Remise des prix du challenge “Dis-ADEME” : 9 équipes renouvellent l'accès aux aides et services à la transition écologique grâce à l'Intelligence Artificielle

Cette initiative d'innovation ouverte, qui s'est déroulée d'octobre à décembre 2024, visait à explorer le potentiel de l'intelligence artificielle pour faciliter l'accès aux dispositifs d'aide à la transition écologique.Les projets présentés par les équipes s'inscrivaient dans trois grands défis : trouver l'aide et les services qui correspondent vraiment à un projet, diagnostiquer la pertinence et l'éligibilité d'une demande d'aide ou service, et aider l'ADEME à s'appuyer sur les retours d'expérience des appels à projets passés pour améliorer les appels à projet à venir.

Lancé le 3 octobre 2024, ce challenge ambitieux a mobilisé quinze équipes candidates, dont neuf ont été pré-sélectionnées le 6 novembre par les membres du jury, compte tenu de la maturité de leur réflexion sur les défis proposés. Présidé par Laurent Pichard, Secrétaire général de l'ADEME, le jury a mobilisé une diversité d'expertises internes à l'ADEME et externes, avec des partenaires combinant les acteurs institutionnels (Cerema, CGDD, Métropoles de Lyon et du Grand Paris), l'écosystème du numérique d'intérêt général (Datactivist, Latitudes, Open Data France, Numericité, Koumoul) et des expertises techniques en IA (Capgemini, Ekimetrics, Scaleway, Alegria.group) illustrant l'engagement collectif pour la transition écologique.

Tout au long du challenge, les équipes ont été accompagnées dans le développement de leurs solutions par des mentors experts issus d’organisations de référence dans le domaine de l’IA, de la data et de la transition environnementale Elles ont également bénéficié d’une infrastructure technique fournie gracieusement par Scaleway. Une série de webinaires thématiques a également rythmé le challenge, abordant des sujets clés comme les LLM (Large Language Models) ouverts (avec Joël Gombin, opsci) ou encore l'IA frugale (Thomas Brilland, ADEME et Juliette Fropier, CGDD), permettant aux équipes d’affiner leur compréhension des enjeux techniques et métier du challenge. 

Le 4 décembre 2024, dans les locaux parisiens d'Ekimetrics, les neuf équipes finalistes ont présenté leurs solutions lors d'un demo day. Chaque équipe disposait d'un créneau de 30 minutes pour convaincre : 20 minutes de présentation incluant une démonstration de leur solution, suivies de 10 minutes d'échanges avec le jury. Cette journée intense d'échanges et de présentations a permis d'évaluer la diversité et la qualité des approches proposées, aboutissant à la désignation de quatre lauréats lors de la cérémonie de remise des prix le 16 décembre 2024 dans les locaux de l'ADEME à Montrouge.

🏆 Lauréat du défi 1 : Ilex-IA, plusieurs agents pour aider les professionnels à trouver la bonne aide et évaluer leur élégibilité

L'équipe Ilex-IA est une collaboration entre trois structures : Ilex Environnement (expert métier et consultant mandataire CEE), WeUseAI (développement de logiciels intégrant l'IA) et Daikon (développement de produits d'IA). Elle a choisi de s'attaquer au premier défi avec une équipe comprenant Julien Ollivier, développeur full-stack chez WeUseAI, Alexandre Duverger, data scientist chez Daikon, Enzo Perrot, développeur chez WeUseAI et Georges-Antoine Ngoue, expert en financement de projets chez Ilex.

La solution combine plusieurs agents IA : un agent conversationnel, un agent de récapitulation qui transforme la conversation en mots-clés, et un agent d'extraction pour identifier les critères d'éligibilité. L'équipe a fait le choix d'un hébergement sur MacBook mini M2 avec LLAMA 3.1 70B, présentant un bilan carbone actuel de 1,31g eq CO2 par parcours utilisateur.

Lors des échanges avec le jury, l'équipe a présenté ses pistes d'amélioration, y compris concernant l’impact environnemental du modèle. Elle vise une réduction de 80% des émissions carbone en passant à des modèles plus légers (2-8B) et en optimisant leur architecture. Le jury a particulièrement apprécié l’approche centrée utilisateur, notamment les tests réalisés auprès de 13 entreprises et associations, démontrant une réelle validation terrain. La présentation a été jugée claire, convaincante et professionnelle. L'interface a été saluée pour son ergonomie et ses fonctionnalités innovantes, comme l'actualisation en temps réel de la liste des dispositifs pendant la conversation.

