Les leviers des technologies numériques

Dernière mise à jour: 14.8.2026

Image

Inventions mises en œuvre par ordinateur

Les inventions mises en œuvre par ordinateur sont des solutions technologiques dans lesquelles au moins une caractéristique est réalisée au moyen d'un programme d'ordinateur fonctionnant sur un ordinateur, un réseau ou un dispositif programmable. 

Les inventions mises en œuvre par ordinateur constituent un facteur essentiel du développement de la technologie moderne. Elles : 

• intègrent des algorithmes de logiciels à la fonctionnalité du matériel

• permettent des avancées en matière d'automatisation, de traitement des données et d'efficacité de calcul

• assurent le traitement des données en temps réel et l'optimisation des flux de travaux complexes

Grâce aux logiciels enfouis, aux technologies de capteurs et à l'informatique de pointe, les inventions mises en œuvre par ordinateur assurent :

• les traitements automatisés et les prises de décision adaptatives

• la transformation numérique dans les domaines de l'industrie, de la santé, des transports et des solutions d'entreprise

L'intelligence artificielle (IA) s'appuie sur des modèles de prises de décision informatiques, alors que l'informatique quantique utilise des algorithmes complexes et des simulations. En conséquence, l'IA comme l'informatique quantique sont basées sur des inventions mises en œuvre par ordinateur, qui fournissent les cadres computationnels essentiels permettant à ces solutions de fonctionner de manière efficace.

Les inventions mises en œuvre par ordinateur stimulent l'innovation dans de nombreux secteurs d'activité. Par exemple :

• l'industrie pharmaceutique
  Le dosage de précision et les systèmes automatisés de contrôle de la qualité utilisent la technologie métrologique par capteurs afin d'optimiser l'exactitude de la production (par exemple, EP3487685B1).

• les véhicules autonomes
  La fusion de capteurs par l'IA et les algorithmes d'apprentissage automatique permettent une prise de décision en temps réel et une navigation sécurisée (par exemple, EP3707572B1).

• l'industrie 4.0
  La transition en cours, qui conduit de l'automatisation numérique à un environnement de fabrication connecté et intelligent, utilise l'Internet des objets, la connectabilité, l'analyse en temps réel et l'automation induite par l'IA pour obtenir un gain d'efficacité de production et permettre la maintenance prédictive (par exemple, EP3717918B1). 

• l'infrastructure numérique
  La conception assistée par ordinateur (CAO) assortie de simulations et de modélisation numérique permet aux entreprises de créer des prototypes de produits, d'optimiser les processus d'ingénierie et de perfectionner des structures complexes avant la production physique (par exemple, EP2013798B1).

Avancées dans le domaine de la vidéo compression

L'ingénieure en informatique polonaise Marta Karczewicz a dédié sa carrière à des inventions qui ont amélioré le streaming, le rendant plus rapide et de meilleure qualité. Marta Karczewicz a été nommée inventrice dans presque 130 brevets européens délivrés. Ses inventions ont transformé le secteur du divertissement vidéo et ont rendu le streaming vidéo accessible à une plus large audience sur les ordinateurs portables et les appareils mobiles. Marta Karczewicz a été finaliste du Prix de l'inventeur européen 2019 dans la catégorie "Œuvre d'une vie".

Intelligence artificielle

Les systèmes d'intelligence artificielle (IA) reposent sur des techniques d'apprentissage automatique qui permettent aux algorithmes :

• d'apprendre à partir de données

• de reconnaître des schémas

• d'optimiser des décisions

• de perfectionner de manière autonome leurs performances

L'IA apprend à partir de données de différentes manières.

• L'apprentissage supervisé consiste à entraîner un modèle d'IA à partir d'un ensemble de données étiquetées dont les éléments corrects produits sont connus, lui permettant de faire des prédictions exactes. 

• L'apprentissage non supervisé utilise des données non étiquetées, ce qui signifie que l'IA regroupe des informations similaires ou identifie des tendances et des schémas cachés sans connaissance préalable. 

• L'apprentissage de renforcement permet à l'IA d'apprendre en interagissant avec son environnement, en améliorant ses décisions au fil du temps sur la base d'expériences passées. Plutôt que de s'appuyer sur des règles prédéfinies, l'IA s'adapte et affine son approche de manière empirique.

