Pendant ce temps, les acteurs, tant publics que priv\u00e9s, doivent constamment innover et financer les bons programmes de recherche scientifique et technologique. Ils doivent investir dans la prochaine technologie cl\u00e9 et l'adopter suffisamment t\u00f4t pour s'assurer de ne pas prendre de retard dans la course technologique. <\/p>\n\n\n\n
Nous devons donc suivre l'innovation et les \u00e9volutions technologiques. Mais ceci n'est qu'un pr\u00e9requis. Nous devons \u00e9galement \u00eatre capables de faire le tri parmi ces nombreuses \"nouvelles technologies\" et identifier, le plus t\u00f4t possible, celles qui seront essentielles pour l'avenir. Si nous investissons dans la mauvaise technologie, de la mauvaise mani\u00e8re ou au mauvais moment, les cons\u00e9quences risquent d'\u00eatre n\u00e9gatives. <\/p>\n\n\n\n
Avec cette s\u00e9rie d'articles, nous r\u00e9pondrons \u00e0 la premi\u00e8re de ces pr\u00e9occupations : quelles nouvelles technologies pourraient \u00eatre cl\u00e9s pour le futur ? <\/p>\n\n\n\n
Comme nous sommes \u00e0 un niveau g\u00e9n\u00e9rique, nous ne pr\u00e9ciserons pas, pour l'instant, exactement \"quand dans le futur\". <\/p>\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/safe-2.jpg\")
Comment pouvons-nous identifier les nouvelles technologies qui deviendront essentielles dans le futur ?<\/h2>\n<\/div><\/div>\n\n\n\n
Avec ce premier article, nous allons construire un mod\u00e8le sch\u00e9matique qui nous permettra de comprendre pourquoi nous avons besoin de technologies. En effet, ce n'est que si nous pouvons trouver une logique derri\u00e8re le succ\u00e8s ou l'\u00e9chec des nouvelles technologies que nous pouvons esp\u00e9rer identifier les technologies cl\u00e9s de demain.<\/p>\n\n\n\n
Nous commen\u00e7ons par examiner un scan d\u00e9j\u00e0 disponible, de qualit\u00e9, des nouvelles technologies actuelles, et nous l'utilisons comme \u00e9tude de cas. Nous testons ensuite la capacit\u00e9 de ce scan \u00e0 identifier les futures technologies cl\u00e9s et nous mettons en \u00e9vidence les difficult\u00e9s qui lui sont li\u00e9es. Ainsi, nous soulignons ce qui manque dans cette approche pour nous permettre de r\u00e9pondre \u00e0 notre question. Enfin, sur la base de ces r\u00e9sultats, nous commen\u00e7ons \u00e0 construire un premier mod\u00e8le sch\u00e9matique qui nous permettra d'identifier les futures technologies cl\u00e9s.<\/p>\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/safe-2-1194x941.jpg\")
Un scan complet classique<\/h3>\n<\/div><\/div>\n\n\n\n
Munich-Re, en collaboration avec ERGO IT Strategy, nous fournit un scan annuel tr\u00e8s utile, le Tech Trend Radar<\/a> (ci-apr\u00e8s \"Radar<\/em>\"), qui vise \u00e0 sensibiliser aux \" tendances cl\u00e9s \" du secteur des nouvelles technologies. Les auteurs se concentrent sur les technologies qui sont particuli\u00e8rement pertinentes pour le secteur de l'assurance. N\u00e9anmoins, \u00e9tant donn\u00e9 l'ampleur des int\u00e9r\u00eats des compagnies d'assurance, leur scan est pertinent pour de nombreux secteurs et excellent pour un aper\u00e7u g\u00e9n\u00e9ral et complet des nouvelles technologies actuelles. <\/p>\n\n\n De plus, la c\u00e9l\u00e8bre compagnie de r\u00e9assurance a commenc\u00e9 son tech scan en 2015 et dispose donc d'une collection de 6 radars annuels, lesquels pourraient donc nous donner de la profondeur si jamais nous avions besoin de profondeur historique.