NFP: « Toutes nos dépenses seront financées » … par l’impôt nouveau et l’endettement

NFP: « Toutes nos dépenses seront financées » ( Castets )… par l’impôt nouveau et l’endettement

 

 

Sur BFM, la candidate du nouveau Front populaire de gauche au poste de premier ministre a affirmé que toutes les dépenses prévues par son programme seront financées mais en oubliant de préciser que pour l’essentiel il s’agit d’augmenter encore la fiscalité et de peser sur la compétitivité et le pouvoir d’achat. L’intéressée n’a guère été convaincante à propos de sa responsabilité dans le déficit abyssal de la Ville de Paris dont elle était en charge. « Il s’agit d’investissements » a -telle déclaré et « non de fonctionnement  » oubliant sans doute que la plupart des investissements génèrent  à leur tour souvent des coûts de fonctionnement sans parler évidemment des emprunts qu’il faut rembourser. Bref une vision très technocratique de gauche de l’économie.

Sur la question du financement des dépenses prévues par le programme du Nouveau Front populaire, la candidate au poste affirme de manière très évasive : « Toutes nos dépenses à l’inverse du gouvernement sortant seront financées, on va aller chercher des recettes. »

Questionnée sur sa capacité à tenir ce cap d’équilibre budgétaire, au vu de son poste actuel de directrice des finances et des achats de la Ville de Paris, Lucie Castets a défendu le bilan de la collectivité. Elle a rappelé que les collectivités ne peuvent recourir à la dette pour financer leur fonctionnement. Elles empruntent pour financer de l’investissement « productif », notamment en faveur de la transition écologique. Une curieuse extension du concept d’investissement productif car si des financements pour la transition écologique sont nécessaires on ne peut cependant prétendre qu’ils correspondent à des investissements productifs en termes économiques.

« Toutes nos dépenses seront financées » ( Castets )… par l’impôt

« Toutes nos dépenses seront financées » ( Castets )… par l’impôt nouveau

 

 

Sur BFM, la candidate du nouveau Front populaire de gauche au poste de premier ministre a affirmé que toutes les dépenses prévues par son programme seront financées mais en oubliant de préciser que pour l’essentiel il s’agit d’augmenter encore la fiscalité et de peser sur la compétitivité et le pouvoir d’achat. L’intéressée n’a guère été convaincante à propos de sa responsabilité dans le déficit abyssal de la Ville de Paris dont elle était en charge. « Il s’agit d’investissements » a -telle déclaré et « non de fonctionnement  » oubliant sans doute que la plupart des investissements génèrent  à leur tour souvent des coûts de fonctionnement sans parler évidemment des emprunts qu’il faut rembourser. Bref une vision très technocratique de gauche de l’économie.

Sur la question du financement des dépenses prévues par le programme du Nouveau Front populaire, la candidate au poste affirme de manière très évasive : « Toutes nos dépenses à l’inverse du gouvernement sortant seront financées, on va aller chercher des recettes. »

Questionnée sur sa capacité à tenir ce cap d’équilibre budgétaire, au vu de son poste actuel de directrice des finances et des achats de la Ville de Paris, Lucie Castets a défendu le bilan de la collectivité. Elle a rappelé que les collectivités ne peuvent recourir à la dette pour financer leur fonctionnement. Elles empruntent pour financer de l’investissement « productif », notamment en faveur de la transition écologique. Une curieuse extension du concept d’investissement productif car si des financements pour la transition écologique sont nécessaires on ne peut cependant prétendre qu’ils correspondent à des investissements productifs en termes économiques.

Lois votées, pas toutes appliquées

Le Parlement vote sans cesse de nouvelles lois. Mais on parle rarement de leur mise en œuvre. En effet, une loi votée a, la plupart du temps, besoin de textes réglementaires pour être applicable. Ne pas prendre ces décrets permet au gouvernement de ne pas voir appliquer une mesure législative qu’il n’approuve pas, surtout si elle a été votée contre son avis. Il arrive également que les décrets peinent à sortir en raison de leur complexité normative. Enfin, certaines interprétations réglementaires peuvent ne pas correspondre à la volonté du législateur.

 

par Mélody Mock-Gruet dans l’Opinion 

 Depuis plusieurs années, le Sénat prend cette mission de contrôle très au sérieux. Il vient d’ailleurs de rendre son bilan annuel de l’application des lois pour la session 2022-2023 : 44 ont été adoptées pendant cette période, contre 64 la session dernière. 11 étaient d’application directe et 33 nécessitaient des mesures d’application. Parmi celles-ci, 17 lois appelaient encore de nombreuses mesures et sept lois n’avaient aucun décret. L’application des lois d’origine parlementaire apparait particulièrement insuffisante (43 %), comme la loi « anti-squat » du 27 juillet 2023 où aucune mesure réglementaire sur les quatre n’ont encore été prises, empêchant l’application ce cette loi.

