons sur le calendrier pour les indicateurs et leurs indications. Cela signifie-t-il donc que le balayage et la surveillance sont différents ?

En fait, la force d'un signal pour le balayage de l'horizon peut être considérée comme rien d'autre qu'une indication du mouvement du changement sur une ligne de temps. Permettez-moi d'expliquer cela plus en détail. Si le signal est faible, alors la situation est loin d'être l'occurrence réelle d'un événement ou d'un phénomène. Au contraire, si le signal est fort, alors on en est proche. Un balayage serait donc un cas de surveillance, où l'on ne sélectionnerait que des indications conduisant à des jugements selon lesquels un événement ne se produira pas de sitôt, mais mérite néanmoins d'être mis sous surveillance.

Cependant, comme nous avons vu qu'il n'est ni souhaitable ni parfois possible de passer au crible les signaux en fonction de leur force, cette vision d'un scan est idéaliste et peu pratique.

En conséquence, et pratiquement, à la fin du processus, un balayage nous donnera des signaux de force variable. À ce stade, nous n'aurons qu'une confiance relativement faible dans la force même des signaux identifiés. Dans ce cas, l'utilisation de la force du signal serait un précurseur d'un jugement beaucoup plus affiné en termes de calendrier.

Le balayage horizontal correspond donc à la première étape du contrôle (et de la surveillance) avant que des jugements relatifs à la signification du signal, ou à l'indication en termes de délais, ne soient rendus. Il existe donc non seulement au tout début de l'ensemble du processus SF&W, mais à chaque fois que nous effectuons une surveillance.


* Le débat sur la sécurité nationale est riche et fait intervenir de nombreux auteurs. Pour un bref résumé et des références aux nombreux universitaires de renom qui l'alimentent, par exemple Hélène Lavoix "Permettre la sécurité pour le 21e siècle : Renseignement, prospective et alerte stratégiqueRSIS Working Paper No. 207, août 2010.


Ceci est la 2ème édition de cet article, substantiellement réécrite et révisée depuis la 1ère édition, juin 2012.

Image en vedette : U.S. Navy par tpsdave. Domaine public CC0

À propos de l'auteur: Dr Hélène LavoixM. Lond, PhD (relations internationales), est le directeur de la Red (Team) Analysis Society. Elle est spécialisée dans la prévision et l'alerte stratégiques pour les questions de sécurité nationale et internationale. Elle se concentre actuellement sur l'intelligence artificielle et la sécurité.

Bibliographie et références

Charest, N. (2012), "Balayage de l'horizon," dans L. Côté et J.-F. Savard (eds.), Dictionnaire encyclopédique de l'administration publique.

Gordon, Theodore J. et Jerome C. Glenn, "ENVIRONMENTAL SCANNING", The Millennium Project : Méthodologie de recherche sur l'avenir, Version 3.0, Ed. Jerome C. Glenn et Theodore J. 2009, chapitre 2.

Grabo, Cynthia M., Anticipating Surprise: Analysis for Strategic Warningsous la direction de Jan Goldman (Lanham MD : University Press of America, mai 2004).

Habbegger, Beat,  Analyse d'horizon au sein du gouvernement : Concept, expériences des pays et modèles pour la SuisseCenter for Security Studies (CSS), ETH Zurich, 2009.

J. Bibliographie de Ransom Clark sur la littérature du renseignement.

Lavoix, Hélène, Ce qui rend la prévoyance réalisable : les cas de Singapour et de la Finlande. (Rapport commandé par le Département d'État américain, décembre 2010).

Lavoix, Hélène, "Permettre la sécurité pour le 21e siècle : Renseignement, prospective et alerte stratégiqueRSIS Working Paper No. 207, août 2010 (également accessible ici).

Quand la gestion des risques rencontre la prospective et l'alerte stratégiques

La gestion des risques est codifiée par la Organisation internationale de normalisation (ISO). Il s'adresse à toute organisation concernée par le risque, qu'elle soit publique ou privée (Sandrine Tranchard, "La nouvelle norme ISO 31000 simplifie la gestion des risques"(ISO News, 15 février 2018). Son ancêtre est la science actuarielle, c'est-à-dire les méthodologies d'évaluation des risques dans les domaines de l'assurance et de la finance (par exemple, l'ENSAE Définition). Son étude, en tant que discipline principalement utile au secteur privé, s'est progressivement développée après la Seconde Guerre mondiale (Georges Dionne, "Gestion des risques : Histoire, définition et critique“, Examen de la gestion des risques et de l'assuranceVolume 16, numéro 2, automne 2013, p. 147-166).

Une autre discipline "non académique" traite des risques, des incertitudes, des menaces et des opportunités ou plus exactement de la surprise. Elle s'appelle la prospective et l'alerte stratégiques (SF&W). Elle résulte de la réunion des anciennes Indications et Alertes militaires et de la Prospective stratégique. Les officiers de renseignement et les officiers militaires ont principalement développé la SF&W pour leurs besoins concernant les questions de sécurité nationale et internationale. L'alerte stratégique, pour sa part, reste une mission essentielle, par exemple, de la Defense Intelligence Agency (DIA) des États-Unis, telle que réaffirmée dans son rapport de septembre 2018 Approche stratégique. Entre-temps, les ouvrages de référence classiques sur l'alerte stratégique font désormais partie de la DIA Liste de lecture du directeur 2018. L'alerte stratégique et le SF&W sont plus spécifiquement l'origine et la perspective de notre expérience et de notre pratique ici, à la Red (Team) Analysis Society.