<\/p>\n\n\n\n La m\u00e9thodologie utilis\u00e9e pour le \"Radar<\/em>\"est fond\u00e9e sur la compilation de tendances, lesquelles sont ensuite pass\u00e9es au crible selon quatre r\u00e8gles \"pour d\u00e9finir les tendances les plus pertinentes class\u00e9es en quatre domaines primaires\" (Tech Trend Radar 2020<\/a>, p.62). Ces r\u00e8gles sont notamment inspir\u00e9es une m\u00e9thode de management, le mod\u00e8le \"Run-Grow-Transform\" (RGT) (Ibid., mod\u00e8le RGT adapt\u00e9 \u00e0 l'informatique par Hunter et al, Gartner Research, 2008). <\/p>\n\n\n\n Tout d'abord, Munich-Re et Ergo Tech Trend Radar 2020 pr\u00e9sentent leurs r\u00e9sultats tri\u00e9s selon \"quatre champs de tendances\" (Tech Trend Radar 2020<\/a> et 2019<\/a>): <\/p>\n\n\n\n (Cliquez sur l'image pour acc\u00e9der au document de Munich-Re)<\/p>\n<\/div> Munich-Re et Ergo trient ensuite les champs de tendances en fonction de la maturit\u00e9\/du degr\u00e9 d'adoption de chaque technologie, ce qui leur permet de donner des conseils d\u00e9taill\u00e9s sur ce qu'il convient de faire avec cette technologie.<\/p>\n<\/div> Nous avons donc 52 technologies d'int\u00e9r\u00eat, dont 10 sont consid\u00e9r\u00e9es comme nouvelles pour 2020.<\/p>\n\n\n\n Parmi ces 52 technologies, quelles sont ou plut\u00f4t seront les technologies cl\u00e9s ou les plus importantes dans le futur ? Comment pouvons-nous le savoir ? <\/p>\n\n\n\n En outre, comment pouvons-nous \u00eatre certains que toutes les futures technologies cl\u00e9s sont pr\u00e9sentes ? Pourrait-il nous manquer une technologie cl\u00e9, ou plusieurs technologies cl\u00e9s ? <\/p>\n\n\n\n Par exemple, l'\"agriculture de pr\u00e9cision\" - \u00e9galement appel\u00e9e \"agriculture intelligente\" - est une nouveaut\u00e9 pour le Radar<\/em> 2020 et ne figurait pas dans la version 2019 (Ibid.). <\/p>\n\n\n\n Pourtant, une entreprise comme Deere & Company a d\u00e9j\u00e0 commenc\u00e9 \u00e0 se pr\u00e9parer \u00e0 l'agriculture intelligente au moins en 2017 (H\u00e9l\u00e8ne Lavoix, L'intelligence artificielle, l'internet des objets et l'avenir de l'agriculture : S\u00e9curit\u00e9 de l'agriculture intelligente ? partie 1<\/a> et partie 2<\/a>, The Red Team Analysis Society<\/em>, 2019). L'int\u00e9r\u00eat et les investissements dans ce domaine ont augment\u00e9 en 2018, puis en 2019 (Ibid.). Ainsi, le \"Radar<\/em>\"a trois ans de retard. Si nous avions utilis\u00e9 le \"Radar\" de 2019, nous serions pass\u00e9s enti\u00e8rement \u00e0 c\u00f4t\u00e9 d'une technologie, probablement cl\u00e9 pour l'avenir.<\/p>\n\n\n\n De m\u00eame, \"DeepFake Defence\" entre dans le \"Radar<\/em>\"en 2020, dans le domaine \"Centricit\u00e9 de l'utilisateur\". <\/p>\n\n\n\n Cependant, le nom de \"deep fake\" est apparu en 2017 pour exprimer la pr\u00e9occupation concernant les falsifications impliquant l'intelligence artificielle (IA) (Laurie A. Harris, \"Deep Fakes and National Security<\/a>\u201c, Congressional Research Service<\/em>, mis \u00e0 jour le 7 mai 2021, 3\u00e8me version). L'agence am\u00e9ricaine Defense Advanced Research Projects Agency (DARPA) dispose de deux programmes ax\u00e9s sur la lutte contre les Deep Fakes. Le premier, Media Forensics<\/a> (MediFor) a d\u00e9but\u00e9 en 2016 et le second Semantic Forensics<\/a> (SemaFor) en 2019. <\/p>\n\n\n\n Ainsi, l\u00e0 encore, le \"Radar<\/em>\" est en retard, pour notre objectif d'identification d'une tendance cl\u00e9.