Du 22 juin 2022 au 29 mai 2024, 55% des lois ont été appliquées

De son côté, l’Assemblée nationale a gagné en clarté avec la création d’un baromètre en novembre dernier. Cet outil permet de suivre, en temps réel et sur une période choisie, le taux moyen d’application des lois, l’état d’avancement de la mise œuvre de chaque loi et le calendrier de publication des décrets. Du 22 juin 2022 au 29 mai 2024, 55% des lois ont été appliquées (75% si on ne compte pas les lois adoptées, il y a moins de six mois). Quant au délai médian d’application, il est de 4 mois et 15 jours, même si ce temps varie en fonction des sujets. Sur 1056 mesures à mettre en œuvre, 36% l’ont été (soit 384), il en reste encore 672 à prendre.

L’absence des décrets d’application, souvent dénoncée, n’est désormais plus une question subjective, mais une information vérifiée. Le travail parlementaire sur le contrôle est un nouvel argument pour stopper l’inflation législative. Avant de voter une nouvelle loi, il faudrait déjà que la précédente soit appliquée…

Pouvoirs contraignants. Face à cette situation, les parlementaires disposent de quelques moyens d’action comme poser une question écrite ou orale, déposer un amendement, auditionner les ministres, etc. Pour autant ces outils supposent une coopération pleine et entière du gouvernement.

Pour y remédier, pourquoi ne pas doter les parlementaires de pouvoirs plus contraignants comme la possibilité de signaler des décrets d’application non pris dans les temps par le gouvernement, sur le modèle des questions écrites signalées ? Les députés membres du Comité d’Evaluation et de Contrôle, la « tour de contrôle » en matière de contrôle et d’évaluation de l’Assemblée, pourraient quant à eux avoir la faculté de demander au gouvernement des explications sur des décrets qui semblent ne pas respecter l’esprit de la loi. Ce dernier aurait alors l’obligation d’y répondre dans les 3 mois. A l’instar des réponses des questions écrites, qui sont opposables juridiquement, la réponse du gouvernement pourrait l’être également.

Ces deux dispositifs permettraient un meilleur contrôle à la fois quantitatif et qualitatif de l’application des lois par le Parlement, et renforceraient véritablement son rôle de contre-pouvoir face au gouvernement

Mélody Mock-Gruet, docteure en droit public, enseignante à Sciences Po, auteure du Petit guide du contrôle parlementaire

Consommation–le discount recherché par toutes les couches sociales

Consommation–le discount recherché par toutes les couches sociales

Selon Havas Commerce, On constate en France comme ailleurs un appétit croissant des consommateurs pour le discount
« Faites des prix bas, les pauvres en ont besoin et les riches en raffolent. » Sans doute le signe de la pression sur les salaires en pouvoir d’achat réel y compris pour les plus hautes catégories sociales.

 

Selon l’étude 85 % des répondants veulent consommer davantage de produit discount à l’avenir

 

 

Paradoxalement, ce ne sont pas les Français qui sont les plus accros aux enseignes de type Lidl, Action, Aldi ou Primark. Lorsqu’on les interroge sur leur perception du pouvoir d’achat, les consommateurs dans l’Hexagone sont pourtant ceux qui assurent avoir ressenti la baisse la plus importante depuis 12 mois.

Avec 82% des Français qui fréquentent le discount, le pays fait partie des moins gros clients de ce type d’enseignes. Sans doute parce que la France dispose depuis longtemps de très grandes surfaces faisant du prix l’argument commercial central

Il faut en outre décorréler le succès du discount de l’analyse sociale. La percée de ce type d’enseignes depuis quelques années est avant tout la conséquence d’une offre qui s’est étoffé avec l’arrivée de nombreuses enseignes internationales, principalement d’Europe du nord comme les Pays-Bas.

Les bas revenus sont loin d’être les seuls clients de l’enseigne. Comme le révèle Havas Commerce, les personnes interrogées qui gagnent plus de 3800 euros par mois représentent 14% des clients de ce type d’enseigne. En élargissant à ceux qui gagnent plus de 2700 euros, on frôle même le tiers de l’ensemble des clients (31%).

Les Lidl et autre Action sont considérés de qualité équivalente par 68% des Français et aussi innovantes, voire davantage que les enseignes traditionnelles par 92% des consommateurs.

*Enquête réalisée en mars 2024 auprès d’un échantillon de 9 033 individus représentatifs de la population des pays (France, Allemagne, Espagne, Portugal, Italie, Belgique, Royaume-Uni, États-Unis, Autriche, Suisse et Brésil) âgés de 16 ans et plus. L’échantillon était constitué selon la méthode des quotas, sur la base de critères tels que le sexe, l’âge, la catégorie socioprofessionnelle, et région de résidence.

Nouvelle-Calédonie : «  trouver les voies d’un nouveau compromis pour toutes les communautés »

 

L’Etat modifie unilatéralement la composition du corps électoral de ce pays d’outre-mer, malgré l’opposition du peuple kanak, s’inquiète, dans une tribune au « Monde », le juriste Antoine Leca, alors que les accords de Nouméa reposent sur l’existence d’un corps électoral excluant les allochtones sans racines locales.

