Semaine de démos d'outils de données de l'EFPC : Découvrir les risques financiers, avec MindBridge (DDN2-V10)

Transcription : Semaine de démos d'outils de données de l'EFPC : Découvrir les risques financiers, avec MindBridge

[Le logo blanc animé de l'École de la fonction publique du Canada se dessine sur un fond violet. Une page apparaît, puis elle se transforme en livre ouvert. Une feuille d'érable apparaît au milieu du livre, qui ressemble aussi à un drapeau en dessous duquel se trouvent des lignes courbes. Le texte suivant s'affiche à côté du logo : Webcast | Webdiffusion.]

[Il s'efface et est remplacé par deux écrans titres côte à côte en anglais et en français. En haut se trouvent trois feuilles d'érable vertes, chacune faite de textures différentes. Le texte suivant est affiché à l'écran :

Semaine de démos d'outils de données de l'EFPC

Découvrir les risques financiers avec MindBridge

Communauté des données du GC]

[Il s'efface, remplacé par un appel vidéo sur Zoom mettant en vedette cinq experts. Dans le panneau supérieur droit, Taki Sarantakis, un homme avec des lunettes et une barbe soignée, est assis devant sa bibliothèque personnelle. En haut, au milieu, John Colthart, un homme avec une frange et une courte barbe, est assis devant une bannière de MindBridge. En haut à droite, une femme aux cheveux blonds clairs, Nadine Roy, est assise devant un mur vide. En bas à gauche, un homme aux cheveux courts et foncés, Solon Angel, est assis devant deux fenêtres. En bas à gauche, une femme aux mèches blondes portant un chemisier rouge est assise devant un plant de vigne suspendu.]

Taki Sarantakis: Bonjour ou bonsoir, selon l'endroit du Canada ou du monde d'où vous vous joignez à nous. Je m'appelle Taki Sarantakis. Je suis le président de l'École de la fonction publique du Canada.

[Le panneau de Taki remplit l'écran. Une boîte de texte violette dans le coin inférieur gauche l'identifie : « Taki Sarantakis, École de la fonction publique du Canada. »]

Taki Sarantakis: Bienvenue à notre dernier volet de la Semaine des données de l'École. On a commencé la semaine en parlant d'intelligence artificielle et de relations de travail. Et on la termine sur l'intelligence artificielle et les états financiers, les dépenses et les contrôles. Une des choses que j'aime dire au public quand on parle du monde, de la technologie et des changements, c'est qu'aujourd'hui est le jour le plus lent du reste de votre vie. Ce que je veux dire par là, c'est qu'on ne verra plus jamais le haut débit aller moins vite, le Wi-Fi non plus, ni l'intelligence artificielle devenir plus stupide. Ces choses vont de mieux en mieux et de plus en plus vite. Alors, ne vous laissez pas tromper par ce que les choses peuvent faire aujourd'hui, parce que demain, leurs limites seront encore repoussées. En tant que fonctionnaires du gouvernement du Canada, nous avons l'obligation d'utiliser les meilleurs outils possible pour servir le gouvernement, le Parlement et les Canadiens. Comme je l'ai dit, aujourd'hui, c'est notre dernière démonstration des données de l'École, et on va donc recevoir des gens vraiment très sympathiques. Nous aurons une personne du Bureau du vérificateur général. Eh oui, j'ai dit « sympathique » et « Bureau du vérificateur général » dans la même phrase.

[Les cinq experts sont réunis à l'écran.]

Taki Sarantakis: Nous aurons un représentant du ministère de la Défense nationale et deux représentants d'une entreprise canadienne appelée MindBridge, qui est l'un des principaux chefs de file en intelligence artificielle au Canada. Alors, commençons : voici Nadine, du Bureau du vérificateur général. Nadine, pour quelle raison êtes-vous venue nous parler d'un sujet appelé intelligence artificielle?

Nadine Roy: Merci de m'avoir présentée comme sympathique. C'est probablement la première fois, alors merci pour ça. Oui, je suis du Bureau du vérificateur général. Voici ma première question — et je pense qu'elle est liée au sujet — est-ce que la technologie va remplacer les humains?

[Le panneau de Nadine remplit l'écran. Pendant qu'elle parle, des panneaux apparaissent et disparaissent.]

Nadine Roy: Comme l'a dit Stewart Butterfield, on peut faire beaucoup d'automatisation sans remplacer les humains, mais seulement les gestes abrutissants. On va donc parler d'intelligence artificielle, d'automatisation et de vérification financière. C'est donc pour vous parler de cela que je suis ici. Je suis convaincue que des outils modernes et conviviaux vous apporteront de grands avantages. L'intelligence artificielle et l'automatisation permettent aux gens de se concentrer sur leur travail plutôt que de passer des heures à acquérir des données, à exécuter des analyses et à générer la visualisation de leurs données. Je voudrais aborder trois points aujourd'hui. Le premier concerne le fait que l'intelligence artificielle et l'automatisation peuvent être faciles à utiliser, nous rendre plus efficaces et nous faire gagner du temps. À titre d'exemple, avant d'utiliser ces types d'outils pour évaluer la possibilité de rapports frauduleux et la vérification des états financiers, les vérificateurs financiers du Bureau du vérificateur général avaient l'habitude de consulter des classeurs contenant les données et les opérations. Ils assimilaient toutes les données financières manuellement. Ils analysaient chaque opération pour voir si elle pouvait être à haut risque ou non, et avec un peu de chance sélectionnaient celles qui étaient susceptibles d'être frauduleuses pour qu'elles fassent l'objet d'une enquête plus approfondie. Ce processus manuel n'était pas totalement précis ni fiable. L'intelligence artificielle et l'automatisation permettent d'améliorer la précision et la cohérence de l'analyse. Elles fournissent même un tableau de bord visuel interactif qui permet aux vérificateurs de passer rapidement et facilement en revue les résultats de l'analyse et de chercher des informations dans les données.

[Une boîte de texte violette dans le coin inférieur gauche l'identifie : Nadine Roy, Bureau du vérificateur général du Canada.]

Nadine Roy: La technologie permet d'économiser beaucoup de temps et peut également être conviviale. Vous n'avez pas besoin d'être un scientifique des données pour l'utiliser et c'est ce qu'on va voir dans la démonstration d'aujourd'hui. Le deuxième point, c'est que l'intelligence artificielle et l'automatisation font désormais partie de la profession de vérificateur. Si on veut suivre les progrès et rester pertinents, on doit désormais considérer ces outils comme des membres de l'équipe. Ainsi, la profession et les normes de la vérification ont été mises à jour sur le plan de la technologie tant au niveau de l'entreprise que de l'engagement. Plus récemment, des ressources technologiques ont été ajoutées à la portée du système de gestion de la qualité de la norme internationale sur le contrôle de la qualité. Les applications informatiques font désormais officiellement partie de l'environnement informatique de l'entreprise et de l'équipe de vérification. L'utilisation de la technologie par les entreprises est également un élément important de la qualité de la vérification et sa gouvernance est essentielle. Il ne s'agit pas seulement d'avoir des outils pour lire, explorer et communiquer les données. Mais il faut aussi, et surtout, assurer la gouvernance de ces outils et des activités connexes. Les méthodologies de l'entreprise sont constamment mises à jour à la fois sur la façon et le moment d'utiliser la technologie, mais aussi sur la façon de déterminer comment elle doit être contrôlée et supervisée. Mon troisième et dernier point vise l'adaptation des données en fonction de leur objectif. Des systèmes et un format de données normalisés rendront l'outil d'automatisation de l'intelligence artificielle plus utile. Il est vraiment important de se rappeler que les données doivent être adaptées à leur objectif et normalisées. Les données non normalisées réduisent vraiment les possibilités de la vérification, comme l'application de l'intelligence artificielle et de l'automatisation pour exécuter des procédures de vérification, le rapprochement des règlements interministériels, ou la découverte rapide de la somme que le gouvernement dépense auprès d'un fournisseur particulier. Elles réduisent également le nombre d'occasions et engendrent une mauvaise utilisation des ressources au sein du gouvernement, comme le dédoublement de l'information, la redondance des données et probablement de l'incohérence, elles empêchent le partage de l'information détenue par un ministère qui pourrait appuyer la prestation d'un programme dans un autre ministère. Par exemple, en vérification financière, si chaque ministère et organisme a un système financier différent, il est très difficile pour les vérificateurs d'analyser l'ensemble des opérations des divers systèmes et de faire une évaluation globale des données pour l'ensemble du gouvernement. Donc, puisque les données ne sont pas normalisées, l'outil d'intelligence artificielle ne peut pas être utilisé à sa pleine capacité. Ainsi, la normalisation de votre source de données assurera la puissance de l'intelligence artificielle et de l'automatisation. Comme vous le voyez, je crois que ces outils modernes et conviviaux apportent de grands avantages. Et mon appel à l'action à votre intention est de vous mettre au défi de commencer à explorer ces outils avec certaines de vos données, pourquoi pas dès lundi prochain. Vous pouvez commencer à petite échelle, mais, s'il vous plaît, commencez. Merci.

[Les cinq experts reviennent à l'écran.]

Taki Sarantakis: Merci, Nadine. Passons maintenant à Valerie. Valerie, d'où nous appelez-vous?

[Valerie parle, mais aucun son n'est émis.]

Taki Sarantakis: Valerie, votre micro est-il activé?