<\/p>\n\n\n\n Pendant ce temps, les Deep Fakes sont le plus souvent fond\u00e9s sur les r\u00e9seaux antagonistes g\u00e9n\u00e9ratifs (generative adversarial networks - GANs), effectivement identifi\u00e9s dans le \"Radar\", en IA cette fois. Les GANs sont entr\u00e9s dans le \"Radar<\/em>\"en 2019 (Ibid.)<\/p>\n\n\n\n Le r\u00e9seau antagoniste g\u00e9n\u00e9ratif (generative adversarial network - GAN) a \u00e9t\u00e9 invent\u00e9 en 2014. Les GANs regroupent, seuls, des objets, trouvant des \"concepts\" : des pixels arbres avec des pixels arbres, des portes avec des portes, etc. (par exemple, Gan Paint).<\/p>\n<\/div> L'incroyable qualit\u00e9 des images g\u00e9n\u00e9r\u00e9es, qui n'existent pas dans la r\u00e9alit\u00e9, ouvre la porte \u00e0 des possibilit\u00e9s inimaginables auparavant. Ces images peuvent avoir des applications n\u00e9gatives, pour la falsification par exemple. Elles peuvent aussi d\u00e9boucher sur des usages constructifs pour de nombreuses autres activit\u00e9s, comme l'urbanisme, l'architecture, le cin\u00e9ma, la mode, etc. (voir aussi H\u00e9l\u00e8ne Lavoix, Ins\u00e9rer l'intelligence artificielle dans la r\u00e9alit\u00e9<\/a>, The Red Team Analysis Society<\/em>, janvier 2019).<\/p>\n<\/div> L'identification des GANs aurait donc d\u00fb conduire \u00e0 s'int\u00e9resser \u00e0 leur utilisation, bonne et mauvaise, d\u00e8s la d\u00e9couverte de la nouvelle technologie GAN. En outre, la classification de deux \"tech\" apparent\u00e9es dans des cat\u00e9gories diff\u00e9rentes - m\u00eame si ces cat\u00e9gories sont appel\u00e9es \"domaines\" - peut cr\u00e9er des probl\u00e8mes, comme nous le verrons plus loin.<\/p>\n\n\n\n Bien s\u00fbr, seuls ceux qui ne font rien ne font pas d'erreurs. Pourtant, si certaines technologies ont \u00e9t\u00e9 d\u00e9tect\u00e9es tardivement, alors une m\u00e9thodologie similaire \u00e0 celle employ\u00e9e pour le \"Radar<\/em>\" pourrait nous conduire \u00e0 manquer maintenant une autre technologies pour le futur ?<\/p>\n\n\n\n Quelle pourrait \u00eatre la nouvelle technologie importante oubli\u00e9e ? Nous pourrions changer nos sources, et en choisir de meilleures et plus \u00e9tendues. Mais, cela serait-il suffisant ? Comment le saurions-nous ?<\/p>\n\n\n\n Pouvons-nous identifier ce qui manque ou ce qui peut \u00eatre am\u00e9lior\u00e9 lorsque nous utilisons une approche telle que celle utilis\u00e9e pour la \"Radar<\/em>\u201c ?<\/p>\n\n\n\n Le \"Radar<\/em>\"que nous utilisons ici comme \u00e9tude de cas, nous pr\u00e9sente une longue liste de technologies class\u00e9es dans des cat\u00e9gories appel\u00e9es \"domaines de tendance\". Mais nous ne savons pas exactement comment et pourquoi ces \"domaines de tendances\" sont choisis. <\/p>\n\n\n\n Les cat\u00e9gories sont utilis\u00e9es dans le processus de classification et en r\u00e9sultent, la classification \u00e9tant une fonction cognitive fondamentale pour le cerveau (Fabrice Bak, 2013 : 107-113). En effet, \" la cat\u00e9gorisation est un processus par lequel les gens donnent un sens aux choses en \u00e9laborant sur des similarit\u00e9s et des diff\u00e9rences \" (McGarty, Mavor, & Skorich, 2015). Le plus haut niveau de cat\u00e9gorisation est hi\u00e9rarchique (organis\u00e9 comme un arbre) et appel\u00e9 taxonomie ou classification