L’incendie est rallumé en Kanaky – Nouvelle-Calédonie. Il était prévisible et prévu, sauf peut-être pour le gouvernement français et le service de renseignement territorial local, aveuglés par les rodomontades des loyalistes. Le territoire a connu près de quarante ans de paix, depuis les accords de Matignon de 1988, car les deux camps en présence ont fait le choix du compromis, et l’Etat, celui de l’impartialité entre indépendantistes et loyalistes.

Trois référendums clivants se sont succédé (en 2018, 2020, 2021). Ils n’ont rien réglé et ont affermi le « vote ethnique », où les Calédoniens d’origine européenne sont pour la France et les autochtones pour l’indépendance. La troisième consultation, en 2021, maintenue par l’Etat contre l’avis des indépendantistes, a tranché en faveur de la France (à 96,49 % – mais avec seulement 43 % de participation, ce qui est un désaveu démocratique). Ce référendum a soulevé des réserves dans le cadre de la 78^e session de l’Organisations des Nations unies, au point que l’Assemblée générale a engagé « vivement toutes les parties concernées (…) à poursuivre leur dialogue dans le cadre de l’accord de Nouméa [1998] ».

Ce n’est pas le point de vue des loyalistes. On regrettera que leur cheffe de file, Sonia Backès, ait décidé de recourir à la menace, en usant, le 28 mars, d’une grossièreté indigne de qui fut ministre de la République : « Je vais leur dire à eux [les indépendantistes] : on a été gentils, trop gentils. Mais c’est terminé. (…) On va plus se laisser faire ! (…) On ne partira pas, on va se battre. Je le dis à Paris aujourd’hui, aux parlementaires qui tremblent. Le bordel, c’est nous qui le mettrons si on essaie de nous marcher dessus ! »

France: La drogue dans toutes les villes

France:  La drogue dans toutes les villes

 

 

De l’ordre de 4000 points  de  vente repérés en France mais dans la réalité on pourrait en compter au moins le double puisque toutes les villes mêmes petites sont désormais concernées par  la drogue, même en milieu rural. Les moyens de lutte ne sont évidemment pas à la hauteur de l’enjeu et des opérations dites XXL de Darmanin sont rapidement annulées par la mise en place d’autres réseaux.

« Aucun territoire n’est épargné. Il y a des consommateurs partout donc il y a des points de vente partout », confirme Stéphanie Cherbonnier, la patronne de l’Ofast, l’office anti-stupéfiants créé en 2019.  »Il y a de la drogue partout », appuie la colonelle Marie-Laure Pezant, porte-parole de la gendarmerie. « Il faut avoir en tête que le trafic n’est pas que sur un quartier, il a une ramification qui est nationale, internationale. » Sur la zone contrôlée par la gendarmerie, qui inclut les villes de moins de 20.000 habitants.

 

Devant la commission d’enquête du Sénat sur le narcotrafic, le magistrat François Molins a insisté sur cette expansion du trafic de drogue sur l’ensemble du territoire. « Quand j’étais au conseil supérieur de la magistrature, ma surprise a été de constater que des procureurs, qui étaient proposés pour exercer des fonctions dans des zones rurales et dans les petits tribunaux – je pense à Aurillac, Brive – venaient nous dire que le trafic de stupéfiant était le problème numéro 1 de la zone dans laquelle ils allaient exercer », s’est souvenu ce mercredi l’ex-procureur de la République de Paris et ex-procureur général près de la cour de Cassation.

« Les zones rurales étaient des zones de consommation, des zones de rebond pour les trafiquants et de mise au vert, aujourd’hui, c’est aussi une zone de chalandise », détaille le sénateur PS Jérôme Durain qui préside cette commission qui multiplie les auditions avant la remise de son rapport le 14 mai prochain.

Et qui dit implantation de trafic, dit arrivée d’une criminalité qui jusqu’alors n’était pas observée comme les règlements de compte. A

« Aujourd’hui, nous constatons qu’il y a davantage de conduites après usage de stupéfiants que de conduites sous l’emprise d’alcool », illustre son collègue magistrat, Frédéric Chevallier.
La consommation de la cocaïne dans les petites et moyennes villes en est le parfait exemple. Il y a quelques semaines, le Premier ministre Gabriel Attal parlait de « tsunami blanc » alors que les zones rurales étaient jusqu’alors réservées à la cannabiculture ou pour accueillir des laboratoires de transformation. « La cocaïne tend à se banaliser dans les villes comme dans le milieu rural », estime le procureur de Rennes. « Il y a une typologie de consommateurs que l’on ne connaissait pas il y a des dizaines d’années. »

« Aujourd’hui, les jeunes achètent de la coke comme ils achètent une bouteille de vin », constate pour sa part Vincent, policier à Vannes.