[Valerie ajuste quelque chose sur le côté de son panneau.]

Valerie Brobbel: Allô, m'entendez-vous?

Taki Sarantakis: Oui.

Valerie Brobbel: Parfait. Bonjour! Je suis membre de l'équipe de vérification et d'évaluation internes de la Défense nationale. Merci, Nadine, pour cette excellente présentation. Que fait donc une équipe de vérification interne? En somme, nous aidons nos directions générales, les autres directions générales de notre ministère, à mieux faire leur travail. De plus, nous fournissons une assurance indépendante à notre sous-ministre que les ressources de la Défense sont bien gérées.

[Le panneau de Valerie remplit l'écran. Une boîte de texte violette dans le coin inférieur gauche l'identifie : Valerie Brobbel, Défense nationale.]

Valerie Brobbel: Compte tenu de la taille de la Défense nationale, vous pouvez imaginer le nombre d'opérations financières que nous traitons chaque année. De plus, la Défense est actuellement en train de mettre en œuvre une vision de « Protection, Sécurité, Engagement », ce qui signifie que nous allons renouveler nos flottes vieillissantes et bâtir une armée agile. Ça veut dire aussi que les services de soutien aux entreprises, par exemple la vérification interne, doivent également devenir agiles. Et, comme partout ailleurs, vous le savez, les ressources humaines sont limitées. Alors que faire quand on ne peut embaucher qu'un nombre limité de vérificateurs? Nous nous sommes associés au Programme Solutions innovatrices Canada pour voir comment tirer parti des technologies modernes comme l'intelligence artificielle. Pour vous en dire plus, en ce moment, nous en sommes aux tout premiers stades de notre projet pilote avec MindBridge. Aujourd'hui, je vais donc parler de ce que nous espérons réaliser avec ce projet pilote. Maintenant, en ce qui concerne la défense, tout repose sur l'automatisation et la transformation numérique. Ce que nous espérons réaliser avec le projet pilote MindBridge peut se résumer par les cinq « C » : capacité, couverture, contrôles internes, surveillance continue des risques et procédures de clôture. Laissez‑moi préciser un peu chaque « C ». Le premier « C » est la capacité, ce qui reflète beaucoup le message de Nadine. Actuellement, on consacre une grande partie de notre temps à rassembler des données, à les chercher, à les organiser, à les nettoyer, ce qui est très fastidieux et monotone. Ce qu'on aimerait, c'est confier ces tâches à une machine pour que nos vérificateurs aient le temps de faire ce que les humains font le mieux. Le deuxième « C » est la couverture. Une vérification type implique traditionnellement ce qu'on appelle un échantillonnage. C'est une technique qui vise à prélever certaines données, un échantillon, présumé représenter le tout. Donc, si vous vous souvenez, notre rôle est de donner une assurance à notre sous-ministre. Maintenant, ne serait-ce pas formidable si on pouvait consulter 100 % des données au lieu d'un échantillon pour fournir cette assurance? Le troisième « C » accroît notre capacité à surveiller le rendement de nos contrôles internes existants. Imaginez-vous par exemple aller travailler le matin comme vérificateur interne. Vous entreriez dans votre bureau et diriez : « Alexa » ou « Siri, montre-moi les dix opérations à plus haut risque passées hier », vous les consulteriez, examineriez ce qui s'est passé et essaieriez de comprendre quels sont les contrôles internes qui ont fonctionné ou peut-être quels sont ceux qui ont besoin d'un peu d'amélioration ou bien s'il nous en faut des nouveaux. Le quatrième « C » concerne la capacité de surveillance continue des risques. La surveillance continue des risques contribue à l'amélioration continue. En d'autres termes, l'amélioration des programmes du ministère de la Défense nationale est notre objectif ultime, et la surveillance est le moyen de l'atteindre. Sans intelligence artificielle, ce qu'on a pu réaliser jusqu'à présent, ce sont des vérifications périodiques et de conformité. On peut regarder les opérations d'un point de vue historique, mais si on y pense, conduire une voiture en regardant [inaudible]

[Valerie se fige momentanément et le son est coupé.]

Valerie Brobbel:  La surveillance continue des risques était presque impossible il y a 10 ou 20 ans. Pourquoi? Parce que la technologie n'était pas disponible à l'époque. Eh bien, devinez quoi? Elle l'est, maintenant. L'objectif de l'intelligence artificielle consiste à mettre l'accent sur l'aspect proactif plutôt qu'historique de l'analyse des risques financiers. Si on peut examiner les tendances historiques en les associant aux cotes d'évaluation des risques, puis tirer parti de la technologie de l'intelligence artificielle, alors on peut essayer d'identifier les risques financiers à venir [inaudible]. Avec l'intelligence artificielle, on peut continuellement mettre à jour notre visibilité. C'est un peu comme le fonctionnement d'un GPS. On peut signaler n'importe quels types d'événements risqués pouvant entraîner d'éventuels enjeux financiers pour la défense. Et comme on le sait, conduire une voiture est bien plus facile avec un GPS. Le cinquième « C » concerne les procédures de clôture. Le processus de clôture de fin d'exercice est très long et laborieux pour notre dirigeant principal des finances (DPF), et pour tous les DPF en général. Que se passerait-il si on pouvait utiliser l'intelligence artificielle ou les analyses approfondies pour évaluer la santé financière juste avant la fin de l'exercice et repérer les aspects préoccupants? Ça pourrait nous aider à réduire la quantité de travail et le temps que l'équipe de notre DPF consacre au processus de fin d'exercice. Par conséquent, ces cinq « C » représenteraient notre cas d'utilisation pour l'application de l'intelligence artificielle à la vérification interne. Voilà ce qu'on espère obtenir. J'aimerais passer la parole à Solon, qui est le fondateur de MindBridge, pour continuer la conversation. Merci.

[Les cinq experts reviennent à l'écran.]

Taki Sarantakis: Merci, Valerie. Alors, Solon, êtes-vous vérificateur? Serez-vous le troisième vérificateur ou avez-vous une profession différente?

Solon Angel: Je pense que les vérificateurs deviendront des super vérificateurs. C'est ce qu'on dit toujours. Si on réfléchit à la quantité de données financières et de problèmes qui existent, il y a un certain déséquilibre dans la forêt. Les Seigneurs Sith et les mauvaises choses qui se produisent sont plus nombreux que les Jedi. Si on regarde le nombre de vérificateurs dans le monde, les comptables sont très peu nombreux. Il y a une pénurie de comptables et il y a encore moins de vérificateurs. Et des vérificateurs qui comprennent l'analyse des données, même pas ceux qui savent coder, juste ceux qui comprennent l'analyse des données, il y en a très peu. Seul un tout petit nombre d'entre eux peuvent le faire correctement.

[Le panneau de Solon remplit l'écran. Une boîte de texte violette dans le coin inférieur gauche l'identifie : Solon Angel, MindBridge.]