Deux difficultés principales sont ressorties des tests avec les utilisateurs : la gestion du décalage entre les descriptions détaillées des aides et le langage plus succinct des utilisateurs, ainsi que la nécessité de définir des seuils de pertinence pour filtrer les résultats. Le prototype est accessible en ligne à l'adresse diademe.we used.dev.

✨Lauréat du défi 2, DPLIANCE : un agent conversationnel pour vérifier l’éligibilité des entreprises aux aides

L'équipe Dpliance, venue de Poitiers, a choisi de se concentrer sur le deuxième défi après avoir initialement envisagé de traiter les trois défis du challenge. L'équipe réunit quatre experts : Hichem Ammar-Boudjelal, CEO et co-fondateur, Florian Gadal, CTO et co-fondateur, Nicolas Albiges, data scientist, et Christian Tchouaffe, data analyst anciennement à la Région Nouvelle-Aquitaine.

Leur motivation est née d'une expérience passée : ayant eux-mêmes échoué à obtenir une aide publique faute d'avoir identifié un critère d'éligibilité, ils ont développé un outil pour faciliter l'accès aux aides de l'ADEME. Lasolution se distingue par son intégration poussée avec les outils existants : utilisation de l'API SIREN pour pré-remplir automatiquement les informations des entreprises. Leur prototype respecte le design system de l'État et tente de s'intégrer directement dans la plateforme “Agir pour la transition écologique” de l'ADEME. D'un point de vue technique, ils utilisent notamment LLAMA 3.1 70B pour extraire automatiquement les critères d'éligibilité des PDF et les convertir en JSON structuré. Un agent conversationnel guide ensuite les porteurs de projet dans la vérification de leur éligibilité.

L'interface utilisateur a particulièrement séduit le jury : "On voulait vous féliciter pour l'interface graphique qui nous ramène dans notre monde." L'équipe a aussi mis l'accent sur l'adaptabilité de leur solution, comme l'explique un des membres : "L'objectif, on a vraiment tout construit pour que ce soit adaptable à n'importe quel appel de projets sans devoir tout réentraîner." Les échanges avec le jury ont notamment porté sur la qualité des résultats et la capacité du chatbot à converger vers des réponses précises. Leur prototype est disponible en ligne : https://ademe.dpliance.com/

Le jury a particulièrement apprécié la qualité de leur présentation, jugée dynamique, claire et convaincante. Leur projet s'est distingué par son interface utilisateur sophistiquée et son intégration innovante de l'API SIRENE pour simplifier le parcours des demandeurs d'aide. Les évaluateurs ont souligné l'aspect opérationnel et abouti de leur solution, notamment la fonctionnalité de résumé des dossiers pour les instructeurs et la conversion des documents en JSON pour améliorer l'auditabilité.

🎓Prix étudiant : IMT x SCP, un assistant conversationnel pour guider les entreprises dans leur transition écologique

L'équipe IMT x SCP, composée de cinq étudiants de l'IMT Atlantique - Antoine Kerboul, Baptiste Halçaren, Pierre Menendez, Marin Pignarre et Barnabé Roquette - s'est concentrée sur le premier défi du challenge. Ils ont mobilisé leurs expériences diverses, acquises chez Niji, Siparex/Pretto, Natixis/AXA et Weblib, pour développer une solution d'aide à la recherche de dispositifs ADEME.

Pour illustrer leur approche, l'équipe a créé le personnage de Marcel, dirigeant d'une entreprise métallurgique cherchant à améliorer sa performance énergétique. Sasolution repose sur l'utilisation du modèle Llama-3.1-8B-Instruct de Meta, un choix justifié lors de la présentation : "On s'est rendu compte que pour l'usage qu'on en avait, il n’y avait pas de nécessité d'utiliser un gros modèle de langage". L'architecture développée combine une recherche sémantique avec une interface permettant aux utilisateurs de décrire leurs projets en langage naturel.

