Dans le monde incertain d'aujourd'hui, les processus décisionnels fondés sur les données sont le moteur de la survie de nombreuses entreprises. La prise de décision basée sur les données produit des résultats plus bénéfiques que le seul sentiment instinctif, mais de nombreuses entreprises ont encore du mal avec cette réalité. Cela paraît d’autant plus surréaliste et hors de portée lorsque l’on constate le simple volume – toujours croissant – de données générées quotidiennement dans le monde.
Si les données sont le carburant nécessaire à l'obtention de ces informations commerciales, l'intelligence artificielle (IA) est le moteur qui alimente ce processus, offrant de nouvelles solutions et informations auparavant hors de portée. Chaque organisation devenant une sorte d’usine de données, l'automatisation est désormais le seul moyen de transformer rapidement les milliards de lignes et les milliers de colonnes de données en informations. Les progrès de l'IA contribuent à fournir la vision autonome et la génération de prédictions avancées nécessaires pour guider rapidement la prise de décision basée sur les données.
Néanmoins, tous les projets d'IA ne sont pas égaux, et les résultats de tout système d'IA peuvent accélérer, impacter, ou encore gravement ralentir les efforts visant à instaurer la confiance dans l'IA.
Si les données sont le carburant nécessaire à l'obtention de ces informations commerciales, l'intelligence artificielle (IA) est le moteur qui alimente ce processus, offrant de nouvelles solutions et informations auparavant hors de portée. Chaque organisation devenant une sorte d’usine de données, l'automatisation est désormais le seul moyen de transformer rapidement les milliards de lignes et les milliers de colonnes de données en informations. Les progrès de l'IA contribuent à fournir la vision autonome et la génération de prédictions avancées nécessaires pour guider rapidement la prise de décision basée sur les données.
Néanmoins, tous les projets d'IA ne sont pas égaux, et les résultats de tout système d'IA peuvent accélérer, impacter, ou encore gravement ralentir les efforts visant à instaurer la confiance dans l'IA.
Se former à l'éthique
Les modèles d'IA sont généralement formés sur des données historiques. Si ces données contiennent des biais, le modèle peut les propager dans les décisions futures. Par exemple, si une entreprise a historiquement embauché plus d'hommes que de femmes pour des rôles liés à la technologie et qu'elle introduit des données historiques de CV dans une IA conçue pour examiner les candidatures, le modèle résultant peut être biaisé à l'encontre des femmes qui postulent.
Et malheureusement, cette situation hypothétique a déjà eu lieu. Amazon a dû mettre un terme à son propre algorithme de recrutement par IA, car le modèle favorisait les candidats qui se décrivaient à l'aide de mots que l'on trouve plus souvent sur les CV des candidats masculins, ce qui entraînait un biais regrettable à l'encontre des candidatures féminines. La formation et le test des données font partie intégrante du succès.
Bien que l'IA puisse analyser rapidement de grands volumes de sources de données disparates pour permettre aux experts du domaine de prendre des décisions, elle ne peut remplacer le jugement humain. Les préjugés systémiques peuvent se glisser dans l'IA, car les données historiques peuvent ne pas être totalement représentatives, et les groupes minoritaires peuvent ne pas être du tout présents dans ces ressources de données.
Et malheureusement, cette situation hypothétique a déjà eu lieu. Amazon a dû mettre un terme à son propre algorithme de recrutement par IA, car le modèle favorisait les candidats qui se décrivaient à l'aide de mots que l'on trouve plus souvent sur les CV des candidats masculins, ce qui entraînait un biais regrettable à l'encontre des candidatures féminines. La formation et le test des données font partie intégrante du succès.
Bien que l'IA puisse analyser rapidement de grands volumes de sources de données disparates pour permettre aux experts du domaine de prendre des décisions, elle ne peut remplacer le jugement humain. Les préjugés systémiques peuvent se glisser dans l'IA, car les données historiques peuvent ne pas être totalement représentatives, et les groupes minoritaires peuvent ne pas être du tout présents dans ces ressources de données.
La valeur de l'éthique des données
La réussite des systèmes d'IA dépend essentiellement de la qualité des données de formation, de la transparence des processus de gouvernance internes et des niveaux de compétence des humains impliqués dans sa création. Les projets d'IA doivent être en mesure d'évaluer, d'authentifier et d'actualiser les données historiques pour simuler des résultats capables de s'adapter dynamiquement à des exigences commerciales en constante évolution.
Toutes les données sont souvent accompagnées d'une certaine forme de partialité, que ce soit intentionnellement ou non. L'âge, la race, le sexe, les antécédents médicaux, la situation financière, les revenus, la localisation et bien d'autres facteurs peuvent produire des biais. Les ensembles de données de formation utilisés pour les systèmes d'IA doivent être exempts de discrimination pour garantir le résultat souhaité.