Solon Angel: Donc ce que nous essayons de faire ici, c'est de donner des sabres laser aux gars — et aux filles — qui connaissent la Force. Parce qu'en ce moment, ce sont surtout des femmes, franchement. Mais c'est ce que nous essayons de faire. Les agents de changement qui sont les premiers à examiner le sabre laser et à comprendre comment le produire vont tout changer. D'accord? Et c'est toujours pareil quand on a un nouvel outil; la première personne qui a su utiliser une roue était un fermier bien plus efficace. La première personne qui a utilisé un tracteur était un agriculteur beaucoup plus efficace. Il existera toujours des choses qui permettront à la première personne qui s'en sert comme outils d'obtenir un meilleur résultat. Donc, je reprends la pensée que Valerie vient d'exprimer, à savoir qu'on s'oriente mieux maintenant, car personne ne prend plus de carte pour aller quelque part. On consulte simplement Google Maps ou on suit un GPS ou quelque chose comme ça. Ça m'a rappelé une discussion qu'on a eue sur la fonction de vérification. Mettons en parallèle l'intelligence artificielle en vérification et l'intelligence artificielle en analyse financière. Donc, prenons le niveau d'autonomie 5, qui se produit quand vous ne faites plus rien dans votre voiture, car elle se conduit toute seule. Vous dites : « Je veux aller là », et elle vous y conduit. Aujourd'hui, il y a beaucoup de processus au gouvernement qui devraient être au niveau d'autonomie 5. Beaucoup de tâches se font manuellement dans des feuilles de calcul Excel alors qu'elles pourraient être automatisées et qu'elles devraient l'être. Mais il y a aussi beaucoup de choses qui ne devraient jamais être complètement automatisées, parce qu'elles nécessitent la présence d'un être humain, car ça inspire confiance. Et franchement, dans certains cas, la loi l'exige. Vous savez, il faut toujours un être humain pour évaluer ce qu'a fait l'intelligence artificielle. Et si je peux donner un conseil à tout le monde, ce que nous faisons en tant qu'entrepreneurs, c'est penser à l'avenir. Imaginez un futur où toute partie de processus qui n'a pas besoin de la présence d'un être humain est entièrement automatisée par une API. D'accord? On peut définir très rapidement ce qu'il ne faudrait jamais automatiser juste parce que soit les processus sont mauvais, soit la loi exige simplement l'examen d'un être humain. Alors vous dessinez ce futur et planifiez ce que sera ce jardin dans cinq ans parce que les choses prennent du temps — vous savez, soyons honnêtes, dans une grande organisation, et, en passant, pas seulement au gouvernement — il faut le temps d'adopter les changements. Donc si vous vous dites, « Dans cinq ans, quand je ferai mon travail, voilà à quoi il devrait ressembler » et qu'ensuite, vous regardez en arrière après quatre, trois, deux ans, un an, un trimestre, un mois, une semaine, vous commencez à voir ce que vous devez activer pour devenir un agent de changement. Et enfin, avant d'entrer dans les détails, je pense qu'il faut — vous savez, les Jedi ne sont pas moins peureux quand ils ont des sabres laser. Si on prend Yoda, il est bien mignon — bébé Yoda l'est encore plus — mais il ne va pas céder son sabre laser tous les jours. Et c'est la même chose ici quand on pense à la gouvernance et à la conformité. Dans notre profession, on se doit d'être d'abord des êtres humains. Une des choses qui me rend extrêmement fier en tant qu'entrepreneur en intelligence artificielle, c'est lorsque j'entends, surtout aux États-Unis certains de nos utilisateurs dire « on a appliqué l'intelligence artificielle à cette vérification, on a utilisé l'intelligence artificielle dans l'analyse et nos clients ne l'ont pas remarqué. » D'accord? Ils n'ont simplement pas remarqué. Ce qu'ils ont remarqué, c'est qu'ils posaient des questions plus pertinentes. Et moi, je dis « Bingo! » Quand les vérificateurs arrivent, ils n'ont pas besoin d'utiliser une liste de vérification, ils ne sont pas considérés comme des interrogateurs ni comme des gens qui remettent en question ce qui se passe. Le président de l'Institute of Internal Auditors (IIA) vient de publier un livre intitulé Agents of Change, sur ce que peuvent être les vérificateurs. D'accord? C'est une profession très noble. Et donc le fait que les clients de tous les clients aient dit « Vous posez vraiment des questions plus pertinentes », ça nous a donné un énorme sentiment de fierté, parce que ça veut dire que la profession est plus pertinente et plus humaine que jamais. Et c'est ce que l'intelligence artificielle devrait faire, non? Laisser les parties techniques difficiles aux machines et faire en sorte que l'humain utilise sa fonction cognitive supérieure pour vraiment comprendre ce qui se passe et être capable d'agir en vrais partenaires dans le processus. Donc voilà les trois choses que je dirais après avoir écouté Nadine et Valerie. Au fait, je crois que c'est la première fois que je suis sur un panel où il y a une réelle représentation naturelle, sans qu'elle soit forcée. John, est-ce une première pour vous? C'est assez agréable à voir. Ouais, c'est la première pour moi aussi. Habituellement, quand on parle d'intelligence artificielle, il n'y a que des gars partout. Mais bon, c'est simplement un commentaire secondaire. D'accord. Alors, qu'est-ce qu'on fait maintenant? Est-ce qu'on vous montre des diapos pour expliquer?

Taki Sarantakis: Oui, montrez-nous quelques diapositives, mais on veut aussi voir la chose parce que c'est une démonstration. On veut donc voir la puissance du sabre Jedi dont vous avez parlé.

[Solon shares his desktop screen. On it, iMessage is open to an involved chat. The desktop background shows a candid photo of young girl smiling at a blond man.]

Solon Angel: D'accord. Je vais laisser ça à JC, et je vais parler rapidement de MindBridge. Donc je dois faire une pause maintenant parce qu'il manque quelque chose dans le diaporama.

[Un dossier de présentation se charge. La diapositive titre affiche le logo de MindBridge, un « M » ressemblant à un pont à l'intérieur d'un cercle bleu, à côté du nom de l'entreprise. La diapositive titre affiche ce qui suit :
« École de la fonction publique du Canada — Transformez vos analyses de données avec MindBridge : IA pour vos données ». Un graphique 3D montre des anneaux flottants et déformés imitant les ondes d'un réseau wifi.]

Solon Angel: MindBridge était très fière cette semaine, car elle est la première entreprise canadienne à avoir été sélectionnée par Forbes parmi les 50 plus grandes entreprises émergentes en intelligence artificielle au monde. Et je peux vous dire que le gouvernement du Canada doit être fier, parce que si ce n'était du PARI, si ce n'était du programme de recherche scientifique et de développement expérimental, si ce n'était de certaines personnes du gouvernement canadien qui nous ont encouragés tout au long du chemin vers la réussite, je doute que MindBridge existerait aujourd'hui au Canada et aurait obtenu toute cette reconnaissance. Beaucoup de gens au gouvernement nous ont dit au début qu'on avait besoin d'un outil comme ça. En plus de cela, le gouvernement canadien a offert un fonds d'investissement stratégique, avec le PARI et le programme de recherche scientifique et développement expérimental qui nous ont vraiment appuyés au début de la création. Et je pense que c'est quelque chose que, comme je l'ai dit dans l'article de Forbes, vous pouvez constater par vous-même. Je n'hésite pas à le dire : quand les gens se plaignent que le gouvernement n'innove pas, eh bien MindBridge est la preuve du contraire. Le gouvernement du Canada innove et nous en sommes très fiers.

[La diapositive change. La diapositive suivante affiche un fond gris et est divisée en trois sections. Elle s'intitule « Cas d'utilisation de MindBridge ». La première section contient ce qui suit : « Gouvernance — Fraude sur les paiements (transactions électroniques/Swift), risque de liquidité et d'interruption de service, conformité dans les cas de fraude liée aux faillites, surveillance des marchés, identification synthétique (démarrage). » La deuxième section contient ce qui suit : « Transactions bancaires — Risque et rendement des succursales — rendement des produits, personnel (RH), création de prêts — processus et santé des prêts. » La troisième section contient ce qui suit : « Gouvernement — Analyse du grand livre financier aux fins de vérification, analyse du grand livre financier pour le dirigeant principal des finances — dépenses, factures et autres, outils de détection des anomalies générales pour les réclamations. »]

Solon Angel: Si vous regardez les cas d'utilisation actuels de MindBridge, beaucoup de gens nous utilisent essentiellement pour consulter des données financières. D'accord? Ça concerne donc la gouvernance — dans le secteur bancaire, en particulier, beaucoup de risques opérationnels sont liés à la faible reconnaissance du rendement par rapport aux risques. En ce qui concerne la gouvernance, si on regarde la Banque du Canada, la Banque d'Angleterre et toutes les agences d'opérations financières, qu'on ne nommera pas, il y a beaucoup de problèmes liés à la fraude sur les paiements, au risque de liquidité, à la surveillance des marchés et à d'autres choses comme ça. Mais dans les ministères, on sait très bien régler tous les problèmes qui concernent par exemple de l'analyse des livres, les vérifications financières, les vérifications législatives, l'analyse des dépenses, les factures, ainsi que la détection des anomalies générales pour les réclamations. Ce sont les trois piliers des cas d'utilisation du moteur d'intelligence artificielle de MindBridge.

[La diapositive change. La diapositive suivante s'intitule « Aperçu de MindBridge », et présente une série de faits dans des anneaux : « Fondée en 2015, siège social situé à Ottawa, deux brevets, +20 000 professionnels de la finance utilisent MindBridge, +20 milliards de transactions analysées. » Sous les anneaux se trouve le sous‑titre suivant « Applications pour le marché des services financiers ». En dessous figurent quatre icônes à côté de chaque application : « Risques financiers », « Risques et efficacité opérationnels », « Fraude » et « Réglementation et conformité ». Un petit graphique illustre l'activité de financement; une grande partie du graphique correspond à « FSI pour la R et D du gouvernement fédéral ».]

Solon Angel: Si vous voulez connaître l'histoire de MindBridge, l'entreprise a été fondée en 2015, à Ottawa, avec un siège social — quand nous avions un siège social à Ottawa. Enfin, on va rouvrir le bureau à Ottawa. Nous avons deux brevets, et déjà vingt mille professionnels de la finance utilisent MindBridge dans le cadre de leur travail. Ça correspond au traitement de plus de 20 milliards d'écritures de journal. Le financement qu'on a reçu provenait en fait en grande partie du gouvernement du Canada. À ce jour, on a reçu vingt-huit millions de dollars américains, dont quatorze millions de dollars canadiens du gouvernement du Canada.

[La diapositive suivante montre plusieurs prix, notamment « Meilleure solution d'apprentissage automatique pour la conformité réglementaire des banques centrales », les logos des associations comptables au sein desquelles ils sont reconnus, telles que CalCPA et MACPA, et les logos des principaux clients et partenaires, y compris Microsoft, KPMG, la Banque du Canada et la Banque Nationale.]

Solon Angel: Les cinq dernières années ont été très occupées. Nous avons des clients importants et nous avons aussi été primés dans le monde entier. Ainsi, MindBridge est aujourd'hui la seule solution qui a reçu du Forum économique mondial le statut de Pionnier de la Technologie pour l'analyse des données financières. Et je pense que le Canada devrait être fier. Je veux dire, je suis fier de mon bébé, bien sûr, comme tous les parents. Mais si on y réfléchit, si on s'arrête un instant et qu'on pense à la taille du Canada et à la taille du secteur de la technologie au Canada, ces distinctions confirment le rôle que le Canada joue en tant qu'innovateur en intelligence artificielle dans le monde. Lorsqu'on va à Singapour et ailleurs, les gens savent que le Canada accorde une grande valeur à la gouvernance. Et cela signifie même qu'on est chef de file mondial de ce domaine de la technologie. D'accord? Les principaux clients et partenaires sont notamment Microsoft, KPMG et la Banque Nationale, qui est un client, mais aussi un investisseur dans MindBridge. Nous avons donc de solides racines au Canada, mais on a été reconnus par plus de quinze associations comptables dans le monde entier, de la CalCPA à l'ICNW au Royaume-Uni, entre autres.

