Qu'il s'agisse de se préparer à la prochaine pandémie ou de surveiller la sécurité de l'IA générative , les décideurs politiques , les chefs d'entreprise et les universitaires ont besoin d'accéder aux données à l'intérieur et à l'extérieur de leurs frontières nationales. Mais au lieu de politiques permettant aux données de circuler plus librement, les restrictions sont devenues la norme. À l’échelle mondiale, les restrictions sur les flux de données ont plus que doublé entre 2017 et 2021. À la fin de l’année dernière, les États-Unis ont retiré leur demande de longue date adressée à l’ OMC d’interdire les exigences de localisation des données pour le commerce électronique . Il s’agit d’une démarche hautement symbolique de la part d’un pays qui a toujours été l’un des plus ardents défenseurs de l’abolition des barrières dans le monde numérique.
En raison de ces changements, le monde numérique n’a jamais été aussi fragmenté . Mais nous ne sommes pas ici pour prétendre que toutes les barrières numériques doivent disparaître. En tant que chercheurs dans des institutions universitaires aux États-Unis ( Harvard ), en Europe ( INSEAD ) et en Chine ( Tsinghua ), ainsi que dans une entreprise mondiale ( Boston Consulting Group ), nous reconnaissons que les gouvernements continueront à se sentir obligés de protéger leurs intérêts en matière de sécurité. national et les données de ses citoyens. En fait, nous pourrions voir davantage d’obstacles se lever dans les années à venir. Mais nous ne devons pas, et ne pouvons d’ailleurs pas, renoncer à l’échange transfrontalier de données.
Les événements récents ont illustré l’impact positif des échanges, non seulement au sein des secteurs industriels , mais aussi au-delà des frontières. Par exemple, il n’a fallu que six semaines à des chercheurs de la Mayo Clinic aux États-Unis pour calculer le risque accru de mortalité dû au variant Delta du COVID-19 grâce à des études à grande échelle menées avec des données de patients provenant de différentes bases de données nationales. Cette expérience illustre la puissance du partage transfrontalier de données. Mais si la réglementation accrue des données se poursuit au rythme actuel, ce partage transfrontalier de données deviendra de plus en plus difficile. Cela aurait d'énormes implications, à la fois sur l' économie mondiale et sur notre capacité collective à résoudre des problèmes qui ne peuvent être résolus qu'en utilisant les données de plusieurs pays, comme l'anticipation des catastrophes naturelles et la coordination des réponses et de l'aide mondiales, ou l'identification des problèmes de sécurité alimentaire dans un approvisionnement affaibli. chaînes d'approvisionnement internationales actuelles.
Une solution efficace consiste à être plus avisé quant aux différents types de données disponibles et à la réponse politique appropriée pour chacun. Le discours public sur le partage transfrontalier de données s’est majoritairement concentré sur les données brutes. Par exemple, une proposition récente d'un groupe de réflexion canadien recommandait son utilisation pour résoudre des problèmes tels que la pauvreté mondiale et le terrorisme . La même chose peut être observée dans les discussions sur le partage de données pour les accords commerciaux et dans le domaine de la santé publique. Nous constatons également cette focalisation sur les données brutes en matière de réglementation, ce qui rend le partage de nouveaux types de données indûment difficile. Cela devient de plus en plus problématique pour les nouveaux types de données apparus grâce aux progrès récents de l'IA , dont le transfert et le partage peuvent être plus sûrs et qui, dans de nombreux contextes, peuvent créer de la valeur sans partager de données brutes.
Ces nouveaux types de données intermédiaires ont émergé tout au long de la chaîne de l'IA : le processus de développement d'un modèle d'IA à travers une séquence d'étapes, passant des données brutes aux solutions d'IA finales. À chaque étape, les données sont transformées ou créées de manière à apaiser les inquiétudes des régulateurs et à permettre la résolution des problèmes.
Par exemple, les données brutes doivent d’abord être transformées dans un format pouvant être utilisé efficacement par les modèles d’apprentissage automatique. Les résultats de cette transformation, appelés fonctionnalités et intégrations, capturent souvent des informations critiques à partir des données brutes et deviennent de plus en plus difficiles à inverser à mesure que nous avançons dans la chaîne de traitement des données de l'IA , d'autant plus qu'ils développent de nouvelles méthodes pour préserver la confidentialité. Cela pourrait avoir des implications considérables dans de nombreux secteurs, notamment celui de la santé.
Le partage de données intermédiaire peut surmonter certains des obstacles traditionnels. Bien entendu, de nouveaux défis surgiront probablement à mesure que l’espace des possibilités s’élargira. Mais le point crucial est que ces actifs de données nécessiteront des politiques et des outils de partage différents, ainsi que des cadres adaptés à leurs caractéristiques techniques.
Cependant, la réglementation actuelle ne prend pas en compte toutes ces catégories nouvelles et émergentes de données intermédiaires. Par exemple, le commerce mondial de certains services basés sur les données, comme dans les domaines financiers ou des télécommunications, est encore en partie réglementé par des accords antérieurs à l’ère Internet et ne prend donc pas en compte de nouvelles catégories de données. Au lieu de cela, ces catégories ont tendance à être traitées comme des données brutes, ce qui signifie qu’elles sont très restreintes. Et sans action urgente, ces contraintes deviendront encore plus limitées au fil du temps.
Avec les progrès d' une IA de plus en plus puissante, les types de données intermédiaires doivent être réglementés de manière à tenir compte de leurs spécificités, telles que leur utilisation, leur valeur ou leurs caractéristiques de préservation de la vie privée. Des politiques solides faisant ces distinctions permettront aux pays de partager des données critiques à plus grande échelle, répondant ainsi à des problèmes mondiaux urgents tout en protégeant les informations personnelles des citoyens. Lorsqu’il s’agit de partage de données, comme pour d’autres innovations liées au développement rapide de l’IA , les décideurs politiques doivent veiller à ce que les règles du jeu reflètent les réalités de la technologie. Les enjeux sont trop importants pour un monde confronté à des défis mondiaux et à un besoin croissant de collaboration transfrontalière.
(c) 2024, Fortune
Nouveau