La prévention Prévention
La prévention des biais nécessite une approche proactive de la recherche des biais. Réagir face à des problèmes plus ou moins graves engendrés par des biais est essentiel, voire obligatoire, mais prévenir ceux-ci, est plus efficace et beaucoup moins impactant pour l’entreprise.
En intelligence artificielle où l’apprentissage automatique des machines est fréquent, les problèmes engendrés par les biais de codes, de variables ou de données peuvent ne pas être vus facilement et générer, comme nous l’avons vu au début de cette section, des risques importants pour l’entreprise.
La méthode que j’ai élaborée s’appuie sur trois phases séquentielles majeures dans la prévention des biais.
|
1. |
Avant la mise en place du système : les spécifications, le choix des sources de données, le choix des données, le choix des variables, la validation. |
|
2. |
Pendant la conception du système : le choix des algorithmes, la finalisation du choix des variables, le langage de programmation, l’environnement, la construction du modèle, les tests et analyse des résultats. |
|
3. |
Après la mise en place du système : la surveillance du système, l’analyse des résultats et la détection des biais, la correction. |
Ces trois étapes n’ont pas la même fréquence...
Conditions générales d'utilisationCopyright - © Editions ENI ||Politique de protection des données du groupe ENI