[La diapositive change. La nouvelle diapositive s'intitule « Données financières actuelles par rapport aux méthodes traditionnelles ». Une grande forme organique se trouve sur le côté gauche de l'écran, sur laquelle est écrit le titre « Perte financière — due à une erreur humaine ou intentionnelle ». Un petit cercle bleu clair se trouve à l'intérieur de la forme. Son étiquette indique « Seulement 1 à 5 % sont vues et connues. Les examinateurs de fraude certifiés estiment que les organisations perdent... » Des bulles avec des chiffres apparaissent à l'écran. Elles indiquent :

• « 1,5 M$ de perte moyenne par cas
• 70 % affirment que leur organisation a pris une décision commerciale importante sur la base de données financières inexactes
• 5 % des revenus sont consacrés à la fraude chaque année
• Les experts financiers passent 80 % de leur temps à rassembler, à vérifier et à consolider manuellement les données ».]

Solon Angel: Je vais en parler rapidement aujourd'hui, et JC, John, va vous montrer le produit un peu plus. Par rapport à la méthode traditionnelle, si on utilise l'outil actuel d'analyse des données financières selon une approche moderne, on peut vraiment réduire le risque d'erreurs et d'anomalies, qu'elles soient dues à la fraude ou simplement propres au domaine. On va regarder les deux, d'accord? On ne cherche pas seulement la fraude; la majorité des problèmes ne sont pas nécessairement liés à la fraude.

[La diapositive change. La nouvelle diapositive s'intitule « La technologie ». Elle présente un diagramme constitué d'un carré avec un diagramme de Venn au milieu. Les cercles à l'intérieur sont intitulés « Apprentissage automatique », « Méthodes statistiques » et « Outils traditionnels ». Le bas du carré est intitulé « Plateforme sécurisée ». En haut du carré, une flèche intitulée « Ingestion intelligente » mène vers le bas du carré. À côté, une flèche pointant vers le haut et l'extérieur est intitulée « Résultats transparents ». Entre les deux flèches, une forme d'œil porte la mention « Personnalisation et normalisation ».]

Solon Angel: Et la technologie qu'on a créée pour le faire combine plusieurs éléments. Le premier est un moteur d'ingestion intelligent, associé à une plateforme très sécurisée, qu'on appelle « Ensemble AI ». Il allie l'apprentissage automatique, les méthodes statistiques et les règles traditionnelles, et il permet de produire des rapports de haute fidélité. L'objectif est donc d'y entrer des données avec le moins d'efforts possible pour n'avoir qu'à passer en revue ce que l'intelligence artificielle a sélectionné dans les livres comme étant à risque élevé, moyen et faible. Pour ce faire, on a créé quelque chose d'assez unique, qu'on appelle les points de contrôle.

[La diapositive change. La nouvelle diapositive est intitulée « Plus de 40 points de contrôle fonctionnent ensemble pour analyser toutes les données financières ». La moitié de la diapositive montre un cube terne avec des formes grises pointues qui dépassent et des formes bleues et vertes encerclées. Trois listes montrent les types de points de contrôle. Elles indiquent :

Points de contrôle fondés sur des règles traditionnelles :

• Mot-clé suspect
• Instrument complexe
• Écart de séquence
• Valeur monétaire élevée

Points de contrôle fondés sur des méthodes statistiques :

• Benford à deux chiffres
• Structure complexe

Points de contrôle fondés sur l'IA/l'AA

• Analyse de flux
• Détection de valeurs aberrantes
• Montant inhabituel
• Score d'expert

En dessous des listes, il est inscrit : « Plus de dix fois plus de chances de cibler les erreurs et la fraude dans vos données financières qu'avec les méthodes d'analyse de données fondées uniquement sur les règles. »]

Solon Angel: Pour vous donner une idée de ce que font les points de contrôle à MindBridge, ce sont comme des mini applications, des applications analytiques dédiées au sein de la plateforme, qui examinent diverses choses. L'un d'entre eux est un pur système d'experts en intelligence artificielle. Un autre est une simple analyse séquentielle des écarts. D'autres sont simplement une analyse de flux très complexe qui examine la circulation de l'argent dans tous les comptes. Et tout cela fonctionne ensemble et regroupe la cote de risque à chaque opération et à chaque écriture. Et on peut augmenter par dix le nombre de problèmes trouvés, au bas mot. Parfois on parle même d'une hausse de 1 000 % du nombre de problèmes par rapport à n'importe quelle autre méthode, mais on essaie d'être humble et Canadien à ce sujet.

[La diapositive change. La diapositive suivante est simplement un fond bleu sur lequel on peut lire « Voyons cela en action ».]

Solon Angel: Voilà pour la présentation de MindBridge. Je passe maintenant la parole à Taki et aux autres, à moins que vous ayez des questions. C'est super d'avoir des diapositives, mais je pense que les gens aimeraient voir à quoi ça ressemble réellement, et John...

[Grâce à la fonction de partage d'écran, John affiche un navigateur dans lequel MindBridge est chargé. L'interface du site Web affiche une série d'onglets sur la ligne supérieure. « États financiers », l'onglet actuellement sélectionné, contient des tableaux avec divers menus déroulants.]

Taki Sarantakis: Oui, passons à la démonstration, parce que nous gardons les questions pour la dernière demi-heure. Et aussi, pour le public, posez vos questions grâce à la fonction prévue à cet effet du logiciel, et quelqu'un va les analyser et nous les transmettre. Alors, continuez s'il vous plaît.

John Colthart: Merci, Taki. Merci, Solon. Et évidemment un grand merci à Valerie et Nadine. Je trouve que c'est merveilleux de voir qu'on ne parle pas que de vérification interne ou externe, mais aussi de la famille des vérificateurs. Et j'adore la façon dont Solon en parle. On va en faire rapidement le tour. Je ne vais pas pouvoir parler de tout ce que fait MindBridge, mais je vais souligner des points vraiment marquants qui ont trait à l'intelligence artificielle, et qui passionnent Nadine et Valerie. Donc, quand MindBridge intègre des données — et on peut y entrer des données de n'importe quel type de système de comptabilité – SAP, évidemment, et d'autres systèmes et sous-systèmes, on peut même rebâtir votre écosystème financier en entier — il intègre tout, des flux financiers de vos dossiers jusqu'à vos états financiers, dans un plan clé de la réalité qui vous donne comme une espèce de vue du monde. Et ce qui est génial, c'est qu'on peut en quelque sorte englober toutes les données qui s'y trouvent. Nous faisons tout ce travail difficile. Nous procédons donc aux vérifications et à l'équilibrage, aux contrôles de l'intégrité, etc., pour que vos ressources soient mieux affectées à des aspects préoccupants ou importants. Nous pouvons voir à quel point la solution est simple à utiliser et fluide :

[John fait défiler le tableau. En dessous, des graphiques illustrent les « flux monétaires par compte ». Il manipule les données pendant qu'il parle, changeant les graphiques.]

John Colthart: je peux consulter mes liquidités et quasi-espèces, voir d'où vient l'argent et où il va. Je peux regarder d'autres types d'immobilisations ou mes comptes créditeurs, et voir très rapidement ce qui se passe avec ces données, d'où elles viennent, où elles vont. Et c'est vraiment intéressant pour l'entreprise, parce que la plupart du temps, nous regardons simplement le plan et nous essayons de comprendre où nous sommes. Dans un contexte de vérification, tout ce qui nous préoccupe vraiment, c'est, « Est-ce que je saisis une part suffisante des aspects les plus intéressants? » Mais nous n'avons vraiment aucune idée d'où nous nous trouvons pour réussir à voir le flux. Vous pouvez non seulement voir le flux, mais vous pouvez aussi y entrer et voir où tel risque se produit réellement.

[John sélectionne l'onglet « Aperçu des risques » et de nombreux graphiques et statistiques se chargent.]

John Colthart: Et comme Solon en parlait, quand on pense aux caractéristiques que doit avoir la solution (je pense que l'un des premiers points de Nadine était la facilité d'utilisation), l'intelligence artificielle n'est pas si effrayante, et nous devrions tous commencer à l'utiliser dès lundi, car l'intelligence artificielle permet en fait simplement de mettre les choses au premier plan. On peut relever les exigences relatives à ce qui est intéressant et aux risques, et avoir des répercussions considérables sur la vie professionnelle des gens, ce qui est en fait le but de l'automatisation. Quand Solon parle de véhicules autonomes, on pense : « Ouais, ça serait génial, non? On s'assoit dans la voiture et on donne la destination, par exemple « Stittsville », ou tel endroit, et la voiture nous y conduit. Ce serait incroyable. L'intelligence artificielle devrait nous permettre de faire ça, même dans le domaine financier. Pouvoir creuser très rapidement, voir où se trouvent certains de ces éléments, voir quels utilisateurs génèrent ou créent certaines de ces données intéressantes ou causent certains de ces risques, pouvoir consulter, selon le numéro de poste, le code du ministère, les fonds, le niveau de restriction liés au lieu où ces fonds sont utilisés, les divers types de transferts interministériels, tout cela est possible avec MindBridge. Et quand on entre des données, c'est comme si on a accès, en un claquement de doigts, à ces types de visualisations pour nous permettre de voir très rapidement qui fait quoi, quels emplois sont la cause du plus grand nombre de griefs, vers quels types de programmes nous déployons nos fonds et où ils se trouvent. Ce que l'équipe de Nadine aimerait probablement avoir dans l'avenir, c'est une solution qui permette de savoir où se trouvent les diverses classifications de risques à examiner, si cela se fait sur la base de ce à quoi ressemblent les normes de vérification, en général.