hi\u00e9rarchique. En termes classiques, les cat\u00e9gories doivent \u00eatre clairement d\u00e9finies (quels crit\u00e8res sont n\u00e9cessaires pour qu'un \u00e9l\u00e9ment fasse partie ou non de la cat\u00e9gorie), mutuellement exclusives (un \u00e9l\u00e9ment ne peut appartenir qu'\u00e0 une seule cat\u00e9gorie) et totalement exhaustives (toutes les cat\u00e9gories ensemble repr\u00e9sentent l'ensemble pour lequel les cat\u00e9gories sont construites) (OCDE,\"Classification<\/a>\", utilisant le \u201cUnited Nations Glossary of Classification Terms\u201d prepared by the Expert Group on International Economic and Social Classifications; unpublished on paper).<\/p>\n\n\n\n L'exemple arch\u00e9typal d'une taxonomie est la classification des plantes, des animaux et des min\u00e9raux par Linn\u00e9 (Regnum Animale<\/em>, Regnum Vegetabile<\/em> et Regnum Lapideum<\/em>), selon diff\u00e9rentes classes, un travail qu'il commen\u00e7a avec son Species Plantarum<\/em><\/a>, publi\u00e9 en 1753 et qui se poursuivi tout au long de sa vie (cf. sa bibliographie<\/a>). En s'appuyant sur les travaux de Linn\u00e9, les organismes sont maintenant organis\u00e9s selon les taxonomies inclusives suivantes, c'est \u00e0 dire du plus inclusif au moins inclusif : Royaume, Phylum, Classe, Ordre, Famille, Genre, Esp\u00e8ce et Souche. <\/p>\n\n\n\n Maintenant, si nous regardons les \"champs de tendance\" utilis\u00e9s dans le \"Rada<\/em>r\", ce que nous observons, c'est qu'ils ne respectent aucune des sp\u00e9cificit\u00e9s qu'une cat\u00e9gorie devrait avoir : <\/p>\n\n\n\n 1- Ils ne sont pas bien d\u00e9finis<\/strong>. Il n'existe pas de crit\u00e8re permettant de classer facilement un \u00e9l\u00e9ment dans un \"champ de tendances\" ou un autre. Par exemple, les diff\u00e9rents types d'AI ne sont-ils pas \u00e9galement des technologies habilitantes ? <\/p>\n\n\n\n 2- Ils ne s'excluent pas mutuellement<\/strong>En d'autres termes, certains \u00e9l\u00e9ments peuvent appartenir \u00e0 deux ou plusieurs \"champs de tendances\" : La 5 G est habilitante et fait \u00e9galement partie du monde connect\u00e9 ; les textiles intelligents<\/a> appartiennent au champs \"centricit\u00e9 de l'utilisateur\" et peuvent \u00eatre consid\u00e9r\u00e9es comme faisant partie des mat\u00e9riaux programmables<\/a>; l'IA est essentiellement \"enabling\" en ce qui concerne les \"choses autonomes\" et l'agriculture de pr\u00e9cision comme nous l'avons vu, etc.<\/p>\n\n\n\n 3- Ils ne sont probablement pas exhaustifs<\/strong>, ce qui cr\u00e9e le probl\u00e8me de ne pas savoir si nous n'avons pas manqu\u00e9 quelque chose. <\/p>\n<\/div> Les quatre \"champs de tendances\", ici, semblent \u00eatre principalement des habitudes de pens\u00e9e, des noms existants ou des cat\u00e9gories disparates, qui permettent aux lecteurs et aux utilisateurs d'identifier rapidement et facilement les nouvelles technologies s\u00e9lectionn\u00e9es par le \"Radar\". <\/p>\n\n\n\n Dans notre \u00e9tude de cas, Munich-Re et Ergo trient ensuite la premi\u00e8re \"proto-cat\u00e9gorisation\" en fonction d'une deuxi\u00e8me cat\u00e9gorisation : la maturit\u00e9\/le degr\u00e9 d'adoption de la technologie. <\/p>\n\n\n\n Cette seconde cat\u00e9gorisation semble correcte en termes des r\u00e8gles devant \u00eatre respect\u00e9es pour obtenir la qualit\u00e9 de cat\u00e9gorie. Pourtant, les crit\u00e8res utilis\u00e9s pour construire la seconde cat\u00e9gorie restent tourn\u00e9s vers l'int\u00e9rieur. Il manque un \u00e9l\u00e9ment explicatif dynamique li\u00e9 \u00e0 notre pr\u00e9occupation. Nous ne pouvons pas savoir ce qui va fonctionner ou non, car nous ne disposons pas d'une logique qui explique le succ\u00e8s futur des technologies.