Pourquoi l’IA explicable est importante

Fondamentaux de l’IA explicable (XAI)

Folkert Stijnman

ML Engineer

Un système d’IA

  • Prédiction : analyser des données, repérer des motifs et faire des prévisions
    • Exemples : tendances de marché, risques santé, météo
  • Génération : produire du contenu à partir des saisies
    • Exemples : texte, code, images, sons
Fondamentaux de l’IA explicable (XAI)

IA explicable (XAI)

 

  • Écart entre technologie et compréhension
  • Transparence
  • Interprétabilité
  • Responsabilité
  • Confiance dans l’IA

 

robot et main se touchant

Fondamentaux de l’IA explicable (XAI)

Transparence de l’IA

 

photo d’une vitre de voiture embuée

 

  • Transparence de l’IA : capacité à comprendre et retracer comment l’IA prend des décisions ou fait des prédictions
  • Garantit équité et exactitude
  • Rend aussi l’IA justifiable
Fondamentaux de l’IA explicable (XAI)

Interprétabilité et responsabilité

 

  • Interprétabilité : mesure dans laquelle un humain peut comprendre la cause d’une décision d’un système d’IA
  • Cruciale pour les domaines à haut risque, comme la santé
  • Responsabilité : attribution des responsabilités pour les actions et décisions des systèmes d’IA

balance de justice dans un ordinateur

Fondamentaux de l’IA explicable (XAI)

Instaurer la confiance dans les systèmes d’IA

ascenseur traditionnel en noir et blanc

  • Méfiance envers les nouvelles automatisations
  • Comprendre favorise la confiance
  • Relation entre humain et technologie
Fondamentaux de l’IA explicable (XAI)

Pourquoi la XAI est-elle importante ?

La XAI permet à l’IA d’être :

  • Efficace et justifiable
  • Claire et compréhensible
  • Favorisant confiance et équité
  • Nourrissant la relation humain–technologie
Fondamentaux de l’IA explicable (XAI)

Passons à la pratique !

Fondamentaux de l’IA explicable (XAI)

Preparing Video For Download...