Tarek Gasmi

Rendre visibles les dépendances cachées

La plupart des systèmes commencent à défaillir silencieusement avant que leur défaillance ne devienne visible.

Un pays exporte ses eaux souterraines sans jamais comptabiliser leur épuisement. Une transition technologique paraît réussie jusqu'à ce que l'on mesure les ressources sur lesquelles elle s'est appuyée. Une organisation croit posséder son intelligence alors qu'en pratique, elle la loue jeton par jeton.

Mon travail consiste à rendre visibles ces angles morts. Cela exige souvent de construire d'abord les instruments, car il est difficile d'étudier ce qui ne peut être ni accessible, ni connecté, ni interrogé.

Construire les instruments

De nombreuses questions importantes restent sans réponse, non pas parce que les données sont absentes, mais parce qu'elles sont fragmentées, difficiles d'accès par des moyens programmatiques et principalement conçues pour un lecteur qui ouvre une page et télécharge un fichier.

Ce lecteur n'est désormais plus le seul destinataire. L'information publique est de plus en plus consultée par l'intermédiaire de systèmes d'intelligence artificielle, alors que très peu de données sont conçues pour être utilisées par ces systèmes.

À travers tanitdata, je construis des couches d'accès aux données publiques adaptées à l'IA : des serveurs Model Context Protocol et des interfaces de requête permettant aux machines comme aux personnes d'interroger directement des données statistiques, agricoles et énergétiques.

L'objectif n'est pas de publier davantage de jeux de données. Il est de réduire le coût nécessaire pour poser une question sérieuse, reproduire une analyse et contester une interprétation établie.

Le protocole qui permet à un agent d'accéder à un portail de données publiques peut également connecter un agent aux outils internes d'une entreprise. Les enjeux changent, mais les questions de permission, d'exposition et de contrôle demeurent. C'est pourquoi la sécurité de ces interfaces fait partie intégrante de mes recherches : j'examine la couche technique sur laquelle je construis également.

Je travaille comme ingénieur de recherche plutôt que comme analyste faisant développer ses outils par d'autres. L'instrument, l'analyse et l'affirmation publiée sont traités comme les composantes d'un même artefact.

Cela implique de construire une infrastructure réutilisable avant de connaître toutes les questions auxquelles elle devra un jour répondre. C'est un pari stratégique, qui ne produit pas toujours les résultats attendus. C'est aussi le modèle que j'expérimente pour rendre la recherche rigoureuse d'intérêt public plus abordable lorsque le financement institutionnel durable fait défaut.

Ce que révèlent les données

Une grande partie de mon travail empirique est ancrée en Tunisie, un contexte dans lequel la fragmentation de l'information, les capacités analytiques contraintes et les transitions fortement consommatrices de ressources rendent les dépendances cachées particulièrement visibles. Les questions étudiées dépassent cependant largement les frontières d'un seul pays.

Mes recherches ont combiné plus de deux décennies de données satellitaires, climatiques, agricoles, économiques et administratives afin d'étudier l'épuisement des eaux souterraines, la production agricole, l'exposition énergétique et l'adoption technologique.

Ces travaux comprennent des recherches sur les eaux souterraines fossiles dans les régions productrices de dattes du sud tunisien ainsi que sur la diffusion de l'irrigation solaire. Le pompage solaire supprime une contrainte importante liée au coût énergétique de l'extraction. Une transition vers une énergie plus propre peut donc également accroître la pression exercée sur une ressource en eau non renouvelable si l'extraction elle-même n'est pas maîtrisée.

Certaines recherches sont limitées, révisées ou abandonnées lorsque les données ne confirment pas l'hypothèse initiale. C'est l'un des intérêts de construire des instruments analytiques capables de remettre en cause les hypothèses qui ont motivé leur création.

À l'intérieur des systèmes que je construis

À l'échelle institutionnelle, le même manque de visibilité devient plus immédiat. Une organisation peut disposer de volumes importants de données et déployer des systèmes d'IA performants sans savoir clairement comment ces systèmes accèdent à ses outils internes, où se situent réellement les permissions et les responsabilités, ni de quoi elle dépend désormais pour continuer à fonctionner.

À travers DataDoIt, je construis des systèmes d'IA générative pour les entreprises, des workflows agentiques et des intégrations avec des processus organisationnels réels. Je fais ainsi partie des personnes qui créent les dépendances que j'étudie : ce qu'un modèle peut atteindre, ce qu'il est autorisé à faire, les services externes dont il dépend et les personnes capables de détecter un dysfonctionnement.

Pour moi, la gouvernance commence dès la conception du système : qui est autorisé à faire quoi, par quelle interface, avec quel niveau de visibilité et sous la responsabilité de qui.

Les politiques ne deviennent effectives que lorsqu'elles correspondent aux chemins techniques réels par lesquels les modèles accèdent aux données, utilisent des outils et exécutent des actions.

Importer l'intelligence

À une échelle plus large, je développe Importing Intelligence comme un cadre permettant d'étudier la manière dont les pays et les organisations acquièrent des capacités d'intelligence artificielle produites à l'extérieur, par l'intermédiaire de l'inférence, plutôt qu'en développant eux-mêmes des modèles de pointe.

Cette réflexion est partie d'une observation pratique : l'accès à l'IA avancée n'est pas déterminé uniquement par la demande technique. Dans le cadre initial, j'ai identifié sept points à travers lesquels cet accès peut être limité : l'éligibilité, les règles relatives aux pays pris en charge, les moyens de paiement, les limites d'utilisation, le routage des requêtes, les conditions contractuelles et la juridiction.

Une organisation peut construire des processus critiques autour d'un modèle externe tout en conservant peu de contrôle sur sa disponibilité, son prix, les usages autorisés, les routes empruntées par ses données ou ses futures conditions contractuelles.

La question n'est pas de savoir si toute dépendance extérieure peut être supprimée. Elle consiste à déterminer quelles dépendances sont acceptables, lesquelles sont stratégiques et lesquelles restent invisibles jusqu'au moment où l'accès est limité ou interrompu.

Développer les capacités

L'enseignement et l'encadrement académique ne sont pas séparés de ce travail. C'est à cette échelle que les questions d'infrastructure et de dépendance deviennent concrètes : qui peut construire ces systèmes, qui peut les examiner, qui peut remettre en question leurs résultats et qui reste dépendant d'outils qu'il ne peut ni comprendre ni modifier.

Développer les capacités locales ne signifie pas reproduire chaque couche de la chaîne technologique mondiale. Cela signifie être en mesure de décider en connaissance de cause ce qu'il faut construire, ce qu'il est possible d'importer, ce qui peut être exposé à des systèmes externes et ce qui doit rester sous le contrôle direct des institutions.