Au-delà de la consommation, les zones rurales, les petites villes et les zones portuaires sont aussi des points de passage de la drogue en provenance de l’Espagne, du Maroc, des Pays-Bas ou de la Belgique. « Nous travaillons sur le contrôle de flux, la marchandise bouge, il y a des contrôles sur les routes, les gares routières, dans les gares ferroviaires », développe le procureur de Rennes, qui a dans son giron le port de Saint-Nazaire par où transite de plus en plus la poudre blanche venue d’Amérique du Sud.

 

Finances: Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense !

Finances: Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense !

En panne de financement et face à une dette colossale, quelques responsables politiques se rabattent systématiquement sur l’utilisation des fonds du livret A comme solution pour le financement des projets. Notons qu’au départ le livret A est destiné surtout au financement du logement. Justement un secteur qui connaît une crise sans précédent avec l’écoulement des prêts pour les candidats à l’accession. Un énorme décalage entre l’offre et la demande. Les candidats potentiels sont de plus en plus de l’accession en raison de la folie des prix de l’immobilier. La cible potentielle des futures acheteurs ne cesse de se réduire. La location est aussi victime de cette situation mais aussi du fatras de normes qui pratiquement génèrent des surcoûts impossibles à amortir pour les appartements et maisons à mettre en location.

Parallèlement on s’interroge aussi sur la possibilité maintenant de financer les projets de défense en sollicitant aussi le livret A.
Un livret A qu’on imagine d’une façon plus générale mettre la disposition de toutes l’industrie. Enfin le même livret pourrait servir à l’énorme besoin de financement d’EDF pour les centrales décidées par le gouvernement mais non financées.

Bref le signe qu’on décide de grandes orientations sans prévoir le financement en se rabattant sur des fonds normalement destinés au secteur du logement qui connaît pourtant une crise sans précédent.

Face aux difficultés de financement que rencontre cette filière, notamment ses startups et ses PME, et des dangers d’une mise en œuvre d’une taxonomie trop radicale au niveau européen qui exclurait l’industrie de la défense, quatre députés, dont le président de la commission de la défense de l’Assemblée nationale Thomas Gassilloud (Renaissance), ainsi que le rapporteur du projet de loi de programmation militaire en cours d’examen, Jean-Michel Jacques (Renaissance), Christophe Plassard (Horizon) et enfin Jean-Louis Thiériot (Les Républicains) pourraient avoir trouvé une esquive imparable : « mobiliser une partie de l’encours non centralisé du livret A et du Livret de développement durable au service des entreprises contribuant à la souveraineté nationale, dont font partie les entreprises de la BITD (la base industrielle et technologique de défense, soit l’ensemble des industries de défense du pays Ndlr)», selon un amendement déposé mercredi à l’issue d’une discussion entre Bercy et les parlementaires.

Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense

Le livret A à toutes les sauces : pour le nucléaire, pour le logement, pour l’industrie, pour la défense

En panne de financement et face à une dette colossale, quelques responsables politiques se rabattent systématiquement sur l’utilisation des fonds du livret A comme solution pour le financement des projets. Notons qu’au départ le livret A est destiné surtout au financement du logement. Justement un secteur qui connaît une crise sans précédent avec l’écoulement des prêts pour les candidats à l’accession. Un énorme décalage entre l’offre et la demande. Les candidats potentiels sont de plus en plus de l’accession en raison de la folie des prix de l’immobilier. La cible potentielle des futures acheteurs ne cesse de se réduire. La location est aussi victime de cette situation mais aussi du fatras de normes qui pratiquement génèrent des surcoûts impossibles à amortir pour les appartements et maisons à mettre en location.

Parallèlement on s’interroge aussi sur la possibilité maintenant de financer les projets de défense en sollicitant aussi le livret A.
Un livret A qu’on imagine d’une façon plus générale mettre la disposition de toutes l’industrie. Enfin le même livret pourrait servir à l’énorme besoin de financement d’EDF pour les centrales décidées par le gouvernement mais non financées.

Bref le signe qu’on décide de grandes orientations sans prévoir le financement en se rabattant sur des fonds normalement destinés au secteur du logement qui connaît pourtant une crise sans précédent.

Face aux difficultés de financement que rencontre cette filière, notamment ses startups et ses PME, et des dangers d’une mise en œuvre d’une taxonomie trop radicale au niveau européen qui exclurait l’industrie de la défense, quatre députés, dont le président de la commission de la défense de l’Assemblée nationale Thomas Gassilloud (Renaissance), ainsi que le rapporteur du projet de loi de programmation militaire en cours d’examen, Jean-Michel Jacques (Renaissance), Christophe Plassard (Horizon) et enfin Jean-Louis Thiériot (Les Républicains) pourraient avoir trouvé une esquive imparable : « mobiliser une partie de l’encours non centralisé du livret A et du Livret de développement durable au service des entreprises contribuant à la souveraineté nationale, dont font partie les entreprises de la BITD (la base industrielle et technologique de défense, soit l’ensemble des industries de défense du pays Ndlr)», selon un amendement déposé mercredi à l’issue d’une discussion entre Bercy et les parlementaires.