Les deux disciplines et pratiques, la gestion des risques et les SF&W, ont donc une histoire, des acteurs et des objectifs différents. Pourtant, depuis la révision de la gestion des risques par l'ISO en 2009, nous avons maintenant une correspondance presque parfaite entre les sciences et la technologie et la gestion des risques. La mise à jour de la norme ISO 2018 confirme cette similitude. Cet article détaillera plus en détail les deux processus, leurs similitudes et leurs complémentarités.

CIA NYSE sc

Le nouveau processus de gestion des risques jette ainsi les bases permettant d'incorporer facilement aux risques habituellement gérés par les entreprises, toutes les questions de sécurité nationale et internationale telles qu'elles sont habituellement liées aux intérêts nationaux des États, de la géopolitique à la politique, de la criminalité à la guerre en passant par la cybersécurité. En d'autres termes, le processus utilisé pour gérer les risques externes et internes auxquels le monde des entreprises est confronté est désormais similaire à la manière dont les États gèrent leur mission de sécurité internationale et nationale, en fonction de leurs intérêts nationaux.

En attendant, ces mêmes similitudes entre la gestion des risques et les SF&W devraient faciliter les discussions et les échanges entre le monde des entreprises et le secteur public, y compris en termes de données, d'informations, d'analyse et de processus, en fonction des spécificités et de la force de chacun. Lorsque les différences entre les sciences et la technologie et la gestion des risques subsisteront, nous pourrons les corriger afin de tirer le meilleur des deux mondes.

En effet, ce qui compte, c'est d'anticiper correctement ce qui nous attend et de prendre des mesures adéquates. Il ne s'agit pas de se contenter d'un label ou d'un autre.

Dans cet article, nous détaillons le processus de gestion des risques. Nous expliquons la nouvelle définition du risque. Nous soulignons ensuite les similitudes avec le SF&W. Nous soulignons, là où la gestion des risques est la plus différente du SF&W, comment le premier pourrait également aider le second. En particulier, la gestion des risques fournit un cadre pour aborder un domaine sensible : élaborer et proposer des alternatives de politique ou de réponse aux décideurs.

Il s'agit d'un article de qualité. Pour accéder à cet article, vous devez devenir l'un de nos membres ou prendre notre cours en ligne 1, du processus à la modélisation analytique, ou cours en ligne 2 : élaboration de scénarios. Log in si vous êtes un membre ou un stagiaire. Une version pdf de l'article est disponible pour les membres.

PLEIN ARTICLE 3017 MOTS - pdf 15 pages


Image en vedette : Le président Barack Obama participe à une réunion sur l'Afghanistan dans le Salle de situation à la Maison Blanche. À sa gauche, le conseiller à la sécurité nationale James L. JonesSecrétaire d'État Hillary ClintonAmbassadeur des États-Unis auprès des Nations unies Susan RiceDirecteur national du renseignement Dennis C. Blair et directeur de la CIA Leon Panetta. A sa droite, le vice-président Joe BidenSecrétaire d'État à la défense Robert Gates (caché), président de l'amiral des chefs d'état-major interarmées Michael MullenChef de cabinet de la Maison Blanche Rahm Emanuel. - 9 octobre 2009, The Official White House Photostream, Maison Blanche (Pete Souza) - Domaine public.

Les droits d'auteur pour toutes les références aux normes ISO restent la propriété de l'Organisation internationale de normalisation (ISO).

Cet article est une version entièrement mise à jour et révisée d'un texte qui a d'abord été publié en tant qu'élément du rapport commandé par le gouvernement américain, Lavoix, "Actionable Foresight", Global Futures Forum, novembre 2010 (pp. 12 & 20-24/98). 

Le changement climatique : Vivons-nous ou mourons-nous sur notre planète en mutation ?

Une cavité de 1600 mètres de haut, soit les deux tiers de Manhattan, a été découverte à l'intérieur du glacier antarctique Thwaites (Sarah Sloat, "Une énorme cavité dans un glacier de l'Antarctique abrite une menace dangereuse », Inverse quotidienle 1er février 2019).

Il a été créé en trois ans par le réchauffement et la fonte de l'intérieur. Cela montre l'accélération du processus, ainsi que la déstabilisation de l'ensemble du glacier et de ses voisins (Sloat, ibid).

La seule fonte du glacier Thwaites pourrait ajouter deux pieds à la montée globale de l'océan.

Continuer la lecture « Climate change: Shall we live or die on our changing planet ? »

The Quantum Times (mises à jour quotidiennes)

Analyse d'horizon sur les sciences et technologies de l'information quantique et leur utilisation.
C'est pourquoi nous publions le Quantum Times, une analyse quotidienne et un bulletin d'information sur tout ce qui concerne le monde quantique émergent. Le Quantum Times est mis à jour quotidiennement avant 9h00 ECT.

Vous pouvez y accéder ici

Il est essentiel d'être informé et de se tenir au courant de ce qui se passe dans la course très compétitive au monde quantique. Nous avons créé cette analyse pour aider la communauté de nos utilisateurs à se tenir au courant des développements dans ce domaine.

Vous trouverez ici toutes les nouvelles (en anglais) relatives à l'informatique et à la simulation quantique, à la détection et à la métrologie quantiques, à la communication quantique, ainsi qu'à la distribution de clés quantiques, à l'apprentissage des machines quantiques et à la cryptographie post-quantique.