[John sélectionne l'onglet « Risque lié aux assertions de vérification ». Il se charge, et un tableau complexe apparaît, codé par couleur, intitulé « Risque du compte par assertion ». Sous le tableau, d'autres cases affichent d'autres graphiques.]

John Colthart: Ils ont besoin de consulter l'évaluation. Ils doivent examiner la présentation et la classification, l'existence, les droits et les obligations, tous ces aspects. Et cela prendra un aspect différent dans les sociétés d'État et le gouvernement en général. Et la beauté de MindBridge, c'est que tout peut être adapté exactement en fonction de ce que vous avez besoin de consulter. Vous savez, quand Solon a dit que c'était incroyable que nos clients ne nous voient pas, c'est à cause de toute cette configurabilité et de cette facilité d'utilisation qui permettent simplement au vérificateur de mieux cibler son travail. Oh, tout ça semble un peu éloigné. Pourquoi est-ce éloigné? Quel est le risque dans le temps? Quels sont les points de contrôle qui font en sorte que cette chose en particulier passe inaperçue? Ça ne fait qu'améliorer énormément la façon de voir les données et d'y réfléchir.

[John passe à l'onglet « Tableau de données », qui présente un grand tableau de données. Il sélectionne une ligne de données intitulée « comptes payables » sous la colonne « nom du compte ». Une nouvelle page se charge, dans laquelle on voit plus de détails ainsi qu'une liste déroulante de scores liés aux données.]

John Colthart: Et donc je vais juste aller rapidement dans un des comptes payables ici, voir ce qui se passe. Je peux voir les types d'opérations de flux monétaire. Dans ce cas, j'organise certaines choses et je construis quelque chose à partir de données brutes, mais ça a l'air un peu drôle. D'accord?

[Il sélectionne le « Score de MindBridge » dans la liste des scores et l'agrandit. Cela fait apparaître de nombreuses boîtes uniformes affichant un bloc de texte et une petite forme rouge ou jaune dans le coin supérieur gauche.]

La cote semble un peu décalée. Je peux voir exactement quelles sont les lignes responsables d'un classement plus ou moins élevé,

[Il sélectionne une autre ligne de données.]

John Colthart: donc je suis passé de la vue des comptes fournisseurs à l'affichage de la trésorerie pour cette opération particulière. Et j'ai pu voir un grand changement dans certaines données. Certains des algorithmes d'apprentissage automatique donnent vraiment des résultats et ils sont maintenant à des niveaux élevés et moyens. Donc, le but de l'outil MindBridge, pour revenir au sabre laser, c'est d'avoir une personne qui a la Force et qui est maintenant assistée de tous ces midi-chloriens, comme on les appelle, je pense. Mon Dieu, Solon, tu me fais faire des analogies qui sollicitent ma matière grise. Mais en bref : au lieu que cela ne repose que sur moi, je suis entouré de la Force grâce aux données, et à tous les divers types d'actifs.

[Il passe à un autre onglet de navigateur, dans lequel MindBridge est également ouvert. Il présente un aperçu du risque des comptes payables.]

Cela me permet, encore une fois, d'aller très vite voir ce qui se passe. Je suis passé à la catégorie des comptes créditeurs pour une seconde. Il semble y avoir un ensemble totalement différent de problèmes éventuels : des fournisseurs pour lesquels il y a plus de dépenses que d'habitude pendant un certain temps, on peut chercher des fournisseurs en double, des paiements en double, des fournisseurs qui ne font pas partie de la liste habituelle. MindBridge rend possible tout ça. Alors je vais probablement faire une pause ici et Taki, si vous avez des questions pour moi, n'hésitez pas.

Taki Sarantakis: Oui, John.

John Colthart: Mais c'est vraiment impressionnant.

Taki Sarantakis: Bien sûr, John. Je vais donc vous demander de revenir à l'écran précédent et de le passer un peu plus lentement pour ceux qui, comme moi, ne sont pas des experts.

[John revient à l'onglet « Tableau de données » avec l'affichage élargi du score.]

Taki Sarantakis: Et, je suis vraiment désolé, mais je ne suis pas comptable non plus, et encore moins vérificateur. Alors veuillez m'excuser. Mais ce que je crois voir ici, et corrigez-moi si je me trompe, c'est que vous avez sorti une opération d'une myriade d'opérations. Ça pourrait être une sur dix, sur un million, sur mille, et je pense qu'ensuite l'algorithme a pris cette opération et a commencé à la comparer à d'autres. Et il les compare dans diverses catégories.

John Colthart: Oui.

Taki Sarantakis: Et cela donne en fait une sorte d'aperçu, qui est ce qu'on voit, je pense. Et même si je ne suis pas comptable ni vérificateur, je sais qu'un gros X rouge n'est probablement pas une bonne chose. Mon œil non averti est attiré par ça et je me rendrai alors compte que, « Oh, c'est un crédit pour un compte en espèces. » C'est comme, « Oh, cette entrée a été faite une fin de semaine » ou « Oh, cette entrée dépasse la valeur d'une entrée typique. » « Oh, cette entrée concerne des comptes qui ne figurent habituellement pas dans ce livre. » Donc en gros, ce que vous avez fait, c'est que vous avez commencé à me dire, « Regardez là. »

John Colthart: Oui.

Taki Sarantakis: C'est là que vous voulez porter votre attention. » Et puis encore une fois, en tant que non-expert, je regarde les trucs verts, surtout ceux qui sont cochés, et je pense que je n'ai pas vraiment besoin d'y faire attention, parce qu'on me dit en quelque sorte que c'est normal. Ça respecte la distribution prévue. On voit beaucoup de vert là, ce qui est bien. Et il y a du rouge aussi, là-bas. Le rouge pourrait révéler un problème, mais il pourrait y avoir des explications aux problèmes. C'est là que nous revenons à ce dont Nadine et Valerie parlaient plus tôt et à ce qu'a dit Solon, c'est-à-dire à la participation de l'humain. Vous avez donc fait beaucoup de ce qu'on pourrait appeler le « travail fastidieux ». Vous n'avez pas eu à faire de comparaisons manuelles avec un millier d'autres opérations et vous n'avez pas eu à vous dire, « Appelons Mary. Elle s'occupe beaucoup de ce type d'opérations et elle peut nous dire si c'est plutôt normal ou anormal. » Est-ce que ça se fait automatiquement à l'arrière-plan ou comment ça marche?

John Colthart: Ouais, c'est une excellente façon de le formuler, en fait. Et merci de m'avoir arrêté et permis de revenir en arrière. Pendant le filtrage de vos données (je pense que c'est un peu ce que Valerie disait sur la continuité d'une partie des cinq C), l'ajout de données au cours de votre processus de clôture, une fois votre processus fermé, toutes ces données sont automatiquement classées, si vous voulez, à tous ces niveaux. D'accord? Nous les appelons les points de contrôle. Certains sont plus importants que d'autres. Certains comportent des indicateurs avancés de problèmes beaucoup plus importants, qui permettent d'augmenter énormément la certitude de la présence d'un problème. D'accord? Analyse des flux, flux rares, cas particuliers, cote d'experts, loi de Benford; il s'agirait d'opérations que vous voudriez examiner si l'une d'elles était affichée en jaune, ambre, rouge. Et vous avez tout à fait raison, tout se fait automatiquement en arrière-plan. Les données sont entrées et les rapports sont produits. Le comptable professionnel arrive et dit, « OK, à quoi ai-je affaire? » D'accord? Et, dès le départ, vous pouvez filtrer n'importe quelle donnée de la plus élevée à la plus basse ou inversement, et dire, « J'ai besoin de regarder ce problème particulier parce que ça revient et augmente. »

Taki Sarantakis: Alors, John, est-ce que ça se fait pour chaque opération?

John Colthart: Pour chaque entrée, qu'il y en ait des millions et des millions.

Taki Sarantakis: Pouvez-vous revenir en arrière et cliquer simplement sur certaines entrées pour que les gens puissent voir? Alors, en gros, ce que ça fait, ça prend chaque opération et certaines des opérations. On voit qu'il y en a une d'environ trente et un mille dollars. Il y en a une de 112 000 dollars. Regardons-en une.

[John retourne à l'onglet « Tableau des données » et sélectionne une autre ligne de transaction pendant que Taki parle. Une autre page contenant des données supplémentaires et une liste de scores se charge.]

Taki Sarantakis: Et donc je suppose que vous obtenez une sorte de vue d'ensemble instantanée. Est-ce la page que vous regardez maintenant?