<\/p>\n\n\n\n Ce dont nous avons besoin, c'est d'un mod\u00e8le qui explique sch\u00e9matiquement le but des technologies, pourquoi nous les utilisons, pourquoi elles sont importantes pour nous, \u00eatres humains. Si nous comprenons, m\u00eame sch\u00e9matiquement, cette logique, nous pouvons alors envisager les technologies qui seront essentielles dans le futur.<\/p>\n\n\n\n Racontons l'histoire - ou une histoire - des \u00eatres humains et des technologies.<\/p>\n\n\n\n Nous avons une plan\u00e8te, peupl\u00e9e d'individus.<\/p>\n<\/div> Chaque individu vivant sur la plan\u00e8te Terre a des besoins, comme l'explique Maslow (Abraham Maslow, Motivation et personnalit\u00e9,<\/em> 1954, 1987).<\/p>\n<\/div> En fait, sur la plan\u00e8te, nous avons des foules d'individus, vivant dans diff\u00e9rents types d'habitations. Chaque foule est organis\u00e9e en soci\u00e9t\u00e9. <\/p>\n<\/div> Une soci\u00e9t\u00e9 implique que la coordination sociale doit fonctionner. La coordination sociale s'exprime selon trois composantes (Barrington Moore, Injustice: Social bases of Obedience and Revolt<\/em>, 1978): <\/p>\n\n\n\n Pour satisfaire les besoins de coordination sociale, certaines t\u00e2ches ou actions doivent \u00eatre r\u00e9alis\u00e9es.<\/p>\n<\/div> Ces t\u00e2ches ou actions seront impact\u00e9es, rendues possibles ou non, facilit\u00e9es ou non, par certaines conditions et par l'environnement.<\/p>\n<\/div> C'est l\u00e0 que naissent les technologies, pour faciliter et am\u00e9liorer toutes ces actions.<\/p>\n<\/div> Ainsi, nous pouvons supposer que les technologies qui seront essentielles pour l'avenir seront toutes celles qui nous aideront efficacement \u00e0 satisfaire les besoins des individus et des soci\u00e9t\u00e9s. Au cours du temps, les actions requises pour satisfaire ces besoins deviennent de plus en plus complexes, et ce, en raison des actions pr\u00e9c\u00e9dentes - y compris la cr\u00e9ation et l'utilisation des technologies pr\u00e9c\u00e9dentes - et de leur impact sur l'environnement, et donc sur les conditions de ces actions. L'\u00e9volution des besoins r\u00e9sultant de ce processus contribue \u00e9galement \u00e0 rendre les actions et les t\u00e2ches plus complexes.<\/p>\n<\/div> Nous disposons d\u00e9sormais d'un mod\u00e8le qui nous permettra de d\u00e9terminer quelles technologies sont les plus susceptibles de devenir clefs dans le futur, comme nous le verrons dans la partie suivante<\/a>.<\/p>\n\n\n\n Images en vedette : Vaisseau spatial et plan\u00e8te, et Safe by Reimund Bertrams<\/a> de Pixabay<\/a> \/ Domaine public.<\/p>\n\n\n\n Chappellet-Lanier, Tajha, \"La DARPA veut s'attaquer aux \"deepfakes\" gr\u00e2ce \u00e0 la criminalistique s\u00e9mantique<\/a>\u201c, Fedscoop<\/em>Le 7 ao\u00fbt 2019.<\/p>\n\n\n\n Diamond, Jared Armes \u00e0 feu, germes et acier : Le destin des soci\u00e9t\u00e9s humaines<\/em>(W. W. Norton : 1997) ; <\/p>\n\n\n\n Goodfellow, Ian ; Pouget-Abadie, Jean ; Mirza, Mehdi ; Xu, Bing ; Warde-Farley, David ; Ozair, Sherjil ; Courville, Aaron ; Bengio, Yoshua, \"R\u00e9seaux adversariaux g\u00e9n\u00e9ratifs<\/a>\u201c, Compte rendu de la Conf\u00e9rence internationale sur les syst\u00e8mes de traitement de l'information neuronale<\/em> (NIPS), 2014.