Réforme des retraites : « Un rejet massif dans toutes les catégories d’actifs

Réforme des retraites : « Un rejet massif dans toutes les catégories d’actifs

Le collectif de chercheurs Quantité critique expose, dans une tribune au « Monde », les résultats d’une enquête sur l’opinion – largement négative – des actifs sur la réforme des retraites. Mais également sur leur participation au mouvement social.

Avec un niveau de rejet qui ne cesse de s’intensifier, le gouvernement semble avoir perdu la bataille de l’opinion sur son projet de réforme des retraites. Cette opposition se vérifie dans l’enquête par sondage réalisée par le collectif de chercheurs Quantité critique auprès d’un échantillon national représentatif de 4 000 individus, entre le 15 et le 28 février 2023. Le rejet de la réforme y est largement majoritaire (69 % des actifs), tout comme le soutien au mouvement social actuel (59 % des actifs le soutiennent ou y participent).

Ce rejet est majoritaire dans toutes les catégories de personnes en activité : il est certes plus fort chez les membres des professions intermédiaires, les employés et les ouvriers, mais reste majoritaire chez les cadres (64 %). L’opposition est moins nettement dominante chez les 65 ans et plus (43 % favorables à la réforme, 44 % opposés) et les personnes déclarant un niveau de revenus nets supérieur à 4 000 euros par mois (51 % favorables, 42 % opposées).

Ce refus massif renvoie d’abord à un fait documenté depuis des années : la détérioration des conditions d’emploi et de travail. Le soutien apporté aux manifestations, aux grèves et aux blocages atteste, quant à lui, de la perte de légitimité du gouvernement et de la possibilité d’un élargissement de la contestation dans les jours à venir.

L’opposition au projet de réforme s’observe chez les salariés comme chez les indépendants. Les travailleurs ayant les activités les plus pénibles et les statuts les plus précaires sont au cœur du rejet, mais celui-ci est également fortement exprimé par les plus qualifiés. L’opposition atteint 82 % chez celles et ceux qui ont choisi quatre qualificatifs négatifs parmi les quatre suivants (« stressant », « dangereux », « répétitif » et « fatigant ») pour décrire leur travail. Elle culmine dans les secteurs d’activité connus pour la pénibilité des conditions de travail, comme l’industrie, les services à la personne, les transports, la santé et l’éducation.

Si les niveaux de rejet de la réforme sont très proches dans le privé (69 %) et le public (74 %), l’opposition est plus hétérogène dans le premier cas que dans le second. Les cadres du privé sont les plus partagés, mais le rejet de la réforme reste très majoritaire (60 % d’opposés et 25 % de favorables). Dans le secteur public, le niveau d’opposition varie moins selon la catégorie d’agents concernée.

La solidité du statut est une autre variable-clé pour appréhender l’intensité de l’opposition à la réforme. Les chômeurs et les intérimaires sont par exemple 76 % et 79 % à se dire opposés au projet. Les salariés craignant une perte de salaire ou de revenu dans la prochaine période sont aussi 76 % à s’y opposer.

France: Le fléau de la drogue partout en France et dans toutes les couches sociales

France: Le fléau de la drogue partout en France et dans toutes les couches sociales

La drogue est devenue un véritable business qui ne touche plus seulement les grandes agglomérations mais également les villes moyennes et même les zones rurales. Le business de la drogue représenterait autour de 250 milliards au plan mondial d’après l’ONU. En France,l’enjeu de ce business dépasserait 4 milliards et occuperait l’équivalent de 20 000 emplois à plein temps .L’une des conséquences est la montée de la violence sous différentes formes notamment avec 700 morts par an sur la route. On compterait jusqu’à 4 à 5000 « boutiques » de drogue en France dans les quartiers sensibles où les trafiquants font désormais la loi

Ce montant mirifique est celui des revenus générés par le trafic de stupéfiants à l’échelle de la planète selon l’Office des Nations Unis contre la Drogue et le Crime. Ce n’est bien sûr qu’une estimation, mais elle reflète le poids économique du business de la drogue. Celui-ci est supérieur au PIB de la Finlande (236 milliards) ou de la Colombie (237 milliards). 243 milliards d’euros, c’est davantage que le coût des catastrophes naturelles qui ont ravagé la planète en 2021, entre la tempête Ida sur l’Est des Etats-Unis, la vague de froid au Texas et les inondations en Belgique et en Allemagne. L’assureur Swiss Ré l’estime à 220 milliards d’euros.