Le jury a apprécié leur approche frugale et la simplicité d'utilisation de leur solution, notamment l'utilisation de questions fermées qui facilitent l'expérience utilisateur. Les échanges avec le jury se sont concentrés sur les performances techniques, notamment le temps de réponse de 10 secondes "très dépendant de l'API Scaleway". L'équipe a reconnu des difficultés dans la mesure de la performance : "On n'a pas défini une métrique mais elle est assez compliquée pour nous à trouver". Les axes d'amélioration identifiés incluent la gestion de "l'écart de vocabulaire parfois important entre les entreprises et les données ADEME" via l'ajout d'un module de reformulation et l'amélioration du système de recherche avec une triple sélection.

🍃 Prix de la sobriété, Data for Good : un assistant conversationnel pour simplifier l'accès aux dispositifs de l'ADEME

L'équipe Data for Good réunit trois profils complémentaires : Emilie Le Foll, Product Manager, Anastasia Barkova, ML Engineer spécialisée en IA générative, et Emilien Bcd, Architecte solutions data. Cette équipe s'inscrit dans la dynamique de l'association Data for Good qui rassemble plus de 4000 volontaires engagés dans des projets d'intérêt public.

Leur approche a débuté par une analyse approfondie des défis actuels : la complexité du parcours utilisateur sur le site de l'ADEME, l'hétérogénéité des demandes et des profils des usagers, la difficulté à apporter des réponses adaptées aux besoins, et la spécificité des aides et de leurs conditions d'éligibilité. Pour répondre à ces enjeux, ils ont développé une solution basée sur le RAG (Retrieval Augmented Generation), s'appuyant sur leur expertise en IA générative et la richesse des données textuelles disponibles. Le prototype propose trois workflows d'assistance : une recherche sémantique et par mots-clés, un chat interactif pour explorer l'information disponible, et une analyse automatique des dossiers pour évaluer l'éligibilité.

Dans une démarche de sobriété numérique, l'équipe a développé une architecture modulaire intégrant nativement la mesure de l'impact carbone. Leur approche présente plusieurs forces, notamment son caractère évolutif et réutilisable, la qualité du code, et l'explicabilité de l'IA. 

Les échanges avec le jury ont notamment porté sur les choix techniques, en particulier l'utilisation de modèles open source comme Gemma multilingual pour les embeddings et GPT-4o/4o mini pour la génération, dont les performances doivent être soigneusement évaluées en comparaison des solutions propriétaires. Le jury a particulièrement apprécié leur capacité à fusionner efficacement les défis 1 et 2. Les évaluateurs ont souligné plusieurs points forts : l'affichage de l'empreinte carbone des réponses générées, l'interface ergonomique, et leur réflexion approfondie sur la pertinence de l'utilisation de l'IA par rapport à d'autres solutions potentielles.

LLMPact : réconcilier le vocabulaire des utilisateurs avec celui des experts. 

L'équipe LLM'PACT s'est attaquée au premier défi avec une équipe pluridisciplinaire : Gabriel Kassem Rojas, data analyst et développeur fullstack chez Akkodis, Hugo Bertomeu, analyste BI chez DeciVision, Rémy Lapeyre, responsable système d'information au CHU de Toulouse, Roman Pedros, data scientist auto-entrepreneur, et Nicolas Oliveira Santos, spécialiste de l'IA au CEREMA.

L'équipe a développé un moteur de recherche qui réconcilie le vocabulaire des utilisateurs avec celui des experts. Leur solution combine deux approches : une recherche classique par mots-clés (TF-IDF) qui cible les termes spécifiques, et une compréhension sémantique plus fine basée sur les embeddings (LaBSE). Cette hybridation permet de traiter aussi bien des requêtes précises que des formulations plus approximatives, comme l'a démontré l'équipe en recherchant des aides liées à l'énergie solaire.

Leur prototype permet d’explorer, dans une interface épurée, les aides, les formations et les événements de l'ADEME. L'équipe a particulièrement soigné l'aspect environnemental de leur solution, privilégiant des modèles légers et une architecture frugale. Leur prototype aiguille les porteurs de projets qui n'ont pas une idée précise de ce qu'ils cherchent, en leur proposant des résultats pertinents même à partir de descriptions longues et peu structurées. Cela répond directement à l'un des enjeux majeurs identifiés par l'ADEME : réduire la distance entre le langage naturel des utilisateurs et le vocabulaire technique des dispositifs d'aide.

