Protéger l'IA : imputabilité

Éthique de l'IA

Joe Franklin

Associate Data Literacy and Essentials Manager, DataCamp

Définir l'imputabilité

• Imputabilité :
  • Attribuer la responsabilité des résultats de l'IA
• Essentielle pour la conception, le déploiement et l'usage de l'IA
• L'IA n'est pas une « baguette magique » pour esquiver les responsabilités

L'imputabilité est vitale

• On fait davantage confiance aux systèmes d'IA quand il y a imputabilité
• L'imputabilité assure un usage éthique et limite les préjudices potentiels
• Elle n'absout pas les humains de leurs responsabilités

             

Le paradoxe de l'imputabilité

• Renforcer l'imputabilité de l'IA peut accroître la confiance
• Mais une confiance excessive peut mener à de mauvaises décisions
• Exemple :
  • Étude de Georgia Tech où des participants ont suivi de mauvaises consignes d'un robot

L'histoire de Tesla

• Mauvaise compréhension des capacités du pilote automatique par les consommateurs
• Critiques envers Tesla pour des protections insuffisantes
• Responsabilité partagée entre Tesla et les consommateurs

Atteindre l'imputabilité

• Producteurs d'IA :
  • Atteindre l'imputabilité exige de la transparence et de résoudre le « boîte noire »
  • L'attribution des responsabilités est essentielle

• Consommateurs d'IA :
  • « Faire confiance, mais vérifier »
• Producteurs et consommateurs contribuent ensemble à une IA éthique
• Les défis sont des occasions d'innover

¹ Icônes créées par Eucalyp et Sumitsaengtong sur www.flaticon.com

Pas de solution unique

• L'imputabilité en IA est un parcours continu
• Chaque avancée en IA fait évoluer la discussion sur l'imputabilité
• Pas de solution universelle ; cela varie selon les secteurs

¹ Icône créée par Freepik sur www.flaticon.com

Passons à la pratique !

Éthique de l'IA