Retrouvez tous nos rapports, dossiers et articles de fond sur le monde émergent de Quantum ici. 

Le temps de la prospective stratégique et de la gestion des risques

Du monde des entreprises aux gouvernements, nous cherchons à échapper à l'incertitude et aux surprises. C'est essentiel pour survivre et prospérer. C'est également nécessaire pour se protéger des menaces, des dangers et des risques.

Dans l'ensemble et de manière générale, nos capacités - voire notre volonté - d'identifier les menaces se sont améliorées avec l'expérience et la pratique. Notamment, nous sommes devenus relativement efficaces dans l'évaluation de la probabilité et de l'impact. Néanmoins, une composante de l'évaluation des menaces et des risques reste le plus souvent inconsidérée, inaperçue et négligée : le temps.

Pourtant, le temps est un élément crucial de notre capacité à prévenir les surprises, à faire face aux menaces et à gérer les risques. Cet article évalue la manière dont nous intégrons le temps et met en évidence les possibilités d'amélioration.

Continuer la lecture « Time in Strategic Foresight and Risk Management »

Informatique quantique, Hollywood et géopolitique

Depuis 2017, les sciences et technologies de l'information quantique (QIS), et en particulier l'informatique quantique, sont rapidement devenues un élément central d'Hollywood et de ses films, séries télévisées et romans. Leurs scénarii soulignent le lien entre la puissance quantique et les situations de sécurité nationale.

Hollywood et le débat stratégique américain

C'est une indication cruciale, si l'on considère que la relation entre les industries culturelles américaines et la sécurité nationale a été l'un des principaux moteurs du débat stratégique américain depuis la Seconde Guerre mondiale (Jean-Michel Valantin, Hollywood, le Pentagone et Washington : Les films et la sécurité nationale de la Seconde Guerre mondiale à nos jours, 2005).

Ce lien organise la structure du débat stratégique américain à travers les relations très complexes et enchevêtrées entre les centres fédéraux du pouvoir politique à Washington D.C., le ministère de la défense, la communauté du renseignement et les médias et l'industrie culturelle (Valantin, Ibid.). C'est la raison pour laquelle les films, la télévision et les jeux vidéo d'Hollywood jouent un rôle essentiel dans le débat stratégique américain.

Continuer la lecture « Quantum Computing, Hollywood and geopolitics »

Capteur et actionneur pour l'IA (1) : Insérer l'intelligence artificielle dans la réalité

Au-delà du battage publicitaire et de la haine, cet article se concentre sur la façon dont l'intelligence artificielle (IA) - en fait Apprentissage approfondi - L'opérationnalisation exige de développer une manière différente de considérer l'IA. La compréhension qui en résulte permet de mettre en évidence l'importance du capteur et de l'actionneur, la double interface entre l'IA et son environnement. Cette interface est un moteur potentiellement perturbateur pour l'IA.

Écoutez l'article dans le cadre d'une conversation approfondie sur notre podcast, Foresight Frontlines - AI series - créé avec NotebookLM.

Capteur et actionneur, les éléments oubliés

Le capteur et l'actionneur sont essentiels au développement de l'IA à tous les niveaux, y compris en termes d'applications pratiques. Pourtant, lorsque l'on aborde l'expansion et l'avenir de l'IA, ces deux éléments sont la plupart du temps négligés. C'est notamment à cause de ce manque d'attention que l'interface peut devenir perturbatrice. En effet, une approche par capteur et actionneur pour l'IA pourrait-elle être la clé du boom très généralisé que tant de gens recherchent ? En attendant, de nombreux sous-domaines de l'IA pourraient également bénéficier de ce développement. Par ailleurs, l'échec de l'intégration complète de cette approche pourrait entraîner des obstacles inutiles, notamment une panne temporaire.

Capteur et actionneur, un autre enjeu dans la course à l'IA

En outre, nous voyons apparaître dans le monde trois dynamiques liées à l'IA en interaction. La naissance et la diffusion de l'IA pour les Etats et la gestion de l'IA pour les acteurs privés interagissent et alimentent une course internationale pour la puissance de l'IA, c'est-à-dire la manière dont on se classe dans la répartition relative du pouvoir au niveau mondial. En conséquence, l'IA influence de plus en plus cette même répartition du pouvoir ( voir Le nouveau monde de l'AI en devenir). Ainsi, les moteurs de l'IA ne sont pas seulement des forces derrière l'expansion de l'IA, mais aussi des enjeux dans la compétition de l'IA. La manière dont les acteurs publics et privés gèrent cette compétition, la dynamique qui en résulte et les défaites et victoires qu'elle entraîne façonnent également le nouveau monde de l'IA en devenir.

Ainsi, si les capteurs et les actionneurs sont essentiels à une large opérationnalisation de l'IA, alors la capacité à développer au mieux la gouvernance et la gestion de l'IA, ainsi que la position dans la course internationale à la puissance de l'IA, pourrait très bien dépendre de la maîtrise de ces capteurs et actionneurs.

Liens connexes

Intelligence artificielle - Forces, moteurs et enjeux

Les moteurs de l'IA : 

Aperçu

Cet article utilise deux études de cas pour expliquer progressivement ce que sont un capteur et un actionneur. Il détaille ainsi la double interface entre l'agent IA et son environnement. En conséquence et en troisième lieu, nous soulignons que l'on comprend mieux l'IA comme une séquence. Cette compréhension nous permet d'envisager tout un monde futur d'activités économiques. Ce monde n'est cependant pas sans danger et nous soulignons qu'il exigera un nouveau type de sécurité. Enfin, nous soulignerons la nécessité de distinguer les types de réalité que la séquence d'IA relie.