L'apprentissage profond constitue une branche de l'apprentissage automatique qui imite la manière dont le cerveau humain traite l'information. Il utilise des réseaux de neurones artificiels composés de couches de "neurones" interconnectés qui traitent l'information par étapes. Grâce à ces réseaux, les systèmes d'IA effectuent des tâches complexes comme comprendre une langue parlée, reconnaître des images et analyser des données de capteur. Afin d'améliorer sa précision et d'affiner ses prédictions, le système règle en permanence ses paramètres internes à l'aide de techniques d'apprentissage spécialisées.

Utilisation de l'IA dans différents secteurs

L'intelligence artificielle a dépassé le stade de la recherche théorique pour faire désormais partie intégrante de nombreux secteurs, notamment ceux de la santé, de la finance, de l'automatisation et de la cybersécurité. Dans la vie de tous les jours, par exemple, l'IA améliore le traitement des images obtenues avec la caméra d'un smartphone en réglant la lumière et en rendant les détails plus précis afin d'augmenter la qualité de la photographie. L'IA pilote aussi les assistants vocaux permettant une interaction continue par le biais de la reconnaissance vocale et d'une compréhension en temps réel de la langue. Dans le domaine du diagnostic médical, les algorithmes d'apprentissage automatique analysent les examens IRM pour détecter les anomalies avec plus de rapidité et de précision, aidant les médecins à identifier des maladies à un stade précoce (par exemple, EP3659494B1, relatif à l'analyse de l'imagerie médicale assistée par l'IA aux fins de dépistage des maladies).

Des robots de traite qui ménagent la santé des vaches

Le duo néerlandais composé d'Alexander van der Lely et de Karel van den Berg a conçu un système automatisé qui permet aux vaches de décider du moment de la traite. Grâce à cette invention, les animaux sont heureux et en bonne santé, la production de lait augmente et les fermiers sont équipés d'outils de diagnostic qui leur permettent de travailler plus efficacement. Alexander van der Lely et Karel van den Berg ont été finalistes du Prix de l'inventeur européen 2019 dans la catégorie "Industrie".

L'IA pour une prise en charge plus précoce de patients parkinsoniens

Après avoir vu une vidéo YouTube de Michael J. Fox atteint de la maladie de Parkinson, Erin Smith, basée aux États-Unis, a développé une application fondée sur l'IA, qui utilise la vidéo pour détecter la maladie de Parkinson à un stade précoce. Cette invention peut aider à freiner l'évolution de la maladie. Erin Smith a été lauréate du Prix des jeunes inventeurs 2022.

Implant cérébral pour la communication bidirectionnelle avec des appareils externes

Thomas Oxley et Nicholas Opie ont inventé le Stentrode, une interface neuronale directe (IND) implantable permettant aux patients paralysés de communiquer par la pensée. Thomas Oxley et Nicholas Opie ont été sélectionnés comme finalistes pour le Prix de l'inventeur européen 2023.

 

L'IA générative

L'une des évolutions les plus marquantes dans ce domaine est l'IA générative, qui permet aux machines de générer des contenus entièrement nouveaux, notamment du texte, des images, de la musique et du code logiciel, en allant au-delà de l'analyse de données existantes pour produire des éléments inédits. Cela est rendu possible par les modèles génératifs profonds comme les réseaux antagonistes génératifs (GAN), qui apprennent en opposant un générateur à un discriminateur et des autoencodeurs variationnels (VAE), qui apprennent des représentations compactes de données pour produire de nouveaux échantillons. Des modèles autorégressifs, comme le Transformeur génératif préentraîné (GPT), adoptent une approche différente en générant du contenu étape par étape en prédisant chaque élément à partir du contexte antérieur. Ces modèles sont particulièrement efficaces lors de certaines tâches comme la génération de textes, où chaque mot ou phrase est créée de manière séquentielle pour conserver la cohérence et un flux logique.