Voilà, selon les derniers calculs de l’Insee, le montant qu’ont dépensé les Français en 2020 pour s’approvisionner en cannabis, cocaïne, héroïne, crack et autres produits stupéfiants. Faut-il y voir un effet des longs mois de confinement ? C’est en tout cas 7% de plus que l’année précédente et surtout deux fois davantage qu’en 2009 (2,08 milliards). À titre de comparaison, les achats de livres n’ont pesé, la même année, que 3,75 milliards dans le budget des consommateurs.

Entre les importateurs, les grossistes, les logisticiens, les revendeurs, les « choufs » (guetteurs) et les « nourrices » (ceux qui cachent les produits chez eux), le marché de la came fait travailler beaucoup de monde en France. « Un nombre important d’intermédiaires dont le trafic de drogue n’est pas la principale source de revenus », précise l’Insee qui évalue cette activité à 21 000 équivalents temps plein. Soit 0,08% de la main d’oeuvre nationale. Mais sans déclaration à l’Ursaff, ni charges sociales.
3275 points de deal

En décembre 2020, le ministère de l’Intérieur dénombrait 4000 supermarchés de la drogue, ou « fours » dans le jargon des trafiquants. Un chiffre que l’action des forces de l’ordre aurait permis de ramener à 3275 un an plus tard. La géographie, elle, ne change pas. Les points de deal se concentrent dans les zones géographiques les plus densément peuplées, au coeur des métropoles régionales à forte population étudiante et dans les départements périurbains ou situés à proximité des grandes agglomérations.
900 000
C’est le nombre de personnes qui, chaque jour en France, vapotent, fument ou mangent du cannabis, sous l’une ou l’autre de ses différentes formes – herbe, résine ou huile. Selon l’Observatoire français des drogues et des tendances addictives, le nombre d’amateurs réguliers, s’adonnant en moyenne dix fois par mois à leur goût du cannabis, s’élèverait à 1,4 million. Les adeptes plus occasionnels seraient, eux, 5 millions. Près de la moitié des adultes y aurait déjà goûté. Ces chiffres placent l’Hexagone en tête du classement européen des pays consommateurs, devant le Danemark et l’Espagne.

Sciences et prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Sciences et prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Nouvelles technologies- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Nouvelles technologies- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

Prospective- L’Intelligence artificielle (IA) au centre de toutes les activités économiques

L’objectif ultime de l’IA est de développer un système intelligent pour simuler la pensée et l’intelligence humaines, tandis que le Machine Learning (ML) permet à la machine d’apprendre à partir des données pour donner le résultat souhaité. Alors que l’IA vise à rendre les machines plus humaines, le ML aide à faire en sorte que les machines apprennent comme les humains. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies.

Les principales applications de l’IA et du ML concernent l’intelligence prévisionnelle et l’aide à la prise de décision. Pour chaque application, le pouvoir ne vient pas des machines, mais des décideurs qui sont derrière les machines, guidant leur réaction aux prédictions.
Un scientifique de l’Institut Max Planck résume très bien le principal enjeu : « l’IA va changer la médecine. Cela va changer la recherche. Cela changera la bio-ingénierie. Cela va tout changer ».
Et pour Jack Solow, le messages est encore plus clair « en 2011, les logiciels dévoraient le monde ; en 2022, l’IA dévore les logiciels. » Toute entreprise sans stratégie d’IA viable sera marginalisée d’ici la fin de cette décennie ».

L’intelligence artificielle prendra la relève de nombreuses activités, telles que la recherche sur le net, obtenir des conseils de voyage, et surtout les assistants personnels et les chatbots. Avec de l’intelligence artificielle dans les objets, nous n’aurons plus besoin d’interagir avec eux puisqu’ils sont capables de devenir autonomes et d’apprendre à anticiper nos intentions. Plus concrètement, l’IA va nous libérer d’un certain nombre d’actes inutiles et chronophages.

Pour la Darpa, l’Intelligence artificielle se mesure en fonction de quatre capacités :
• Percevoir
o C’est-à-dire récupérer des informations de l’environnement externe et la capacité à inférer des choses sur le monde via des sons, des images et d’autres entrées sensorielles.
• Apprentissage
o C’est-à-dire améliorer de façon autonome les fonctions de base
• Abstraction
o C’est-à-dire adaptation autonome à de nouvelles situations et compréhension du contexte
• Raisonnement
o C’est-à-dire prendre des décisions correctes avec de meilleures réponses en fonction des connaissances disponibles