Le prochain article portera sur les différentes façons de gérer la séquence d'IA et son interface jumelle, notamment l'actionneur. Nous nous intéresserons plus particulièrement à l'Internet des objets (IoT), aux êtres humains eux-mêmes et aux systèmes autonomes, mieux connus sous le nom de robots. En attendant, nous explorerons plus avant les nouvelles activités créées par l'IA.

Un regard différent sur le match contre AlphaGo

Nous allons examiner à nouveau (Google) DeepMind's AlphaGoL'agent d'apprentissage supervisé qui joue au Go et dont la victoire a lancé la phase actuelle de développement de l'IA.

Reproduire le match contre AlphaGo

Imaginons maintenant qu'un nouveau match se déroule entre M. Fan Hui, le champion d'Europe de go AlphaGo battu par 5-0 en octobre 2015 et l'agent AI (AlphaGo page web). M. Fan Hui, comme cela s'est produit dans la réalité, joue en premier contre l'agent IA AlphaGo. Devant lui, on peut voir un goban (le nom du plateau pour le go). AlphaGo est connecté au nuage pour accéder à la puissance de calcul distribuée, car il a besoin de beaucoup de puissance de calcul.

M. Fan Hui commence et fait son premier pas en plaçant une pierre blanche sur le Goban. Puis c'est le tour d'AlphaGo. Comment l'agent AI va-t-il répondre ? Fera-t-il un mouvement typique ou quelque chose d'original ? À quelle vitesse va-t-il ensuite jouer ? Le suspens est immense, et...

Il ne se passe rien.

Qu'est-ce qui a mal tourné ?

La (bonne) façon dont DeepMind l'a fait

Si vous regardez attentivement la vidéo ci-dessous montrant le jeu original, vous remarquerez qu'en fait, le cadre n'est pas exactement celui que j'ai décrit ci-dessus. Quelques autres éléments cruciaux sont présents. Si DeepMind avait mis un humain et un agent IA face à face dans le cadre que je viens de décrire, leur expérience aurait mal tourné. Au lieu de cela, grâce aux éléments qu'ils ont ajoutés, leur jeu a été un succès.

Vous pouvez observer ces trois éléments à 1:19 de la vidéo, comme le montre la capture d'écran annotée ci-dessous :

  • A : un acteur humain
  • B : un écran
  • C : un être humain avec un appareil bizarre sur une table.
Capture d'écran de la vidéo Google DeepMind : AlphaGo maîtrise le jeu de Go - 1:19

Capteur

Dans notre cadre imaginaire, je n'ai pas créé d'interface pour dire à l'agent AI que M. Hui avait déplacé une pierre, et laquelle. Ainsi, en ce qui concerne l'agent AI, il n'y a pas eu d'entrée.

Dans le cadre réel de DeepMind, nous avons l'agent humain (C). Nous pouvons supposer que le dispositif bizarre sur la table devant elle lui permet d'entrer dans l'ordinateur pour l'agent IA les mouvements que M. Fan Hui effectue tout au long de la partie.

Plus généralement, une première interface d'entrée doit exister entre le monde réel et l'agent IA pour le voir fonctionner. Nous avons donc besoin de capteurs. Ils détecteront le monde réel pour l'IA. Nous devons également communiquer à l'agent AI les données capturées par les capteurs, de manière à ce que l'AI les comprenne.

Supposons maintenant que nous ajoutions l'agent C et son dispositif - c'est-à-dire le système de capteurs - à notre réglage.

Là encore, rien ne se passe.

Pourquoi ? L'agent AI procède et décide de son déplacement. Cependant, le résultat algorithmique reste dans l'ordinateur, comme une sortie de machine quelle que soit sa forme. En effet, il n'y a pas d'interface pour agir dans le monde réel. Ce qu'il faut, c'est un actionneur.

Actionneur

L'interface avec le monde extérieur doit non seulement produire un résultat que notre maître de go peut comprendre pour chaque coup, mais aussi un résultat qui aura un sens, pour lui, pendant toute la partie.

Il ne suffirait pas d'obtenir la position d'une pierre en fonction des coordonnées sur le plateau. Ce type de résultat exigerait d'abord que M. Fan Hui dispose d'une bonne capacité de visualisation et de cartographie pour traduire ces coordonnées sur le goban. Il faudrait ensuite que notre champion de go ait une très bonne mémoire. En effet, après quelques coups, être capable de visualiser et de se souvenir de l'ensemble du jeu serait un défi.

DeepMind a en fait utilisé les actionneurs nécessaires pour rendre possible le jeu entre l'homme et l'IA.

Au point (B), nous avons un écran qui affiche l'ensemble du jeu. L'écran montre aussi très probablement le coup de l'agent IA à chaque fois que ce dernier joue. Ensuite, en (A), nous avons un agent humain, qui traduit le jeu virtuel à l'écran en réalité sur le goban. Pour ce faire, il copie le coup de l'agent AI tel qu'il est affiché à l'écran en plaçant la pierre correspondante sur le plateau.

Il est important de noter la présence de cet être humain (A), même si elle n'était probablement pas vraiment nécessaire pour M. Fan Hui, qui aurait pu jouer devant l'écran. Tout d'abord, il s'agit d'un dispositif de communication pour rendre toute l'expérience plus compréhensible et intéressante pour le public. Ensuite, il est peut-être plus facile pour M. Fan Hui de jouer sur un vrai goban. La traduction d'un monde virtuel à un monde réel est cruciale. Il s'agira probablement d'un enjeu majeur dans ce qui permettra réellement à l'IA d'émerger et de se développer.