Des avancées significatives réalisées dans le domaine de l'IA générative ont été rendues possibles par des architectures qui reposent sur des transformeurs comme GPT, Large Language Model Meta IA (LLaMA) et DeepSeek (par exemple EP4152314B1, relatif à la génération de texte par IA sensible au contexte). Ces architectures utilisent des mécanismes d'auto-attention afin de traiter de manière efficace des relations complexes dans les données, permettant à l'IA de produire des contenus structurés, cohérents et sensibles au contexte, les rendant indispensables dans divers domaines. D'autres modèles qui reposent sur des transformeurs, comme les Représentations d'encodeur bidirectionnelles issues des transformeurs (BERT), sont axés davantage sur la compréhension du langage que sur sa génération, excellant dans des tâches telles que la classification de texte, la recherche et l'extraction d'information. Dans le domaine du développement logiciel, par exemple, l'IA générative peut faciliter la génération automatisée de code et le débogage, pour ainsi réduire le temps de programmation. Dans le secteur pharmaceutique, les simulations assistées par l'IA peuvent accélérer la découverte de médicaments en prédisant des interactions moléculaires. La capacité à générer des médias synthétiques de haute qualité favorise l'innovation en matière de conception et de création de contenu en automatisant des processus créatifs sans erreur.

Systèmes d'IA autonomes

Les systèmes d'IA autonomes transforment la mobilité et l'ingénierie. Les véhicules autonomes utilisent la vision par ordinateur, la fusion de capteurs et les algorithmes d'apprentissage profond pour naviguer de manière dynamique, reconnaître les obstacles et optimiser les itinéraires routiers (par exemple, EP3947095B1, relatif à la prise de décision en temps réel lors de la conduite autonome). La modélisation prédictive basée sur l'IA renforce la sécurité en analysant les conditions routières et en adaptant le comportement du véhicule en conséquence. Dans le domaine de l'automatisation industrielle, les systèmes de conception autonomes basés sur l'IA génèrent des modèles mécaniques et structurels optimisés, ce qui réduit le gaspillage de matériaux et améliore la fonctionnalité. Ces évolutions définissent de nouvelles normes dans les domaines de l'ingénierie de précision, de la robotique et de la fabrication automatisée.

Informatique quantique

L'informatique quantique redéfinit les capacités des systèmes informatiques. Contrairement aux ordinateurs classiques, qui utilisent un système binaire composé de 1 et de 0 pour activer et désactiver les transistors, les ordinateurs quantiques utilisent des qubits. En s'appuyant sur les principes de la mécanique quantique, tels que la superposition et l'intrication, les qubits traitent l'information de manière entièrement nouvelle. Les algorithmes quantiques devraient en principe apporter des gains considérables de vitesse (de polynomiale à exponentielle) par rapport aux algorithmes classiques couramment utilisés pour des problèmes ou des tâches similaires. À mesure que le nombre de qubits intriqués augmente, la puissance de calcul des ordinateurs quantiques croît de manière exponentielle, ce qui en fait un élément clé des technologies de nouvelle génération.

Les ordinateurs quantiques ne sont pas conçus pour remplacer les ordinateurs classiques, mais plutôt pour venir les compléter. En fonctionnant ensemble, ces deux technologies permettent de régler des problèmes auxquels les systèmes classiques sont confrontés.

Malgré son potentiel considérable, l'informatique quantique se heurte à des défis techniques majeurs. Les qubits sont extrêmement sensibles et exposés aux risques de perturbation par des facteurs externes comme les fluctuations de températures, les champs électromagnétiques de dispersion ou le rayonnement cosmique. Ces perturbations peuvent entraîner la perte de l'état quantique des qubits, les contraignant à prendre une forme binaire classique. Les chercheurs et les ingénieurs mettent en permanence au point des stratégies visant à stabiliser les qubits et à accroître la fiabilité du système.

L'informatique quantique est d'ores et déjà étudiée et mise en œuvre dans divers domaines, y compris en matière d'innovations de matériels et d'approches logicielles :

• système d'informatique quantique doté d'une atténuation des erreurs améliorée (axé sur l'architecture physique des qubits et la stabilité, par exemple, EP3602423B1) – Ce logiciel libre permet aux programmeurs et aux chercheurs de créer des algorithmes et des applications quantiques.

• système de recuit quantique utilisé pour accomplir des tâches de calcul complexes (optimisation quantique fondée sur le matériel, par exemple, EP3754566B1) – Cette solution est utilisée pour des simulations de repliement protéique, la gestion de portefeuilles et l'optimisation logistique.

• système de distribution quantique de clés pour la transmission sécurisée de données (logiciels et algorithmes de cryptographie quantique, par exemple, EP2697931B1) – Cette solution est centrée sur la gestion et la distribution efficaces de clés afin d'assurer un chiffrement solide et de protéger contre l'évolution des cybermenaces. Elle est idéale pour des secteurs nécessitant des communications hautement sécurisées, notamment les services financiers, les administrations publiques et les établissements de santé qui traitent des données sensibles.