Le Pacific Northwest National Laboratory et OpenAI s’associent pour accélérer les autorisations fédérales

Moderniser la façon dont le gouvernement fédéral autorise les infrastructures essentielles est indispensable pour bâtir une économie américaine plus rapide, plus sûre et plus compétitive. Des projets énergétiques et de la fabrication de pointe aux systèmes de transport et d’eau, les autorisations déterminent à quelle vitesse des idées prometteuses deviennent des investissements concrets. Pourtant, aujourd’hui, les examens environnementaux et techniques prennent souvent des années, ce qui ralentit l’innovation, augmente les coûts et retarde les avantages que ces projets apportent aux communautés.

C’est pourquoi OpenAI a établi un partenariat avec le Pacific Northwest National Laboratory (PNNL) du département de l’Énergie des États-Unis et son équipe PermitAI^TM⁠(s'ouvre dans une nouvelle fenêtre) pour évaluer si des agents de codage peuvent contribuer de façon responsable à accélérer le travail d’autorisation fédérale. PermitAI, une initiative financée par le Bureau des politiques du département de l’Énergie, et OpenAI ont travaillé avec 19 spécialistes du processus d’examen lié à la National Environmental Policy Act pour concevoir un banc d’essai (appelé DraftNEPABench) permettant d’évaluer la performance des modèles d’IA sur des tâches liées aux flux de travail de la NEPA, comme la rédaction d’études d’impact environnemental.

Sur un ensemble représentatif de tâches de rédaction couvrant des sections de documents NEPA provenant de 18 organismes fédéraux, 19 experts ont constaté que des agents de codage généralistes pourraient accélérer la rédaction de documents NEPA de 1 à 5 heures par sous-section, soit une réduction d’environ 15 % du temps de rédaction, ce qui marque un progrès significatif dans la façon dont l’IA peut soutenir des flux de travail gouvernementaux complexes.

Les autorisations fédérales constituent un processus gouvernemental complexe et très axé sur la documentation. Les examens exigent souvent de lire des centaines de pages de rapports techniques, de vérifier l’information dans de multiples sources et de rédiger des analyses détaillées qui doivent respecter des exigences réglementaires.

Dans le cadre de cette collaboration, OpenAI et le PNNL ont exploré le potentiel⁠(s'ouvre dans une nouvelle fenêtre) de la généralisation d’agents de codage (dans ce cas, Codex CLI) comme moyen efficace de tirer parti de la performance de modèles de raisonnement comme GPT sur des tâches de recherche, d’analyse technique et de rédaction de rapports impliquant un système de fichiers. En donnant aux modèles accès à une interface en ligne de commande (habituellement utilisée pour des tâches de programmation), ils peuvent utiliser des stratégies plus générales pour résoudre une tâche que des heuristiques conçues à la main. Ces agents doivent :

• Lire et synthétiser avec précision des documents de plusieurs centaines de pages de contenu technique et réglementaire.
• Vérifier des faits dans de multiples sources environnementales, d’ingénierie et réglementaires.
• Rédiger des rapports structurés qui respectent des critères juridiques et techniques très précis.

Pour que les États-Unis puissent continuer à faire croître leur économie dans cette ère de l’intelligence⁠(s'ouvre dans une nouvelle fenêtre), ils doivent être en mesure de construire de façon sûre, responsable et rapide. À mesure que les systèmes d’IA ont un impact croissant sur le monde physique, il est essentiel de comprendre leurs capacités dans des domaines comme le génie civil, l’analyse environnementale et réglementaire. Avec le temps, des modèles avancés devront comprendre avec précision les lois et les règlements lorsqu’ils contribueront à inventer des technologies plus sûres, à protéger les ressources naturelles et à répondre aux besoins humains.

Depuis plus de 50 ans, le processus exige que les organismes fédéraux examinent et documentent les impacts environnementaux de projets comme des ponts, des centrales électriques, des lignes de transport et des installations de fabrication. Ce banc d’essai aide à déterminer dans quels domaines les modèles d’IA actuels peuvent, de façon responsable, aider les humains à accélérer ces flux de travail.

En plus de réduire les risques liés à l’autonomie, ce travail peut faire progresser la conception de meilleures interfaces entre les experts et l’IA. En allant au-delà des PDF statiques, les agents de codage peuvent générer dynamiquement des rapports Web et des visualisations interactives à partir de leur travail, ce qui facilite la validation par les examinateurs humains.

Avec l’IA, les organismes pourront examiner, peaufiner et approuver les propositions plus efficacement, et les employés du gouvernement bénéficieront de l’appui d’équipes d’agents d’IA qui prendront en charge les parties les plus chronophages de leur travail, afin qu’ils puissent se concentrer sur le jugement, la supervision et la prise de décisions complexes. Ce travail s’inscrit dans l’engagement plus large d’OpenAI envers le service public et dans l’objectif d’OpenAI for Government d’offrir aux fonctionnaires des outils qui les rendent plus efficaces et mieux soutenus.

Ce banc d’essai évalue la capacité des modèles sur des tâches de rédaction bien définies où le contexte pertinent est disponible, et non l’ensemble de l’ambiguïté et de la marge de manœuvre des décisions d’autorisation dans le monde réel. Il met l’accent sur l’exactitude et l’utilisation correcte des références afin de préciser dans quels cas les modèles pourraient aider les examinateurs humains. En examinant les cas d’échec, nous avons constaté que certaines « erreurs » étaient en fait dues à des références dépassées et à des critères d’évaluation faibles, et nous avons dû mettre à jour les grilles d’évaluation en conséquence. Plus généralement, si les documents sources sont incomplets, incohérents ou périmés, les modèles peuvent ne pas signaler ces écarts sans instructions explicites. Les déploiements réels sont plus susceptibles d’inclure de la rétroaction d’experts et des itérations, ce qui devrait améliorer la performance au-delà de ce qui est rapporté dans ces tâches de banc d’essai autonomes.

OpenAI aide le PNNL à poursuivre le développement et l’amélioration de solutions pour les applications de PermitAI⁠(s'ouvre dans une nouvelle fenêtre), conçues pour aider les organismes fédéraux à simplifier les processus d’autorisation. Avec le temps, nous nous attendons à ce que le délai moyen d’approbation des projets d’infrastructure examinés au niveau fédéral passe de plusieurs mois à quelques semaines, ce qui accélérera le développement des projets, renforcera la compétitivité des États-Unis et soutiendra la croissance économique à long terme.