John Colthart: Ouais, maintenant je suis dans la page détaillée. Je vois qu'il y a trois entrées. Ça concerne les taxes, les liquidités et les rendements. Il y a un type particulier. Habituellement, les données du SAP ou d'autres grands systèmes de planification des ressources d'entreprise ont divers types de documents. Alors je pourrais savoir que ça vient d'une écriture manuelle de journal par rapport à une partie de lot ou à autre chose. J'ai une certaine vue d'ensemble. En ce qui concerne les cotes, j'ai aussi une vue d'ensemble des échelles qui pourraient être importantes pour mon ministère ou mon entité, et je peux creuser plus loin. C'est donc comme ce concept de dévoilement progressif, qui permet de voir ce qui est élevé, moyen, bas. Vous regardez une liste, vous dites, « Oh waouh, ça a l'air vraiment bizarre. » Plus vous creusez, plus MindBridge vous renseigne. Et on continue à essayer de donner de plus en plus de preuves au vérificateur ou au comptable pour qu'ils puissent dire, « J'ai besoin de regarder ça, de créer un élément de suivi, de l'attribuer à Sally, à Bill ou à Bob, et ça part dans le processus de planification de ma vérification. Ils pourront ensuite tous travailler dessus en ayant la même vue. » Et l'autre avantage, c'est que ça évite de se passer des feuilles de calcul ou d'autres choses. Ils se connectent et voient exactement ce que leurs pairs font dans la vérification.

Taki Sarantakis: Ceux d'entre vous qui travaillent dans ce domaine connaissent mieux que d'autres la quantité de travail nécessaire. En fait, il faudrait extraire chaque opération pour la catégoriser. C'est non seulement un travail intense, mais dans certains cas, ce n'est pas très utile. Prenons par exemple une opération de, disons, mille dollars. Quel serait l'avantage d'y consacrer deux mille dollars en temps? Mais aussi, très franchement, le risque d'erreurs humaines est très élevé. On est pas mal intelligents, mais on a faim, on se fatigue, on a mal aux yeux, on s'énerve, on doit aller dîner, etc. Je pense donc qu'un autre avantage de cet outil, c'est qu'il retire aux êtres humains les tâches où nos esprits commencent à vagabonder. Il nous enlève tout ce qui ne retient pas notre intérêt parce que c'est routinier et monotone. Est-ce qu'on peut dire ça?

John Colthart: Je le crois. J'espérais avoir un signe de tête de la part de Val et Nadine. Oh, on est d'accord. Parfait.

[Valerie et Nadine acquiescent.]

Taki Sarantakis: Oui. Maintenant, je vais vous présenter Valerie. Val, vous travaillez au ministère de la Défense nationale. Et le ministère de la Défense nationale dépense autour d'un milliard de dollars par an en avions à réacteurs ou autres avions, et en toilettes haute technologie, et tout ça. Alors, parlez-nous de la capacité d'avoir un aperçu instantané de la façon dont le ministère de la Défense nationale dépense ces milliards de dollars chaque année. Dites-nous ce que cela signifie pour votre travail.

Valerie Brobbel: Franchement, pour nous, ça change tout. Plus besoin de sélectionner un échantillon et de présumer qu'il représente réellement la réalité pour donner une assurance de 100 % au sous-ministre. D'accord? Ce genre d'outil donne un effet de levier énorme, parce que, comme vous pouvez le voir, il trie toutes les opérations et ne repère que celles qui comportent le risque le plus élevé pour que nous les examinions. Imaginez donc, juste pour vous donner une idée, le tableau BSEG par exemple, dans SAP. Un seul tableau contient trente millions d'inscriptions par année. Il est impossible d'embaucher le personnel nécessaire pour les examiner toutes. Donc une machine le fait pour vous et vous l'utilisez ensuite — c'est le principe de Pareto, la règle des 80-20. Dans le passé, nous passions 80 % de notre temps à trier les données. Maintenant, c'est la machine qui le fait, et on peut utiliser 80 % de notre temps pour analyser les données et voir ce qui se passe réellement. On a donc une visibilité de 100 %. Je voudrais souligner autre chose, Taki. On a maintenant des outils qu'on peut utiliser pour le tri des données. La différence entre les outils existants et l'intelligence artificielle, c'est qu'à l'heure actuelle, il y a encore beaucoup d'interactions humaines dans le processus. En ce qui concerne les points de contrôle, on voit ces carrés rouges, verts et jaunes, qui sont comme des filtres. Pour faire une comparaison simple, on peut penser au filtrage des données dans Excel. Il y aurait un vérificateur en chair et en os qui appliquerait un filtre, et un autre ensemble de données filtré apparaîtrait. Et puis si cette personne veut en savoir plus, elle peut appliquer un autre filtre, puis un autre. Eh bien, cet outil applique vingt-neuf filtres en même temps, automatiquement, et sans qu'un être humain ait à faire quoi que ce soit. Donc, pour répondre à votre question, ça nous permet de trouver très rapidement la fameuse aiguille dans la botte de foin.

Taki Sarantakis: Oui, et pas seulement la trouver car, à certains égards, il la trouve pour vous. C'est comme s'il vous la donnait.

Valerie Brobbel: Vrai.

Donc Nadine, On a parlé un peu d'échantillonnage. Il s'agit essentiellement de prendre une partie d'un ensemble de données et de le regarder en espérant, comme Valerie l'a dit, qu'il est représentatif. Quel pourcentage fait un bon échantillon? 5 %, 10 %, 50 %, 20 %?

[Le partage d'écran est interrompu, et les cinq experts remplissent l'écran.]

Nadine Roy: Eh bien, je pense que quand on utilise cet outil ou tout autre outil d'intelligence artificielle, on n'a pas besoin de faire d'échantillonnage, non? On peut consulter toutes les données. C'est aussi un avantage.

Taki Sarantakis: D'accord, mais j'essaie de savoir, si on n'a pas d'outil comme celui-ci, qu'est-ce que vous regardez, en général? 5 %, 10 %, 20 %?

Nadine Roy: Oui, tout au plus, probablement. Ça dépend de la vérification, mais ce serait autour de 15 %, 10 %, peut-être.

Taki Sarantakis: D'accord. Vous regardez donc environ une entrée sur dix ou sur sept. Et encore une fois, si on multiplie ça par des milliers, voire des millions d'opérations au gouvernement du Canada, vous pouvez voir vraiment rapidement l'étendue supplémentaire parce que vous êtes passé, encore une fois, d'une sur dix, d'une sur sept, à cent sur cent opérations. Vous voyez chaque opération, il n'y a pas de zones d'ombre. L'année passée a été un peu hors norme au gouvernement du Canada en raison de la COVID-19, des mesures de soutien du revenu, etc. Mais cette année, on a dépensé six cent cinquante milliards de dollars au gouvernement du Canada. Dans une de vos diapositives, Solon, je pense que vous avez dit quelque chose comme un taux de fraude typique de 5 %. Et je sais que ça varie selon le secteur, dans les restaurants il est de tel pourcentage, dans les commerces de tel autre, etc. Mais oublions la fraude. Commençons à penser à l'efficacité. Supposons même qu'il n'y ait pas de fraude. Parlez-nous un peu, Solon, de la façon dont vous pouvez utiliser certaines de ces données pour comparer les opérations qui sont efficaces avec celles qui ne le sont pas.

Solon Angel: Bien sûr. Donc avant d'en parler, si ça ne vous dérange pas, j'aimerais revenir sur quelque chose, parce que si j'étais un étudiant en vérification spécialisé en analyse, entendre Valerie et Nadine dire, « Hé, nous n'avons plus besoin de ces gens-là, » me rendrait nerveux. Et il y en a pas mal d'étudiants, pas un très grand nombre, pas assez, mais un certain nombre. Donc, voici ce que je veux dire pour ne pas les rendre nerveux. Voici ce qui va vraiment se passer : prenons une équipe de cent ou de seulement cinquante personnes. Taki, qui faites aujourd'hui des vérifications, vous avez peut-être une ou plusieurs personnes qui savent utiliser les CAAT, les analyses, [Inaudible] tous ces outils, dans ces ministères.

[Le panneau de Solon remplit l'écran. Une boîte de texte violette dans le coin inférieur gauche l'identifie : Solon Angel, MindBridge.]

Solon Angel: Un petit nombre ont en quelque sorte une double compétence, ils sont à la fois comptables et vérificateurs. Et ceux qui savent utiliser la science des données sont encore moins nombreux. Alors que se passe-t-il quand vous intégrez quelque chose comme MindBridge? Vous démocratisez l'accès aux informations pour toute l'équipe. Pensez-vous qu'un ou deux membres de cette équipe de cinq personnes qui savent utiliser l'analytique seront moins sollicités? Au contraire. On ne le savait pas, quand on a commencé. On s'est dit : « Eh bien, vous savez, peut-être qu'ils deviendront administrateur du système ou peut-être qu'ils seront réaffectés à d'autres ministères. » Mais ce n'est pas ce qui s'est passé. Au cours des cinq dernières années d'utilisation de MindBridge, lorsqu'une équipe de cinquante vérificateurs internes a pu accroître sa capacité grâce à la puissance de MindBridge, elle a trouvé plus de choses. Le nombre de missions s'est accru, le traitement s'est accéléré. Et quand les vérificateurs tombent sur un glissement ou quelque chose de très étrange trouvé par MindBridge, devinez vers qui ils se tournent, pour recomposer et faire ce que j'appelle la décomposition du test de la boîte noire? Vous savez, quand l'avion s'écrase, tout le monde cherche la boîte noire. D'accord? Et cet outil devient de plus en plus utile pour cela.