Comme nous l'avons illustré ci-dessus, le fait de préciser le processus d'interaction avec un agent IA souligne l'importance des interfaces doubles.

C'est en fait ainsi que DeepMind a conçu l'une de ses dernières réalisations en matière d'IA, sur laquelle nous allons maintenant nous pencher.

Vers une vision de l'être humain

En juin 2018, DeepMind a expliqué comment il avait construit un agent d'IA qui peut percevoir son environnement comme le font les êtres humains (en libre accèsS. M. Ali Eslami et autres, "Représentation et rendu des scènes neurales“, Science  15 juin 2018 : Vol. 360, numéro 6394, p. 1204-1210, DOI : 10.1126/science.aar6170).

"Par exemple, lorsque vous entrez dans une pièce pour la première fois, vous reconnaissez instantanément les objets qu'elle contient et leur emplacement. Si vous voyez trois pieds d'une table, vous en déduirez qu'il y en a probablement un quatrième de même forme et de même couleur qui est caché à la vue. Même si vous ne pouvez pas tout voir dans la pièce, vous pourrez probablement en esquisser la disposition ou imaginer à quoi elle ressemble sous un autre angle". (“Représentation et rendu des scènes neurales", site internet DeepMind). 

L'objectif des scientifiques était de créer un agent d'IA ayant les mêmes capacités que celles des êtres humains, ce qu'ils ont réussi à faire :

DeepMind utilise "capteur et actionneur".

Le plus intéressant pour notre propos est que ce que nous avons décrit dans la première partie est exactement la façon dont les scientifiques ont construit leur processus et résolu le problème de la vision d'un agent IA.

Ils ont appris à leur agent AI à prendre des images du monde extérieur (dans ce cas encore un monde virtuel) - ce que nous appelions le système de capteurs - puis à les convertir, grâce à un premier algorithme d'apprentissage profond - le réseau de représentation - en un résultat, une sortie - la représentation de la scène. À ce stade, le résultat est significatif pour l'agent AI, mais pas pour nous. La dernière étape représente ce que nous avons appelé l'actionneur. Il s'agit de la conversion d'une sortie significative pour l'IA en quelque chose de significatif pour nous, la "prédiction". Pour cela, DeepMind a développé un "réseau de génération", appelé "rendu neural". En effet, en termes d'infographie 3D, le rendu est le processus qui transforme le calcul en une image, le rendu.

La capture d'écran ci-dessous montre le processus à l'œuvre (j'ai ajouté les cercles et les flèches rouges à la capture d'écran originale).

La vidéo suivante démontre toute la dynamique :

Développer des capteurs autonomes pour la vision d'un agent AI

Selon les scientifiques de DeepMind, le développement du Generative Query Network (GQN) est un effort pour créer "un cadre dans lequel les machines apprennent à représenter des scènes en utilisant uniquement leurs propres capteurs". En effet, les systèmes de vision artificielle actuels utilisent généralement un apprentissage supervisé. Cela signifie que l'intervention humaine est nécessaire pour choisir et étiqueter les données. Le scientifique de DeepMind a voulu surmonter autant que possible ce type d'intervention humaine.

L'expérience a utilisé ici un environnement "synthétique" (Ibid., p5). La prochaine étape nécessitera de nouveaux ensembles de données pour permettre l'extension à des "images de scènes naturalistes" (Ibid). En fin de compte, on peut imaginer que le GQN commencera par la réalité, capturée par un dispositif optique contrôlé par l'IA. Cela implique que le GQN devra intégrer toutes les avancées en matière de vision par ordinateur. En outre, les capteurs de notre agent IA devront également se déplacer dans son environnement pour capturer les observations dont il a besoin. Cela peut se faire, par exemple, grâce à un réseau de caméras mobiles, comme celles qui sont de plus en plus souvent installées dans les villes. Des drones, également contrôlés par l'IA, pourraient éventuellement compléter le réseau de capteurs.

Amélioration des actionneurs visuels pour un agent AI

Les chercheurs devront également améliorer l'actionneur (Ibid.). Les scientifiques de DeepMind suggèrent que les progrès réalisés dans les capacités de modélisation générative, comme ceux réalisés par les réseaux adversaires générateurs (GAN), permettront d'évoluer vers un "rendu de scène naturaliste".

En attendant, les RAG pourraient conduire à des avancées importantes en termes, non seulement d'expression visuelle, mais aussi d'"intelligence" des agents AI.

Lorsque les RAG s'entraînent à représenter des sorties visuelles, ils semblent également développer la capacité de regrouper, seuls, des objets similaires liés par ce que les chercheurs appellent des "concepts" (Karen Hao, "Un réseau de neurones peut apprendre à organiser le monde qu'il voit en concepts, tout comme nous le faisons“, Revue technologique du MIT10 janvier 2019). Par exemple, le GAN pourrait "regrouper les pixels d'arbres avec les pixels d'arbres et les pixels de portes avec les pixels de portes indépendamment de la façon dont ces objets ont changé de couleur d'une photo à l'autre dans le jeu de formation"... Ils pourraient également "peindre une porte de style géorgien sur un bâtiment en brique avec une architecture géorgienne, ou une porte en pierre sur un bâtiment gothique. Ils ont également refusé de peindre des portes sur un morceau de ciel" (Ibid.) .

