Please enable JavaScript.
Coggle requires JavaScript to display documents.
:recycle: IA Responsable - Coggle Diagram
:recycle: IA Responsable
-
:pen: Cadrer
Identifier les risques lies à la sécurité et confidentialité des données, l'éthique d'utilisation de l'IA
-
Mettre en oeuvre une démarche de "frugalité" des données pour réduire le volume tout au long du cycle de vie de la solution, limiter les sources de duplication
-
Définir le cadre légale d'utilisation, de transport et de stockage des données
-
-
Réaliser une matrice de couverture des exigences, et la suivre tout au long du cycle de vie du projet
-
Valider le besoin (utile vs. futile), mesurer la valeur métier au regard des risques éthiques et environnementaux
-
-
Mettre en place un guide d'achat, prenant en compte les enjeux éthiques et environnementaux
-
Définir des critères d'évaluation éthiques et environnementaux tout au long du cycle de vie du projet
-
:star: Réaliser
-
Implémenter une mesure de l'empreinte environnementale des opérations du cycle de vie du projet ( WENR de l’INR, MLCO2, code Carbon, impact trackers...)
-
Avoir une bonne adéquation entre les attentes/besoins et les performances (temps réel vs. batch) et s'assurer de la pertinence de l'algorithme mis en oeuvre (rapport performance / besoin)
-
Choisir des infrastructures éco-énergétiques, mettant en oeuvre des politiques de recyclages, monitorées par des indicateurs (PUE, WUE)
-
-
Identifier la responsabilité du résultat de l'IA, et les nécessité d'intervention humaine pour exploiter ce résultat
-
S’appuyer sur des normes ( Ethik-IA pour la santé, ORCCA, AFNOR, ADEL…)
-
Utiliser si possible des algorithmes pré-entraînés, dont l'empreinte numérique et les valeurs éthiques sont vérifiées
-
-
Modéliser la probabilité qu’un objet présentant certaines caractéristiques y figure (« probabilité d’inclusion ») pour réduire la déviation des résultats
-
Cartographier et minimiser les données utiles et nécessaires, limiter leur transport et optimiser leur stockage
-
Utiliser le transfert learning autant que possible, après vérification des critères environnementaux et éthiques
-
Fournir aux développeurs des ART (Adversial Robustness Toolbox) pour évaluer , défendre et vérifier les modèles et les applications de machine learning contre les menaces
-
Alléger les modèles tant que possible (suppression de couche), par exemple avec TinyML /' n
-
Appliquer les bonnes pratiques sur la conception d’un service numérique responsable (GR491 de l'iNR/ RG de la DINUM), Utiliser des outils pour réduire les lignes de code, calculer et optimiser la complexité algorithmique, utiliser et mettre à jour les librairies
-
:silhouettes: Organiser
-
-
-
Constituer une équipe pluridisciplinaire (juriste, RSE, métier, data scientist, data ingénieur), et inclusive
-
:question: Informer
-
Mettre en place une acceptation explicite des données collectées dans le respect de la réglementation et du RGPD
-
-
-
-
-