[Les cinq experts reviennent à l'écran.]

Taki Sarantakis: Ouais, je comprends ce que vous dites, Solon. Autrement dit, les vérificateurs font en fait le travail pour lequel ils ont été formés à l'université et dans d'autres institutions supérieures, c'est-à-dire des tâches à valeur ajoutée.

Solon Angel: Oui.

Taki Sarantakis: Et tout ce qui est répétitif et moins spécialisé est fait à leur place. Et beaucoup de vérificateurs seraient très reconnaissants de pouvoir utiliser leur cerveau pour examiner ce qui requiert leur cerveau.

Solon Angel: Oui, absolument. Absolument. Donc, pour en revenir à votre question, si on ne parle que d'inefficacité, il y a en fait — vous savez, le gouvernement — si on regarde le rapport du BSIF, le gouvernement est le secteur qui est la première source de corruption, bien sûr en ce qui a trait à la fraude et à la mauvaise utilisation des ressources. Il s'agit de grandes organisations avec beaucoup de règles, où il est plus difficile de tout gérer. Mais si on laisse de côté la fraude et qu'on regarde les données, en fait, le gouvernement ne dispose pas de données fiables sur l'inefficacité. Dans le secteur privé, les sociétés cotées en bourse en ont parce qu'elles sont responsables devant le secteur public et encore plus devant les actionnaires publics. Et les données sont stupéfiantes. Soixante-sept pour cent des directeurs financiers des grandes sociétés du classement Fortune 500 déclarent ne pas faire confiance aux données des rapports financiers.

Taki Sarantakis: OK, un instant, s'il vous plaît. Deux directeurs financiers sur trois déclarent ne pas faire confiance aux données de leur propre entreprise?

Solon Angel: Celui sur lequel votre FAI compte et votre CAS 401 aux États-Unis, parce que c'est juste une promesse de quelque chose de grand, pas vrai? L'activité d'une entité, d'un gouvernement ou d'une société cotée en bourse n'est pas de diriger le ministère des Finances, mais de gérer les opérations et de servir les commettants. Il est donc normal que le ministère des Finances soit toujours légèrement sous-financé par rapport à la tâche. D'accord? Mais récemment, au cours des deux dernières décennies, en raison d'un grand nombre de déploiements associés au SAP et à ORACLE Financial, il y a seulement eu une croissance des données, et les budgets des équipes n'ont pas augmenté. D'accord? Ils ont juste perdu la capacité d'avoir cette confiance. D'accord? Donc, si on exclut l'efficacité, parce qu'il s'agit d'un grand nombre d'améliorations de ce qui est le plus important, la confiance en l'information financière a disparu. Je fais juste dire ce qu'il en est, non? Et c'est ce qui suscite beaucoup d'intérêt envers Mindbridge aujourd'hui. C'est ce que disait Valerie aujourd'hui. Il faut pouvoir dire à un ministre que vous pouvez vous tenir debout devant le Parlement et dormir en paix, que les chiffres sont exacts. Personne ne va argumenter et trouver des raisons qui défendent le point de vue opposé. C'est vraiment puissant, non? Pas seulement sur le plan politique, mais ne serait-ce que sur celui de l'efficacité opérationnelle. L'autre aspect, c'est que la confiance est essentielle pour les citoyens. Vous l'avez vu, je crois que c'était il y a quelques années, sous le gouvernement Harper, il y a eu un mauvais calcul des dépenses d'un million de dollars pour le Parlement. Ils ont dû dépenser 11 millions de dollars pour une nouvelle vérification par Deloitte. D'accord? Et l'attention du public a été attirée qui a jugé l'erreur épouvantable. Ce type d'événement traumatise l'état d'esprit du public. D'accord? Et les gens s'en souviennent.

Taki Sarantakis: Oui. Et il s'est avéré qu'il n'y avait pas d'erreur. C'était juste des erreurs de comptabilité, de codage et des choses comme ça. J'ai passé la majeure partie ou une bonne partie de ma carrière sur des accords de contribution. Il s'agit en quelque sorte d'accords dans lesquels le gouvernement du Canada donne de l'argent à d'autres entités, provinces, territoires, etc. On recevait des demandes des provinces et des territoires des demandes papier qu'on empilait, littéralement. Et là, on se disait, « On a dépensé tout ça pour du ciment. On a dépensé tout ça pour de l'acier. On a dépensé tout ça pour des ingénieurs. On a dépensé tout ça pour de la main-d'œuvre. » Et on n'avait pas la capacité de dire, « Vous savez quoi? La province X dépense quatre fois plus en main-d'œuvre pour une route que la province Y. On ne pouvait pas le faire parce que l'embauche du personnel nécessaire pour traiter toutes les demandes aurait coûté un milliard de dollars. On dirait que c'est quelque chose que vous pouvez faire assez facilement.

Solon Angel: Oui, c'est de l'étalonnage. D'accord? C'est donc le Saint Graal que, je crois, très peu de leaders sont — pour tout dire, s'il y a des leaders et des gestionnaires qui participent à cet appel — les leaders ne savent pas ce qu'ils ignorent. Ils ne peuvent donc pas demander ce qu'ils ne savent pas. D'accord? Mais s'ils découvraient ce que ça signifie pour eux, ils l'exigeraient tous les jours, non? La capacité de comparer, de créer son propre indice de référence, de le comparer à d'autres du même domaine est très importante pour savoir si vous êtes performant en tant qu'entité et en tant que ministère. Et l'autre aspect dont vous avez parlé et dont tout le monde doit être conscient, c'est que nous travaillons tous à distance en ce moment. Quand vous pouviez aller sur place, c'est venir. Vous devez donc partir des données. Vous devez commencer à distance et le faire avec une méthode scientifique. C'est pourquoi maintenant MindBridge est intéressant pour tout ça, parce que vous pouvez envoyer le robot, le déployer, l'exécuter sur le grand livre, d'accord? Et puis avant de commencer à poser des questions, vous utilisez une approche scientifique pour savoir ce qui se passe exactement.

Taki Sarantakis: Oui. Maintenant, heureusement que nous vous avons ici, Valerie et Nadine, parce qu'une question très technique vient d'être posée. Je vais maintenant vous donner la parole. Cette solution est-elle conçue pour remplacer les solutions de planification des ressources d'entreprise existantes comme le SAP? Voulez-vous commencer, Valerie, puis ce sera au tour de Nadine?

Valerie Brobbel: De mon point de vue, non. L'outil est au-dessus.

Taki Sarantakis: Nadine?

Nadine Roy: Je suis d'accord. Oui.

Taki Sarantakis: Donc...

Nadine Roy: C'est l'information du SAP qui entre dans l'outil.

Taki Sarantakis: Exactement. Donc c'est quelque chose en haut qui saisit en quelque sorte les données. Revenons en arrière maintenant. On a un peu parlé d'efficience. On a un peu parlé de fraude. Alors, pouvez-vous nous en dire un peu plus sur les anomalies. Valerie, vous travaillez au ministère de la Défense nationale et vous allez voir des choses comme l'achat de missiles. Je ne travaille pas au ministère de la Défense nationale. Je travaille à l'École de la fonction publique.

[Un chien jappe.]

Taki Sarantakis Si je devais essayer d'acheter un missile, est-ce que ce genre de logiciel montrerait très rapidement que, « Hé, d'habitude il achète des stylos et des crayons, mais il a acheté un missile. Qu'est-ce qui se passe? »

[Le panneau de Valerie remplit l'écran. Une boîte de texte violette dans le coin inférieur gauche l'identifie : Valerie Brobbel, Défense nationale.]

Valerie Brobbel: Oui, exactement. C'est exactement ça. Et il serait capable de le signaler quasiment en temps réel, chaque fois que vous téléversez vos données. C'est une solution d'infonuagique, donc non seulement vous pouvez l'exécuter à distance, mais aussi souvent que vous le souhaitez. En réalité, la majorité des vérifications, jusqu'à présent, prennent beaucoup de temps, parfois plusieurs mois. D'ici à ce que les résultats soient connus, l'exercice suivant est déjà là. Donc la valeur de cet outil serait de signaler les choses sur le coup, alors qu'on peut encore vraiment les examiner et les rajuster. C'est une manière très proactive de gérer les ressources.

[Le panneau de Taki remplit l'écran, puis tous les experts reviennent à l'écran.]

Taki Sarantakis: Exactement. Parce qu'il y a... Nadine, je vais raconter une blague que vous n'allez pas aimer, mais il y a un vieux dicton qui dit que les vérificateurs — en fait elle pourrait ne pas plaire non plus à Valerie — les vérificateurs arrivent une fois l'urgence passée et tirent sur les survivants. Et je crois que Valerie vient justement de dire qu'on n'a pas besoin d'attendre les vérificateurs. Vous pouvez en fait utiliser des outils comme celui-ci pour faire des rajustements en cours de route parce que, d'une certaine manière, les vérifications sont un peu comme des autopsies. C'est comme si on revient une fois que le programme est mort parce qu'il est terminé ou parce que vous avez dépensé tout l'argent. Et c'est bien de pouvoir dire, « OK, bon, la prochaine fois que nous concevrons un programme, nous allons faire ceci et cela. Nous allons tirer des leçons de l'autopsie. » Mais ne serait-il pas incroyable de pouvoir apprendre en temps réel, et ajuster l'exécution des programmes du gouvernement pendant qu'ils sont en cours? Peut-être que je demanderai à nos deux vérificateurs qui s'occupent en quelque sorte des autopsies leur avis sur cette idée.