On peut résumer les étapes du déploiement de l’intelligence artificielle de la façon suivante ;
• Première étape – Connaissance artisanale
La première vague de systèmes d’IA repose sur des connaissances artisanales. Ces systèmes, construits par des experts du domaine, contiennent des règles qui décrivent les processus de base et les ensembles de connaissances de domaines spécifiques.
• Deuxième étape – Apprentissage statistique
Les systèmes d’IA de deuxième vague sont ceux construits en utilisant des techniques d’apprentissage automatique telles que les réseaux de neurones. Ces systèmes s’appuient sur des modèles statistiques qui caractérisent un domaine spécifique. Ils alimentent ensuite les algorithmes du Big data en affinant sa capacité à prédire correctement le résultat.
• Troisième étape – Adaptation contextuelle
La troisième vague d’IA est constitué des systèmes capables d’adaptation contextuelle. Ce sont des systèmes qui construisent des modèles explicatifs pour des classes de phénomènes du monde réel. Les systèmes de la troisième vague montrent une capacité à comprendre ce qu’ils font et pourquoi ils le font.
Les types d’intelligence artificielle peuvent être regroupées en cinq catégories:
• Raisonnement
La capacité de résoudre des problèmes par déduction logique .
• Connaissance
La capacité de présenter des connaissances sur le monde. Par exemple : la négociation sur les marchés financiers, la prévision des achats, la prévention de la fraude, la création de médicaments ou le diagnostic médical.
• Planification
La capacité de définir et d’atteindre des objectifs. Par exemple : la gestion des stocks, la prévision de la demande, la maintenance prédictive, l’optimisation des réseaux physique et numérique, etc.
• Communication
La capacité à comprendre le langage parlé et écrit. Par exemple : la traduction en temps réel des langues parlées et écrites, les assistants intelligents ou la commande vocale
• Explicabilité
Sans explications derrière les fonctionnalités internes d’un modèle d’IA et les décisions qu’il prend, il y a un risque que le modèle ne soit pas considéré comme digne de confiance ou légitime. XAI offre la compréhensibilité et la transparence nécessaires pour permettre une plus grande confiance envers les solutions basées sur l’IA.
• Les réseaux de neurones
Les réseaux de neurones fonctionnent sur les principes similaires à ceux des cellules neuronales humaines. Il s’agit d’une série d’algorithmes qui capturent la relation entre diverses variables sous-jacentes et enregistrent les données comme le fait un cerveau humain.
• Traitement du langage naturel (PNL)
Le PNL est une science de lecture, de compréhension, d’interprétation d’un langage par une machine. Une fois qu’une machine comprend ce que l’utilisateur a l’intention de communiquer, elle répond en conséquence.
• Vision par ordinateur
Utiliser la vision par ordinateur signifie que l’utilisateur entre une image dans le système et que ce qu’il reçoit en tant que sortie peut inclure des caractéristiques quantitatives et donc de décisions.

Voici quelques exemples d’applications de l’intelligence qui vont être au cœur de la réinvention de secteurs d’activités :

Exemples dans le domaine des services financiers
L’intelligence artificielle dans le secteur bancaire accélère la numérisation des processus bancaires et financiers de bout en bout. En mettant en œuvre la puissance de l’analyse de données, des algorithmes ML intelligents et des intégrations sécurisées dans les applications, les applications d’IA optimisent la qualité du service et aident les entreprises à identifier et à combattre les fausses transactions.
• Exemple des Chatbots IA
o Les chatbots IA du secteur bancaire peuvent assister les clients 24h/24 et 7j/7 et donner des réponses précises à leurs requêtes. Ces chatbots offrent une expérience personnalisée aux utilisateurs.
• Exemple de l’amélioration de l’expérience client
o Les applications mobiles intelligentes utilisant des algorithmes ML peuvent surveiller le comportement des utilisateurs et en tirer des informations précieuses basées sur les modèles de recherche des utilisateurs. Ces informations vont aider les fournisseurs de services à proposer des recommandations personnalisées aux utilisateurs finaux.

• Exemple de l’automatisation et rend le processus transparent
o Les applications d’IA peuvent réduire la charge de travail des banquiers et optimiser la qualité du travail.
• Exemple de la collecte et de l’analyse de données
o Les banques peuvent également prendre des décisions commerciales efficaces grâce aux informations tirées des données clients et leur proposer des recommandations de services personnalisées.
• Exemple de la gestion de portefeuille
o La gestion de patrimoine et de portefeuille peut être effectuée de manière plus puissante grâce à l’intelligence artificielle.
• Exemple de la gestion des risques
o L’IA va aider les banquiers à identifier les risques liés à l’octroi de prêts.
o En utilisant le processus d’évaluation des risques basé sur l’IA, les banquiers peuvent analyser le comportement de l’emprunteur et ainsi réduire la possibilité d’actes frauduleux.
• Exemple de la détection de la fraude
o Les applications bancaires d’intelligence artificielle détectent les risques et minimisent les actes frauduleux.

