L’amélioration des modèles pourrait-elle passer par l’intelligence artificielle ? Notamment pour produire des scénarios dans un nombre important de territoires ?
N. C. : Il existe plusieurs manières d’intégrer l’intelligence artificielle dans les modèles. On peut, par exemple, remplacer certains sous-modèles économétriques classiques par des modèles d’IA pour prédire les choix individuels, ou utiliser ces techniques pour accélérer le calibrage. Un autre usage intéressant concerne les métamodèles : lorsqu’un modèle multi-agents est très lourd et long à faire tourner, l’IA peut servir à en produire une version simplifiée capable de donner des ordres de grandeur plus rapidement, quitte à revenir ensuite au modèle complet pour des résultats précis. La question décisive reste celle de la traçabilité. Dans les modèles économiques traditionnels, on peut expliquer étape par étape comment une hypothèse influence le résultat. Avec certaines approches d’IA, on dispose d’un input et d’un output, mais il devient plus difficile de retracer ce qui se passe entre les deux. Or, dans un contexte d’aide à la décision de long terme, la capacité à expliquer les mécanismes compte beaucoup. La puissance publique a besoin de comprendre et comparer les résultats, c’est pourquoi l’intégration de l’IA se fait avec prudence, en fonction du recul et de l’expérience accumulés. De la même manière que les nouveaux modèles développés actuellement viennent en complémentarité des existants.
« Il existe plusieurs manières d’intégrer l’intelligence artificielle dans les modèles. »
Comment s’articule la recherche académique avec les attentes de la puissance publique ?
N. C. : Le rôle du chercheur n’est pas de fixer les priorités politiques. Les objectifs relèvent du décideur. Notre responsabilité porte sur la manière dont nous répondons à la question posée : mobiliser les méthodes les plus solides, explorer les scénarios pertinents et analyser leurs effets. Il peut arriver que certains résultats soient difficiles à entendre. Dans ces cas-là, la responsabilité académique consiste à maintenir l’intégrité des travaux et à publier les résultats tels qu’ils sont, sans les édulcorer. La relation n’est pas totalement symétrique : le chercheur peut avoir intérêt à coopérer avec l’acteur public, mais son obligation première reste la production d’une connaissance rigoureuse. La complémentarité fonctionne lorsque chacun est dans son rôle : le décideur définit les orientations, le chercheur éclaire les conséquences.
J.-F. M. : La Société des grands projets occupe une position particulière : sur le Grand Paris Express comme sur les SERM, son seul intérêt est la réussite d’un projet, réussite devant être entendue comme la réalisation dans les coûts et les délais, mais également comme la satisfaction des besoins auxquels le projet se donne l’ambition de répondre. La Société des grands projets intervient en tiers de confiance, et pose des bases communes pour organiser un dialogue entre partenaires à partir de diagnostics et critères partagés, afin de privilégier les solutions les plus adaptées, réalistes et économes. À cet égard, l’expertise académique est doublement utile dans le rôle « d’opérateur chargé des SERM » confié à la Société des grands projets : elle éclaire sa méthode de travail et apporte une distance critique concourant à crédibiliser les résultats qu’elle obtient à l’issue de ses travaux, le tout afin de sécuriser la prise de décision. Elle permet d’objectiver les hypothèses, de tester les scénarios et de présenter de façon précise et exhaustive les attentes générées par les choix politiques et techniques.
