Traitement automatisé des données

Qualité KI grâce à la norme DIN SPEC 92001-2

Maximilien Schneider

La norme DIN 92001 définit un métamodèle de qualité sur le cycle de vie de l'IA et identifie la performance, la stabilité, la fonctionnalité et la traçabilité de l'IA comme objectifs supérieurs de l'assurance qualité de l'IA.

Depuis décembre 2020, la norme DIN SPEC 92001-2 peut être consultée publiquement. Ce document de plus de 40 pages est très complet et détaillé. Vous en trouverez sur cette page un bref aperçu, même s'il est abrégé. Vous pouvez télécharger le document DIN complet ici.

Cet article a été rédigé en allemand, il a été automatiquement traduit dans d'autres langues et traduit en français. Nous vous invitons à nous faire part de vos commentaires à la fin de l'article.

Définition de l'IA robuste

Qu'est-ce que l'IA robuste ?

Une IA robuste doit être capable de résister aux perturbations intentionnelles causées par des adversaires malveillants et aux
perturbations involontaires causées par des modifications des données d'entrée. Ces deux perturbations posent un problème de sécurité et de protection.

L'IA doit gérer des données erronées, bruyantes, inconnues ou
des données d'entrée construites. Dans les environnements complexes, la robustesse est un critère de qualité essentiel de l'IA. Même les modules d'IA à la pointe de la technologie sont vulnérables à ce type de perturbations. Lorsque les entreprises veulent rendre l'IA robuste, elles doivent se concentrer sur deux dimensions.

  • perturbation intentionnelle par des adversaires nuisibles
  • perturbation involontaire due à des modifications de la saisie des données

6 étapes pour une meilleure qualité d'IA

Comment mettre en place un cycle de qualité pour l'intelligence artificielle robuste, basé sur la norme DIN SPEC 92001-2 ?

  1. Les tâches à assumer par l'IA doivent être comparées à la tolérance au risque de votre organisation.

  2. Définir ce que signifie "perturbation de l'IA" par tâche automatisée

  3. Identifiez les adversaires, réfléchissez aux attaques possibles et préparez des stratégies de défense.

  4. Surveillez vos données d'entrée et soyez prêt à réentraîner votre IA sur des données changeantes.

  5. Ajoutez des données génératrices d'erreurs à vos données de test et calculez leur impact après chaque entraînement de l'IA.

  6. Documentez votre stratégie et répétez régulièrement les étapes mentionnées.

En novembre déjà, Actualités de l'informatique dans un article complet sur notre Triangle IA®, qui s'inspire de la norme DIN SPEC 92001. Celui-ci, tout comme notre logiciel Konfuzio, La gamme de produits s'est continuellement élargie afin de répondre aux exigences les plus récentes en matière de qualité et de robustesse.

À propos de moi

Autres grands articles

automation on prem

Automatisation sur site : une automatisation sûre et contrôlée

Imaginez une forteresse technologique dans laquelle les processus d'automatisation de votre entreprise sont protégés au sein de votre propre infrastructure. Avec ...

Lire l'article
NLU vs NLP

NLP vs. NLU - Génies du langage IA 🚀

🤖 Quelle est la différence entre la PNL et la NLU, et quelle est la méthode la mieux adaptée à votre bot ? 🤖 💥 PNL...

Lire l'article
Logiciel d'analyse des contrats Titre

Logiciel d'analyse des contrats - Simplifiez votre analyse des contrats

Les entreprises et leurs relations commerciales deviennent de plus en plus complexes. L'analyse des contrats y joue un rôle de plus en plus décisif. Elle est l'approche méthodique pour...

Lire l'article
Arrow-up