Des dynamiques similaires sont observées dans le domaine de la recherche linguistique.

Utilisation d'un bras robotique virtuel comme actionneur

Dans une expérience connexe, les chercheurs de DeepMind ont utilisé un réseau de renforcement en profondeur pour contrôler un bras robotique virtuel au lieu du réseau de génération initiale (Ali Eslami et al., Ibid., p.5). Le GQN a d'abord été formé pour représenter ses observations. Ensuite, il s'est entraîné à contrôler le bras robotique synthétique.

Dans le futur, on peut imaginer qu'un vrai bras robotique remplacera le bras synthétique. Le "système d'actionnement final" deviendra ainsi une interface entre le monde virtuel et la réalité.

L'IA comme séquence entre les mondes

Généralisons maintenant notre compréhension du capteur et de l'actionneur, ou des interfaces pour l'entrée et la sortie de l'IA.

Insérer l'IA dans la réalité, c'est la considérer comme une séquence

Nous pouvons comprendre les processus impliquant des agents AI comme la séquence suivante.

Environnement -> détection de l'environnement (en fonction de la tâche) ->
réalisation d'une tâche -> production d'un résultat AI-intelligible -> expression du résultat en fonction de la tâche et de l'acteur en interaction

L'émergence de nouvelles activités

Cette séquence, ainsi que les détails sur l'actionneur GAN par exemple, montre qu'en réalité, plus d'un agent IA est nécessaire si l'on veut intégrer complètement l'IA dans la réalité. Ainsi, le développement d'agents IA performants impliquera de nombreuses équipes et laboratoires.

Envisager la chaîne de production du futur

En conséquence, de nouveaux types d'activités et de fonctions économiques pourraient émerger dans le domaine de l'IA. On pourrait notamment avoir l'assemblage de la bonne séquence opérationnelle. De même, la conception initiale de la bonne architecture, pour tous les types d'agents et de sous-domaines de l'IA, pourrait devenir une activité nécessaire.

Décomposer l'intégration de l'IA en séquence nous permet de commencer à comprendre la chaîne de production du futur. Nous pouvons ainsi imaginer la série d'activités économiques qui peuvent émerger et qui émergeront. Ces activités iront bien au-delà de l'accent mis actuellement sur les technologies de l'information ou l'analyse des consommateurs, ce que la plupart des premiers adeptes de l'IA semblent privilégier jusqu'à présent (Deloitte, "État des lieux du renseignement artificiel dans l'entreprise“, 2018).

La multiplication vertigineuse des possibilités

En outre, la personnalisation de la séquence d'IA pourrait être adaptée en fonction des besoins. On peut imaginer que divers systèmes d'actionneurs puissent être ajoutés à une séquence. Par exemple, une "représentation de scène" intelligible pour l'agent IA pour utiliser notre deuxième étude de cas pourrait être exprimée sous la forme d'un rendu visuel réaliste, d'un récit et d'un mouvement robotique. Nous sommes ici beaucoup plus proches de la façon dont une stimulation sensorielle déclencherait en nous, êtres humains, toute une gamme de réactions possibles. Cependant, par rapport au monde humain, si l'on ajoute le nuage, les différentes expressions de la "représentation de la scène" pourraient se situer n'importe où sur terre et dans l'espace, selon l'infrastructure de communication disponible.

Les possibilités et les combinaisons qu'elles impliquent sont étonnantes et vertigineuses. Et nous examinerons dans les prochains articles les incroyables possibilités qui sont créées.

Vers la nécessité de redéfinir la sécurité ?

Modifier notre réalité même

En termes de dangers, si nous en venons à nous fier uniquement ou principalement à un monde qui est perçu, compris, puis exprimé par une séquence d'IA, alors nous ouvrons également la porte à une altération de notre réalité qui pourrait être faite plus facilement que si nous utilisions nos propres sens. Par exemple, si l'on se fie à une séquence d'agents IA pour reconnaître et percevoir le monde extérieur à des kilomètres de l'endroit où nous nous trouvons, un problème involontaire ou une intention malveillante pourrait impliquer que nous recevons de mauvaises représentations visuelles de la réalité. Un arbre pourrait être placé là où il n'y a pas d'arbre. Par conséquent, une voiture qui se conduit seule, en essayant de l'éviter, pourrait sortir de la route. Le comportement des utilisateurs de cette même expression de la réalité aura un sens dans le monde de l'IA. Il sera cependant erratique en dehors de celui-ci.

Les acteurs pourraient créer des leurres d'une manière qui n'a jamais été envisagée auparavant. Imaginez Opération Fortitudel'opération par laquelle les alliés ont trompé les nazis pendant la Seconde Guerre mondiale concernant le lieu de l'invasion de 1944, organisée avec la puissance de multiples séquences AI.

En fait, c'est notre réalité même, telle que nous avons l'habitude de la voir exprimée par les photographies, qui peut être altérée d'une manière qui ne peut être saisie directement par nos sens visuels.

Briser la toile mondiale ?

Nous devons également tenir compte de la propagation de la propagande et de ce que l'on appelle aujourd'hui les "fausses nouvelles", et surtout du "faux Internet", comme l'a magistralement expliqué Max Read dans "Quelle est la part de l'Internet qui est fausse ? Il s'avère qu'une grande partie de l'Internet est fausse” (Intelligencer26 décembre 2018). En supposant que la propagation des signaux "Fake Everything" établisse une intention malveillante généralisée, alors l'ajout de la puissance des agents AI pourrait briser la toile mondiale. Les impacts seraient immenses. Pour éviter une telle catastrophe, les acteurs devront concevoir des réglementations très strictes et favoriser et diffuser de nouvelles normes.