Eco-LLM Aria-L : une solution légère, déployable en local, pour évaluer l'opportunité de nouvelles aides et éviter les redondances

L'équipe Eco-LLM ARIA-L, constituée par Pleias et EcoLLM, s'est distinguée comme la seule équipe à traiter le troisième défi du challenge : exploiter les retours d'expérience des appels à projets passés pour améliorer les futurs dispositifs de l'ADEME. Une problématique stratégique puisque, selon la Cour des comptes, 25% des appels à projets publics présentent des recoupements avec des dispositifs existants. L'équipe rassemble quatre profils : Irène Girard, data scientist (Pleias), Carlos Rosas, lead data scientist (Pleias), Anastasia Stasenko, product lead (Pleias), et Flavien Lebarbé, CTO d’Eco-LLM.

Un des points forts de leur approche est d'avoir conçu une solution légère, capable de fonctionner sur un simple ordinateur portable sans infrastructure supplémentaire. Leur assistant documentaire s'appuie sur un petit modèle de langue optimisé avec 360 millions de paramètres qui peut tourner sur CPU. Pour leur prototype, l'équipe a traité un corpus de 445 appels à projets, en développant une chaîne de traitement documentaire qui classe les contenus selon 11 thématiques.

Le jury a particulièrement salué ce choix de relever le défi 3, peu exploré par les autres équipes. Lors des échanges, l'accent a été mis sur les possibilités d'enrichissement du système avec un corpus annoté pour faciliter l'entraînement d’un modèle. Des suggestions ont été faites pour intégrer d'autres sources comme les textes de loi, qui permettraient d'anticiper les évolutions réglementaires dans la conception des appels à projets. 

VYJPAM : une solution d'évaluation automatisée de l'éligibilité aux aides de l'ADEME

L'équipe VYJPAM, portée par la société Mes Aides Publiques, réunit cinq profils complémentaires : Valentin Laurent, data scientist au Ministère de la transition écologique, Yoann Pontier, data scientist et étudiant à Centrale Lyon, Jean-Philippe Gire spécialisé en backend et data, Michel Struk expert en aides publiques et UX/UI, et Arnaud Guillotin, développeur full-stack.

Concentré sur le défi 2 du challenge, le groupe s'est attaqué au diagnostic de pertinence et d'éligibilité des demandes d'aide. Leur solution répond à trois problématiques majeures : le nombre trop important de demandes non conformes aux critères d'éligibilité, le temps perdu par les instructeurs sur des dossiers inadaptés, et la complexité technique du processus pour les porteurs de projets.

Leur approche se distingue par son architecture modulaire utilisant plusieurs modèles spécialisés plutôt qu'un unique modèle généraliste. Dans un souci de sobriété et de souveraineté numérique, l'équipe a privilégié des modèles open source comme GPT-4o/4o mini, tout en reconnaissant les défis de performance que ce choix implique. La solution a été testée sur le Fonds Tourisme, choisi pour ses critères d'éligibilité réduits et son statut d'aide la plus populaire.

L'interface utilisateur est conçue autour du concept de "simplicité technique", avec une attention particulière portée à l'expérience utilisateur. L'équipe a notamment intégré un système innovant d'assistance à la saisie inspiré du format papier traditionnel, facilitant ainsi la transition numérique pour les utilisateurs moins techniques.

Les échanges avec le jury ont notamment porté sur les choix techniques de l'équipe, en particulier leur décision d'utiliser plusieurs modèles spécialisés plutôt qu'un seul modèle plus généraliste. L'équipe a défendu cette approche en soulignant qu'elle permettait d'obtenir de meilleures performances tout en facilitant la maintenance et l'évolution du système.

ASI : une approche gastronomique de l'assistance aux porteurs de projets

L'équipe ASI, une société à mission engagée pour un numérique responsable, a choisi d'aborder le défi 1 du challenge à travers une métaphore culinaire originale. L'équipe réunit cinq profils complémentaires : Frédéric André, chef (architecte), Damien Angebault, sous-chef (lead développeur), Laurent Lepczynski, service en salle (responsable de pôle), Hermann Ezra Seunkam, saucier (développeur IA), et Mathieu Vialatte, pâtissier (consultant IA Gen).

Leur solution s'articule autour d'une architecture multi-agent conçue pour accompagner les porteurs de projets comme un chef accompagnerait ses convives. Au cœur du système, un agent qualificateur agit comme un maître d'hôtel, reformulant dynamiquement les demandes des utilisateurs avant de les transmettre à l'agent chercheur qui explore une base de données vectorielle d'aides, formations et événements.