Nadine Roy: J'aimerais réagir à ça. Le rêve n'est pas d'arriver à la fin et de tuer tout le monde, d'accord? C'est d'être en mesure de soutenir et d'aider, et en fin de compte d'être en mesure de changer la vie des Canadiens. D'accord? Donc oui, ce genre d'outil, comme je l'ai dit au début, c'est de l'automatisation. C'est une façon d'utiliser l'intelligence artificielle pour aider les vérificateurs à analyser, à compléter leurs vérifications et à se concentrer sur ce qu'il faut. Alors je conteste ce que vous venez juste de dire. Je veux qu'on change cet état d'esprit...

Taki Sarantakis: Je sais. C'est pour ça que c'était une blague.

Nadine Roy: Cet état d'esprit à propos des vérificateurs, n'est-ce pas?

Taki Sarantakis: C'était une blague. J'ai environ 80 blagues sur les vérificateurs, si ça vous intéresse. De toute façon, on a une question du public. Est-ce que le logiciel pourrait être utilisé en dehors de la sphère de la gestion financière? Solon et John.

Solon Angel: Oh, on a tellement d'histoires là-dessus. Alors, lesquelles pouvons-nous raconter publiquement, JC?

John Colthart: Je pense qu'on en a moins qu'on le voudrait, mais c'est un scénario intéressant parce que tout est configurable, extensible, et donne du pouvoir. Donc, pensons à un ensemble de données comme étant, en termes simples, une feuille de calcul. D'accord? Avec des lignes et des colonnes. S'il y a quelque chose de numérique et de fondamentalement financier là-dedans, c'est notre travail quotidien. On peut regarder ce genre de choses. Il pourrait s'agir d'événements de sécurité, ou simplement de vraies opérations qui ont lieu dans le cadre de missions dans le monde entier. C'est le genre de choses qui nous importe peu. Ça peut être ce que vous voulez, et la clé, c'est la configurabilité, parce que les vérificateurs, en général — et je suis sûr que je pourrais susciter des réactions là-dessus — mais les vérificateurs, en général, font partie des gens les plus créatifs parce qu'ils essaient de comprendre ce qui s'est passé, comme vous le dites, en arrivant après coup. Comment faisons-nous pour voir les choses autrement? Et si c'est parce qu'on met la créativité de l'avant? Donc, de notre côté la réponse devrait toujours être catégoriquement affirmative. Nous pouvons aussi avoir un autre ensemble de données si nous l'imaginons comme un rectangle, comme une feuille de calcul. Ça, c'est du bonbon pour nous. D'accord? Et nous pouvons vous aider à vraiment affiner cela. Nous souhaiterions participer à tout cela. Comme Solon l'a dit, nous sommes un groupe de Canadiens qui construisent un ensemble incroyable de technologies qui attirent l'attention dans le monde entier. Mais pourquoi ne pas simplement soutenir nos propres affaires chez nous? Ça semble plus logique.

Taki Sarantakis: Oui, parce qu'en fin de compte, ce n'est que de l'analyse. D'accord? Et vous avez appliqué l'analyse aux données financières, mais vous pouvez l'appliquer au nombre de personnes qui visitent les hôpitaux. Vous pouvez l'appliquer au nombre de prothèses de genou réalisées par territoire. Vous regardez simplement les données et vous cherchez des modèles. Vous cherchez des anomalies. Vous cherchez des choses qui semblent normales. Vous cherchez des choses qui soulèvent un doute, qui n'ont pas l'air normales. C'est vraiment le pouvoir de l'analyse. Et il semblerait que la finance soit l'outil qui convient parfaitement au pouvoir de l'analyse parce que vous avez en quelque sorte des données homogénéisées. D'accord? Pour conclure, j'aimerais peut‑être... est-ce que quelque chose pose problème ici en ce qui a trait à la comparabilité? Si c'est un outil aussi génial, et je ne parle pas de MindBridge, mais de l'outil en soi, et il existe, pourquoi est-ce qu'on ne l'utilise pas? Il doit y avoir des raisons. Est-ce qu'il coûte un milliard de dollars? Est‑ce qu'il est trop ésotérique? Est-ce qu'il est risqué? Est-ce que seuls les gauchers savent l'utiliser? Comment ça se fait? Et je ne parle pas seulement du gouvernement du Canada, il y a d'autres gouvernements. Il y a d'autres grandes entreprises qui n'utilisent pas ce genre de choses. Est-ce seulement une question de temps? Je vais peut-être demander à chacun d'entre vous ce qu'il en pense et on va devoir conclure là-dessus, malheureusement.

Solon Angel: Je pense que c'est une question de sensibilisation. Franchement, nous n'avions pas de service de marketing jusqu'à l'année dernière. Nous avons été tellement surpris de voir combien de comptables et de professionnels de la finance en avaient besoin. Je répète, jusqu'à l'année dernière, nous n'avions pas de service de marketing. Ce que nous avons vu, c'est que, dès que nous en avons parlé, ce qui a attiré l'attention se résume en deux mots : la découverte des risques. Les données de la Banque Nationale sont très différentes de celles d'un autre service, qui sont très différentes de celles de la Banque d'Angleterre. D'accord? Tout ce que nous permettons, c'est la détection des risques, soit un niveau d'automatisation 5. D'accord? Franchement, la première chose, c'est la sensibilisation des gens et le facteur de risque. Donc parfois il s'agit d'analyse augmentée. L'équipe d'analyse traditionnelle pourrait se demander : « Qu'est-ce que je vais faire si ça s'automatise à ce point? La réalité, c'est que, dans ce domaine, il y a toujours beaucoup de travail à faire. Mais la prise de conscience est primordiale, non? C'est la première fois que nous venons nous adresser à un public de fonctionnaires fédéraux, je crois, en dehors de I'IGF. Et je pense que l'aspect le plus important, c'est que les gens pensent que ça demande plus de travail qu'en réalité. D'accord? Nous avons eu des clients que nous avons rendus opérationnels en quelques jours. Et du point de vue des coûts, nous pouvons dire que l'installation de départ coûte vraiment moins cher qu'un employé à temps plein. D'accord?

Taki Sarantakis: Alors Nadine et Val, vos réflexions à ce sujet?

Valerie Brobbel: Puis-je intervenir aussi? Je veux juste me rallier à l'opinion de Nadine et revenir sur votre blague sur les vérificateurs. On ne dit pas que les vérificateurs n'ajoutent pas de valeur. Ils sont utiles. Mais cet outil pourrait générer une occasion vers un nouveau secteur d'activité. Si on y réfléchit, l'assurance qu'on donne actuellement est basée sur des données historiques. Ce genre d'outils, les langages et les autres logiciels qui utilisent l'intelligence artificielle nous permettent de devenir un partenaire stratégique, un conseiller stratégique, de diriger le gros navire de la défense. D'accord? C'est vraiment une tout autre façon de voir les choses. Pour répondre à votre question, votre dernière question, c'est l'état d'esprit qui compte. Il faut du temps pour changer les mentalités, et il faudra échanger beaucoup d'informations et communiquer beaucoup personnellement, face à face, pour montrer les avantages. Ça prend du temps.

Taki Sarantakis: Nadine, comme c'est souvent le cas, le Bureau du vérificateur général a le dernier mot. Parlez-nous de la façon de faire — pourquoi est-ce que ces outils ne sont pas plus utilisés, et est‑ce qu'ils devraient l'être davantage ou non.

Nadine Roy: Je pense que c'est une question de temps et non de mentalité. Explorer de nouvelles façons de faire les choses prend du temps. Mais comme je l'ai dit, c'est peut-être plus lent dans certains domaines que dans d'autres, mais ça s'en vient parce que dans le monde de la vérification, on dit que l'automatisation de l'intelligence artificielle est désormais un membre de l'équipe. Changer les mentalités peut prendre un certain temps, mais ça va se faire.

Taki Sarantakis: Super. Nadine, Valerie, John, Solon, merci beaucoup d'avoir passé cette heure avec nous pour démystifier un peu non seulement l'intelligence artificielle en tant que concept, mais aussi une application pratique et en temps réel de l'intelligence artificielle, qui commence déjà à être utilisée au sein du gouvernement du Canada. Je pense qu'en voyant les choses comme ça, on peut projeter que, dans un avenir rapproché, ce sera la norme, bien plus que l'exception comme c'est le cas aujourd'hui. Merci infiniment d'avoir pris le temps de vous joindre à nous. Merci infiniment pour votre énergie. Et merci plus que tout d'être les amis des fonctionnaires du Canada. Sincères salutations. Prenez soin de vous.

Nadine Roy: Merci.

Taki Sarantakis: Au revoir!

[Les participants sourient en saluant de la main et l'appel Zoom s'estompe. Le logo blanc animé de l'École de la fonction publique du Canada se dessine sur un fond violet. Une page apparaît, puis elle se transforme en livre ouvert. Une feuille d'érable apparaît au milieu du livre, qui ressemble aussi à un drapeau en dessous duquel se trouvent des lignes courbes. Le mot‑symbole du gouvernement du Canada apparaît : le mot « Canada » avec un petit drapeau canadien flottant au‑dessus du dernier « a ». L'écran devient noir.]