L'intelligence artificielle redéfinit complètement la façon dont la sécurité peut être violée et doit donc être défendue.

Intégrer les agents AI en fonction des différentes réalités : Virtuel et matériel virtuel

Du virtuel au virtuel

Lorsque l'environnement de l'agent IA et les autres acteurs sont virtuels, la séquence est - jusqu'à un certain point - plus facile à construire. En effet, tout se passe dans un monde d'une nature unique.

Cependant, la peur et le besoin de savoir impliqueront très probablement que les êtres humains voudront contrôler les différents points de la séquence. Ainsi, des moyens de traduire le monde virtuel en quelque chose d'au moins perceptible par les humains seront probablement introduits. Cela augmentera la complexité du développement.

Du virtuel au matériel

Lorsque l'environnement est réel et que des interactions ont lieu entre un agent IA et des êtres humains, la séquence devient beaucoup plus complexe. Les interfaces jumelles doivent en effet devenir des ponts entre deux types de monde différents, le numérique et le réel.

En fait, si l'on examine sous cet angle l'écosystème de l'apprentissage profond et son évolution depuis 2015, les chercheurs ont consacré une grande partie de leurs efforts initiaux à créer des agents AI capables de "faire une tâche" (jouer, trier, étiqueter, etc.). Parallèlement, les scientifiques ont d'abord développé des moyens de rendre le monde réel intelligible aux agents IA. Dans l'intervalle, les systèmes d'actionneurs développés deviennent intelligibles pour les humains, mais ils restent néanmoins pour la plupart virtuels.

Le retard dans l'expression du monde virtuel dans le monde réel - Les agents AI visuels

Par exemple, le monde réel est traduit en photographies numériques, que l'agent IA reconnaît grâce à des algorithmes d'apprentissage profond. L'IA va les trier ou les étiqueter de manière à ce que les êtres humains les comprennent. Par exemple, les êtres humains comprennent facilement les mots, ou les images affichées sur un écran, qui sont le résultat de la partie actionneur de la séquence. Pourtant, ce résultat reste virtuel. Si nous voulons l'améliorer encore, nous devons créer et utiliser d'autres dispositifs pour améliorer ou faciliter l'interface du virtuel au réel. La reconnaissance d'objets procède de manière similaire.

En ce qui concerne les efforts liés à l'IA visuelle, on peut se demander si nous n'avons pas progressé davantage dans la manière de donner une vision aux agents de l'IA que dans l'utilisation de cette vision d'une manière suffisamment utile aux êtres humains dans le monde réel.

Du virtuel au réel, la perception est-elle plus avancée que l'expression ?

Un processus similaire est à l'œuvre en Chine avec la reconnaissance sonore (Joseph Hincks, "La Chine est en train de créer une base de données des voix de ses citoyens pour renforcer sa capacité de surveillance : Rapport“; Heure23 octobre 2017). L'analyse des données est également un moyen d'expliquer aux agents d'IA ce que sont les internautes, selon différents critères. Des capteurs collectant des données par exemple à partir de pipelines (par exemple (Maria S. Araujo et Daniel S. Davila, "L'apprentissage machine améliore la surveillance du pétrole et du gaz", 9 juin 2017, Parler de l'IdO dans l'énergie" ;Jo Øvstaas, "Données et apprentissage automatique pour la prédiction de la corrosion des pipelines", 12 juin 2017, DNV GL) ou du vol d'un avion, ou de quoi que ce soit d'autre, sont des moyens de rendre le monde intelligible à un algorithme de conception spécifique.

Pourtant, avons-nous fait des progrès similaires dans le développement d'actionneurs qui font l'interface entre le monde virtuel de l'agent IA et la réalité des êtres humains ? Se pourrait-il aussi que nous ayons amélioré toute la séquence mais que les progrès restent limités au monde virtuel ? Dans tous les cas, quels sont les impacts en termes de sécurité, de politique et de géopolitique ?

C'est ce que nous verrons ensuite, en examinant plus particulièrement l'Internet des objets, des robots et des êtres humains, en tant que systèmes d'actionnement potentiels de l'IA.


*Au départ, j'ai utilisé le mot "expressor" au lieu du mot adéquat, "actuator". Grâce à Teeteekay Ciar pour l'avoir aidé à le découvrir.

Image en vedette : Graphique de l'armée américaine par Sonya Beckett, CERDEC NVESD - Domaine public - De Aris Morris, 9 janvier 2018, Magazine ALT de l'arméeScience et technologie.

Analyse stratégique de prospective et d'alerte

La prospective et l'alerte stratégiques (SF&W) est à la fois processus ou la phase d'alerte précoce et l'analyse.

Par analyse SF&W, nous entendons toutes les méthodologies et questions connexes permettant de développer une compréhension ancrée dans la réalité qui générera les meilleurs produits d'anticipation, utiles aux décideurs et aux responsables politiques pour mener à bien leur mission (pour trouver votre chemin parmi la myriade de labels donnés aux activités d'anticipation, voir Renseignement, prospective et alerte stratégique, gestion des risques, prévision ou futurisme ? (Accès libre/gratuit) et Quand la gestion des risques rencontre la SF&W).