Avec la bonne approche, l'IA éthique est à la portée de toutes les organisations. La data science et l'IA jouent un rôle puissant pour obtenir un avantage et devancer la concurrence, mais l'IA éthique offre des avantages à long terme et un niveau fondamental de précision de la compréhension qui, sous réserve d'un leadership et d'une stratégie appropriés, sera rentable à court et à long terme.
Toutes les données sont souvent accompagnées d'une certaine forme de partialité, que ce soit intentionnellement ou non. L'âge, la race, le sexe, les antécédents médicaux, la situation financière, les revenus, la localisation et bien d'autres facteurs peuvent produire des biais. Les ensembles de données de formation utilisés pour les systèmes d'IA doivent être exempts de discrimination pour garantir le résultat souhaité.
Avec la bonne approche, l'IA éthique est à la portée de toutes les organisations. La data science et l'IA jouent un rôle puissant pour obtenir un avantage et devancer la concurrence, mais l'IA éthique offre des avantages à long terme et un niveau fondamental de précision de la compréhension qui, sous réserve d'un leadership et d'une stratégie appropriés, sera rentable à court et à long terme.
Regarder vers l'avenir : le Chief Ethics Officer
Les stratégies doivent reposer sur des bases solides lorsqu'on cherche à concevoir et à déployer de manière responsable des projets d'IA réussis. A l’instar d’une maison qui nécessite un architecte qualifié pour planifier, concevoir et superviser sa construction, le déploiement responsable de l'IA et de l'analytique requiert un professionnel formé à la data science.
Une étude commandée par Alteryx sur l'état des connaissances en matière de données a révélé que 42 % des employés travailleurs de la donnée considéraient l'éthique des données comme « non pertinente » pour leur rôle – ce qui jette une ombre sur les futurs projets basés sur l'IA. La prévalence des décisions quotidiennes augmentant au fil du temps, le besoin urgent de leadership en matière d'éthique de l'IA et de mise en place d'une culture des données éthique devient de plus en plus évident. Il est crucial que toute stratégie d'éthique de l'IA intègre une connexion humaine et une culture des données qui réduisent les risques de partialité. Pour réussir, cependant, un leadership et une stratégie appropriés sont essentiels. C'est là qu'intervient le "Chief Ethics Officer".
La maîtrise des données et l'éthique vont de pair lorsqu'il s'agit de développer et de déployer une IA digne de confiance, capable d'augmenter et de compléter les capacités humaines. En intégrant des pratiques transparentes d'éthique des données dans les activités quotidiennes de l'ensemble de l'organisation, un responsable de l'éthique fournit un niveau de surveillance centrale et de gouvernance structurée nécessaire pour atténuer les risques en garantissant qu'il n'y a pas d'utilisation abusive des données.
L'avenir de l'IA éthique est à notre porte. Avec un responsable de l'éthique chargé de veiller à ce que les humains et l'éthique soient au centre de l'innovation en matière d'IA – le cartographe numérique de l'organisation – les experts en la matière qui connaissent les données peuvent construire des modèles de machine learning et découvrir des incohérences dans les données qui pourraient autrement passer inaperçues pour les data scientists n’ayant pas de connaissance directe du domaine.
Rédigé par Alan Jacobson, Repris et adapté par la Fondation Tamkine
#Tamkine_ensemble_nous_reussirons
Une étude commandée par Alteryx sur l'état des connaissances en matière de données a révélé que 42 % des employés travailleurs de la donnée considéraient l'éthique des données comme « non pertinente » pour leur rôle – ce qui jette une ombre sur les futurs projets basés sur l'IA. La prévalence des décisions quotidiennes augmentant au fil du temps, le besoin urgent de leadership en matière d'éthique de l'IA et de mise en place d'une culture des données éthique devient de plus en plus évident. Il est crucial que toute stratégie d'éthique de l'IA intègre une connexion humaine et une culture des données qui réduisent les risques de partialité. Pour réussir, cependant, un leadership et une stratégie appropriés sont essentiels. C'est là qu'intervient le "Chief Ethics Officer".
La maîtrise des données et l'éthique vont de pair lorsqu'il s'agit de développer et de déployer une IA digne de confiance, capable d'augmenter et de compléter les capacités humaines. En intégrant des pratiques transparentes d'éthique des données dans les activités quotidiennes de l'ensemble de l'organisation, un responsable de l'éthique fournit un niveau de surveillance centrale et de gouvernance structurée nécessaire pour atténuer les risques en garantissant qu'il n'y a pas d'utilisation abusive des données.
L'avenir de l'IA éthique est à notre porte. Avec un responsable de l'éthique chargé de veiller à ce que les humains et l'éthique soient au centre de l'innovation en matière d'IA – le cartographe numérique de l'organisation – les experts en la matière qui connaissent les données peuvent construire des modèles de machine learning et découvrir des incohérences dans les données qui pourraient autrement passer inaperçues pour les data scientists n’ayant pas de connaissance directe du domaine.
Rédigé par Alan Jacobson, Repris et adapté par la Fondation Tamkine
#Tamkine_ensemble_nous_reussirons