Exemples dans le domaine de la gestion des villes
• Exemple du contrôle de la pollution
o Prédire les niveaux de pollution pour les prochaines heures. Ce type de technologie permet aux autorités de prendre des décisions à l’avance pour réduire leur impact sur l’environnement.
• Exemple de la gestion des systèmes de stationnement
o La disponibilité des places peut être présentée aux utilisateurs en attente, certaines technologies plus avancées ont la capacité de recommander des places en fonction de la voiture.
• Exemple da la gestion des transports publics
o Permettre aux usagers des transports en commun de recevoir et d’accéder aux dates et suivis en temps réel, ce qui améliore le timing et la satisfaction des clients.
• Exemple de la gestion des déchets
o Permettre aux villes de suivre le recyclage et d’identifier ce qui peut être recyclé dans la région.
• Exemple de la gestion du trafic
o Prédire et réduire le trafic, en utilisant des algorithmes d’apprentissage en profondeur, ce qui peut également réduire la pollution créée par le trafic.
• Exemple du suivi de la consommation de l’énergie
o Analyser et suivre la consommation d’énergie des entreprises et des citoyens, avec ces données, il peut ensuite être décidé où impliquer des sources d’énergie renouvelables.
• Exemple de la gestion de l’environnement
o Permettre aux autorités et aux villes de prendre des décisions éclairées qui sont les meilleures pour l’environnement. Les villes intelligentes utilisent également l’IA pour détecter le CO2, ce qui peut ensuite conduire à des décisions en matière de transport.

Exemples dans le domaine du commerce de détail
Le potentiel pour stimuler les ventes avec de l’IA dans les magasins est considérable :
• La reconnaissance intelligente des produits et la facturation automatisée permettent des magasins sans caissier
• Les interfaces d’IA telles que les chatbots et les écrans interactifs prennent en charge le service client
• Une tarification intelligente permet de gérer la demande et de stimuler les ventes
• L’analyse prédictive aide à la prévision des prix en fonction de la demande et des tendances saisonnières
• La gestion intelligente de la chaîne d’approvisionnement et la logistique améliorent la disponibilité des produit.
• Les modèles d’apprentissage automatique catégorisent et regroupent automatiquement les produits
• Les cabines d’essayage virtuelles avec miroirs intelligents prennent en charge le libre-service au plus haut niveau
• Prédire le comportement des clients
• Améliorer l’aménagement de la surface de vente en fonction de l’analyse du comportement des clients

Exemples dans le domaine de la santé
Qu’il s’agisse de l’utiliser pour détecter des liens entre des codes génétiques, d’utiliser des robots chirurgicaux ou même de maximiser l’efficacité des hôpitaux.
Par exemple :
• Soutien aux décisions cliniques
• Amélioration aux soins primaires grâce aux chatbots
• Chirurgies robotiques
• Infirmières auxiliaires virtuelles
• Aide au diagnostic précis

Taux américains: : une hausse qui va secouer toutes les banques centrales

Taux américains: : une hausse qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situent maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.La première conséquence à attendre sera un bouleversement des taux de change dont l’euro sera l’une des victimes.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes.

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.

Taux d’intérêt : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

Taux d’intérês : un nouveau relèvement des taux américains qui va secouer toutes les banques centrales

La banque centrale américaine a une fois de plus bousculé le monde monétaire en décidant d’un nouveau relèvement des taux d’intérêt. L’objectif est bien sûr de lutter contre une inflation qui selon les indicateurs se situe entre 6 et 8 %. Quant aux taux d’intérêt, ils se situnte maintenant près de 4 %. Il y a donc encore de la marge même si la Fed laisse entendre qu’elle va maintenant ralentir le processus d’augmentation des taux.

L’enjeu est en effet de lutter contre l’inflation mais sans trop menacer la croissance. La croissance est encore satisfaisante en 2022, autour de 2,5 % mais elle devrait se tasser en 2023.Les prévisions n’accordent qu’une progression de l’activité de 1 % l’année prochaine. À noter que dans le même temps l’union européenne pourrait tutoyer la récession.

La plupart des banques centrales sont donc à la remorque des États-Unis, les plus forts taux d’intérêt américain attirent en effet les capitaux ce qui a pour effet de renforcer encore le dollar est inversement d’affaiblir les autres monnaies.

Inévitablement, les autres banques centrales devront aussi procéder à de nouveaux réajustements à la hausse des taux d’intérêt sinon le risque est grand de provoquer de nouvelles dévalorisations des monnaies par rapport au dollar.

La Banque centrale européenne (BCE) a décidé Récemment hausse de ses taux d’intérêt de 75 points de base. Il s’agit de l’augmentation la plus importante appliquée depuis 1999.

« Le taux d’intérêt des opérations principales de refinancement et les taux d’intérêt de la facilité de prêt marginal et de la facilité de dépôt seront respectivement portés à 1,25 %, 1,50 % et 0,75 %, avec effet au 14 septembre 2022″, a précisé l’institution de Francfort. Mais la différence entre les taux européens et américains sont encore énormes.

La banque centrale américaine (Fed) a donc relevé mercredi ses taux à leur plus haut niveau depuis près de 15 ans, et pense continuer à les augmenter, cherchant à tout prix à juguler la forte inflation, une tâche compliquée cependant par la menace d’une récession.

Lors de sa conférence de presse, le président de la réserve fédérale, Jerome Powell, a prévenu qu’il faudrait « du temps » avant que les hausses de taux d’intérêt ne ralentissent l’inflation et que cela passerait sans doute par un ralentissement de l’économie.