La méthode d'analyse plus large de la science et de la technologie peut être considérée comme les étapes suivantes, avec l'utilisation de diverses méthodologies, notamment pour faire face aux défis spécifiques de chaque étape :

Méthodologie analytique de la prospective et de l'alerte stratégique, analyse prospective, scénarios

Une bonne bibliographie est une partie typique de ce qui est impliqué dans l'étape 1, à laquelle il faut ajouter un balayage continu comme ce qui est fait avec le Red (Team) Analysis Weekly. A une discussion plus détaillée des étapes 1 et 6 se trouvent dans la section "Scan & Monitor".

Un résumé de la méthodologie utilisée pour les deuxième et troisième étapes est présenté ici avec la cartographie des réseaux dynamiques partie I & partie IIsuivi par Déterminer les critères : une analyse d'influence revisitée; Variables, valeurs et cohérence dans les réseaux dynamiqueset enfin Construire le récit d'un scénario de prospective avec Ego Networks.

Les chroniques d'Everstate sont une première expérience qui illustre une façon de cartographier un problème et la façon dont les réseaux d'ego peuvent être utilisés pour élaborer des récits. Notre cours en ligne, Du processus à la création de votre modèle analytique... se concentre sur la création du modèle, donc sur la partie la plus fondamentale de ces étapes..

Des exemples de scénarios et de leurs indicateurs sont donnés pour Syrie et Libye. En outre, en ce qui concerne la Libye, nous détaillons la méthodologie pour évaluer la probabilité de chaque scénario. Un autre exemple du récit peut être trouvé ici.

Ces étapes sont également abordées dans la section Évaluer les futures menaces pour la sécuritéNous y partageons nos dernières idées et prévisions en matière de méthodologie, en utilisant comme études de cas des questions géopolitiques mondiales, des risques et des incertitudes spécifiques.

La partie publique de notre suivi - étape 6 - est effectuée pour diverses questions par Les Sigilsainsi qu'à travers L'hebdomadaire(accès libre/gratuit) Vous pouvez également trouver le suivi au travail dans notre Radar (Accès libre/gratuit). En outre, ces indications en situation réelle permettent de vérifier la validité des scénarios et de mettre à jour le modèle utilisé pour chaque question, si nécessaire.

Enfin, le suivi est nécessaire - sinon crucial - pour identifier les nouveaux problèmes émergents (le retour d'information sur l'étape 1).

Visualiser les étapes pour prévoir l'avenir et s'y préparer

La prévision et l'alerte stratégiques ou, plus largement, l'anticipation est un processus progressif visant à anticiper l'avenir de manière à pouvoir agir.

Le processus de type idéal graphique présenté ci-dessous est le résultat de plus d'une décennie de travail avec et sur les systèmes d'anticipation, des systèmes d'alerte précoce pour prévenir les conflits pour les agences d'aide à l'alerte stratégique et à la prospective stratégique avec les agences et les praticiens de la sécurité et du renseignement. Il tient également compte de la recherche par le biais de rapports commandés et de l'enseignement sur le sujet.

Il est plus particulièrement adapté à la sécurité mondiale, aux risques extérieurs, aux risques et incertitudes politiques et géopolitiques. En effet, le processus recommandé s'appuie sur plus de vingt ans d'expérience dans l'administration centrale et dans la recherche dans les domaines de la guerre, des relations internationales, des sciences politiques, de l'analyse et de la planification politique.

Prospective, alerte, processus, prospective stratégique et alerte

L'architecture du site web du Red Team Analysis Society est construite selon ce processus. Chaque section s'efforce progressivement de relever les différents défis rencontrés à chaque étape, d'expliquer et d'appliquer diverses méthodologies et outils possibles, et enfin de fournir des produits réels de prévision et d'alerte stratégiques.

Voir aussi :

———

Image en vedette : Stanley Kubrick expose au EYE Filminstitut Netherlands, Amsterdam - The War Room (Dr. Strangelove ou : Comment j'ai appris à ne plus m'inquiéter et à aimer la bombe) - Par Marcel Oosterwijk d'Amsterdam, Pays-Bas [CC-BY-SA-2.0 (http://creativecommons.org/licenses/by-sa/2.0)], via Wikimedia Commons

Méthodologie de la prospective stratégique

Par méthodologie de la prospective stratégique, nous entendons cette partie de l'approche générale. méthodologie de prospective stratégique et d'alerte qui se concentre sur l'analyse prospective. En d'autres termes, il s'agit de la méthode générale sans la partie " alerte ". Elle consiste donc à :

  • Définir la question
  • Étape 1 : Phase exploratoire
  • Étape 2 - La création du modèle pour SF&W : cartographie des réseaux dynamiques partie I & partie II. Voir aussi notre cours en ligne pour cette partie.
  • Étape 3 - Élaboration de scénarios
  1. Déterminer les critères : une analyse d'influence revisitée;
  2. Variables, valeurs et cohérence dans les réseaux dynamiques;
  3. Construire le récit d'un scénario de prospective avec Ego Networks: Cette méthodologie a été expérimentée avec le Chroniques de l'exagération - Il peut être utilisé comme un guide et une solution de repli au cas où l'analyste rencontrerait un obstacle dans le développement de son récit. Cependant, d'un point de vue pratique, la construction d'un récit complet à l'aide d'un réseau d'ego risque d'être trop laborieuse pour qu'un analyste l'utilise systématiquement. Si l'intelligence artificielle devait être appliquée à la SF&W, alors, peut-être, pourrait-elle bénéficier de l'approche du réseau d'ego.
FR