L'équipe a fait le choix technique d'utiliser le modèle llama-3.1-70b-instruct associé à l'embedding bge-multilingual-gemma2. Cette architecture permet de gérer efficacement quatre défis essentiels : la collecte exhaustive des informations, la maintenance du contexte conversationnel, la pertinence des réponses via un système de scoring et feedback, et la cohérence des échanges grâce à une architecture multi-agent.

Les échanges avec le jury ont notamment porté sur les aspects techniques de la solution et sa capacité à évoluer. L'équipe a identifié plusieurs axes d'amélioration, notamment l'élargissement de la solution à l'ensemble du périmètre fonctionnel de l'ADEME, la validation métier de la pertinence des résultats, et l'optimisation des performances énergétiques via des solutions comme RouteLLM et Optim Cloud.

KZS : une interface en langage naturel pour échanger avec les usagers

L'équipe KZS s'est attachée au défi n°1 du challenge avec une approche orientée expérience utilisateur. Elle réunit cinq membres : Afaf Jaber, ingénieur de recherche en mathématiques, Aurèle Germain, chercheur (Kaizen solutions), Guillaume Chalons, ingénieur de rechercher (Kaizen solutions) Jean-Benoît Denis, responsable pôle data et algo (Kaizen solutions), et Xavier Bouvard, astrophysicien. 

Face au constat d'un accès complexe et peu intuitif aux aides de l'ADEME, l'équipe a développé une solution basée sur le langage naturel permettant aux porteurs de projets de transition écologique de trouver facilement les dispositifs adaptés à leurs besoins. Leur approche repose sur un chatbot intelligent utilisant une base de données vectorielle enrichie et un système de RAG (Retrieval-Augmented Generation).

Le prototype propose plusieurs fonctionnalités clés : une recherche en langage naturel, des systèmes de prompts avancés pour orienter le chatbot, une redirection vers les ressources pertinentes de l'ADEME, et la génération automatique de rapports de conversation. L'équipe a utilisé Llama-3.1-8B-Instruct comme modèle de langage.

Les échanges avec le jury ont notamment porté sur le traitement des données de l'ADEME, que l'équipe n’a pas pu exploiter pleinement pour alimenter sa solution. Les axes d'amélioration identifiés concernent l'optimisation des performances via la quantization des embeddings, une meilleure gestion du cache, et l'ajout de fonctionnalités comme la vision par ordinateur, tout en gardant un focus sur la frugalité numérique à travers l'utilisation de modèles légers et d'une architecture optimisée.

Des retours enthousiastes sur les projets et la démarche

Philippe Guillouzic, Chief AI Officer de l'ADEME, a clôturé le demo day en remerciant les équipes pour leur investissement et leur apport de compétences, soulignant que ces innovations pourraient intéresser d'autres acteurs publics associés à la démarche. Les membres du jury ont fait part de leurs retours enthousiastes, soulignant la qualité et la diversité des approches présentées. Romain Tales, expert en transformation numérique chez Numéricité et ancien directeur du pôle données de la DINUM, a particulièrement apprécié "la démonstration du potentiel d'impact de l'IA tout en adoptant une approche frugale", rappelant l'importance cruciale de la qualité des données dans le développement de systèmes d'IA fiables. Marc Meyer, Directeur Délégué au CEREMA Direction Centre-Est, a salué "des approches innovantes visant à rendre ces dispositifs plus simples d'accès, plus efficaces, et plus frugaux en ressources", mettant en avant la richesse des échanges entre les différents acteurs. De son côté, Elise Pupier de Latitudes a souligné "la très bonne qualité des projets pour le temps imparti" et s'est félicitée de la place accordée à l'impact carbone des solutions.

Lors de la remise des prix, Sylvain Waserman, le président de l'ADEME, est revenu sur l'ambivalence fondamentale du numérique : "il peut être effrayant s'il est laissé de façon totalement anarchique et incontrôlée, mais il est aussi fascinant par les possibilités qu'il nous apporte. Notre défi est de trouver le bon chemin pour mettre le numérique au service de la transition écologique, sans tomber dans les écueils d'un développement incontrôlé qui ne tiendrait pas compte des limites planétaires.” Dans le monde complexe de la transition écologique, les projets développés dans le cadre du challenge “démontrent que c’est possible de résoudre cette complexité pour nos utilisateurs.”