<\/p>\n\n\n\n Harris, Laurie A., \"Deep Fakes and National Security<\/a>\u201c, Congressional Research Service<\/em>, mis \u00e0 jour le 7 mai 2021, 3\u00e8me version<\/p>\n\n\n\n Hunter R. et al., \"A Simple Framework to Translate IT Benefits into Business\" (Un cadre simple pour traduire les avantages des technologies de l'information en activit\u00e9s commerciales). Lavoix, H\u00e9l\u00e8ne, Ins\u00e9rer l'intelligence artificielle dans la r\u00e9alit\u00e9<\/a>, The Red Team Analysis Society<\/em>janvier 2019.<\/p>\n\n\n\n McGarty, Craig, et al, \"Social Categorization\", in Encyclop\u00e9die internationale des sciences sociales et comportementales<\/em>, d\u00e9cembre 2015, DOI : , 10.1016\/B978-0-08-097086-8.24091-9<\/a><\/p>\n\n\n\n Maslow, Abraham, Motivation et personnalit\u00e9,<\/em> (Londres, Harper & Row, 1954, 1987) ; <\/p>\n\n\n\n Moore, B., Injustice: Social bases of Obedience and Revolt<\/em>(Londres : Macmillan, 1978).<\/p>\n\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slide-6.001-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slide-7-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\nMais quelles sont celles qui seront cl\u00e9s dans le futur ?<\/h3>\n<\/div><\/div>\n\n\n\n
Peut-on utiliser cette approche pour la prospective ?<\/h4>\n\n\n\n
Le cas de l'agriculture de pr\u00e9cision<\/h5>\n\n\n\n
Le cas du \"Deep Fake\", issu des r\u00e9seaux adversaires g\u00e9n\u00e9ratifs (GAN)<\/h5>\n\n\n\n
Les GANs font partie de l'apprentissage non supervis\u00e9 (Unsupervised Learning - UL) : la capacit\u00e9 d'une machine \u00e0 trouver des structures sous-jacentes \u00e0 partir de donn\u00e9es non \u00e9tiquet\u00e9es.<\/p>\n<\/div>![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-GANs.001-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-GANs.002-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-GANs.003-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\nLe probl\u00e8me des listes \u00e0 la Pr\u00e9vert <\/h4>\n\n\n\n
Cat\u00e9gories<\/h5>\n\n\n\n
Pas de vraies cat\u00e9gories<\/h5>\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slide-5.001-1568x882.jpeg\")
<\/a><\/figure><\/div>\n\n\n\nCat\u00e9gories statiques<\/h5>\n\n\n\n
Vers un mod\u00e8le permettant de comprendre ce qui rend des technologies cl\u00e9s<\/h3>\n<\/div><\/div>\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/futur-tech-RTAS-article.001-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/futur-tech-RTAS-article.002-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/futur-tech-RTAS-article.003-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n\n
![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slide-16.001-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-18-to-24-new.001-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-18-to-24-new.002-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-18-to-24-new.003-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n![\"\"](\"https:\/\/redanalysis.org\/wp-content\/uploads\/2021\/05\/slides-18-to-24-new.004-1568x882.jpeg\")
<\/figure><\/div>\n\n\n\n
\n\n\n\nBibliographie<\/h2>\n\n\n\n
\n\n\n\n
Value Impact\", Gartner Research, 16 mai 2008.<\/p>\n\n\n\n