IA responsable : des principes à la pratique
Accélérez le déploiement d’une IA de confiance grâce à des conseils d’experts et des outils pratiques
Développement de l’IA de manière responsable
La croissance rapide de l’IA et des agents intelligents apporte des innovations prometteuses et de nouveaux défis. Chez AWS, nous rendons l’IA responsable pratique et évolutive, vous permettant ainsi d’accélérer l’innovation fiable en matière d’IA. Nous adoptant une approche centrée sur les personnes qui donne la priorité à l’enseignement, à la science et à nos clients, afin d’intégrer l’IA responsable tout au long du cycle de vie de l’IA de bout en bout. Nos bonnes pratiques fondées sur la science, nos mesures de protection intégrées et nos outils vous aident à développer et à exploiter l’IA de manière responsable dans tous vos cas d’utilisation. Développez avec des pratiques d’IA responsable dès le premier jour pour agir plus rapidement et en toute confiance et gagner la confiance des clients.
Qu’est-ce que l’IA responsable ?
AWS définit l’IA responsable à l’aide d’un ensemble de dimensions fondamentales que nous évaluons et mettons à jour au fil du temps, à mesure que la technologie de l’IA évolue.
Équité
Prise en compte des impacts sur les différents groupes de parties prenantes
Explicabilité
Comprendre et évaluer les résultats du système
Confidentialité et sécurité
Obtenir, utiliser et protéger correctement les données et les modèles
Sûreté
Prévention des sorties du système nuisibles et des utilisations abusives
Contrôlabilité
Disposer de mécanismes pour surveiller et orienter le comportement des systèmes d’IA
Véracité et robustesse
Obtenir des sorties système correctes, même en cas d’entrées inattendues ou contradictoires
Gouvernance
Intégrer les meilleures pratiques dans la chaîne d’approvisionnement de l’IA, y compris les fournisseurs et les déployeurs
Transparence
Permettre aux parties prenantes de faire des choix éclairés concernant leur engagement dans un système d’IA
Bonne pratique en matière d’IA responsable
Ces dimensions fondamentales de l’IA responsable représentent des propriétés techniques inhérentes à tout système d’IA ; votre tâche consiste à faire des choix de conception réfléchis pour votre cas d’utilisation spécifique. Le nouveau « AWS Well-Architected Responsible AI Lens » fournit des bonnes pratiques et des conseils pratiques pour vous aider à prendre en compte ces considérations tout au long de la conception, du développement et de l’exploitation. Appliquez ces conseils pour prendre des décisions éclairées qui concilient vos exigences commerciales et techniques et contribuent à accélérer le déploiement de systèmes d’IA fiables.
Services et outils
AWS propose des services et des outils pour vous aider à concevoir, créer et utiliser des systèmes d’IA de manière responsable.
Développez avec des barrières de protection configurables
Amazon Bedrock Guardrails vous aide à mettre en œuvre des barrières de protection adaptées aux exigences de votre application et à vos politiques d’IA responsable. Grâce à des barrières de protection de sécurité de pointe qui bloquent jusqu’à 88 % des contenus préjudiciables et fournissent des explications vérifiables mathématiquement pour les décisions de validation avec une précision de 99 %, Bedrock Guardrails offre des mesures de protection configurables pour aider à détecter et filtrer les contenus textuels et visuels préjudiciables, à masquer les informations sensibles et à détecter les hallucinations des modèles. Utilisez Bedrock Guardrails avec n’importe quel modèle de fondation, sur Amazon Bedrock ou en auto-hébergement, pour bénéficier de contrôles de sécurité et de confidentialité cohérents sur l’ensemble de vos applications.
Évaluations du modèle de fondation (FM)
L’évaluation des modèles sur Amazon Bedrock vous permet d’évaluer, de comparer et de sélectionner les meilleurs FM pour votre cas d’utilisation spécifique en fonction de paramètres personnalisés, tels que la précision, la robustesse et la toxicité. Vous pouvez également utiliser Amazon SageMaker Clarify et fmeval pour l’évaluation des modèles.
Détection des biais et explication des prédictions
Les biais sont des déséquilibres dans les données ou des disparités dans les performances d’un modèle entre différents groupes. Amazon SageMaker Clarify vous aide à limiter les biais en détectant les biais potentiels pendant la préparation des données, après l’entraînement du modèle et dans votre modèle déployé en examinant des attributs spécifiques.
Il est important de comprendre le comportement d’un modèle pour développer des modèles plus précis et prendre de meilleures décisions. Amazon SageMaker Clarify offre une meilleure visibilité du comportement du modèle, afin que vous puissiez offrir de la transparence aux parties prenantes, informer les personnes qui prennent les décisions et vous assurer qu’un modèle fonctionne comme prévu.
Surveillance et examen humain
La surveillance est importante pour maintenir des modèles de machine learning (ML) de haute qualité et garantir des prévisions précises. Amazon SageMaker Model Monitor détecte automatiquement les prédictions inexactes des modèles déployés et vous en avertit. Et avec Amazon SageMaker Ground Truth, vous pouvez appliquer le feedback humain tout au long du cycle de vie du ML afin d’améliorer la précision et la pertinence des modèles.
Améliorer la gouvernance
La gouvernance ML d’Amazon SageMaker fournit des outils spécialement conçus pour améliorer la gouvernance de vos projets de ML en vous offrant davantage de contrôle et de visibilité sur vos modèles de ML. Vous pouvez facilement capturer et partager les informations du modèle, et suivre le comportement du modèle (comme les biais) au même endroit.
Cartes de services d’IA AWS
Les cartes de service d’IA sont une ressource visant à améliorer la transparence en vous fournissant un endroit unique pour trouver des informations sur les cas d’utilisation et les limites prévus, les choix de conception en matière d’IA responsable et les meilleures pratiques d’optimisation des performances pour nos services et modèles d’IA.
Nouveautés en matière d’IA responsable
Contribution et collaboration de la communauté
Grâce à un engagement profond avec des organisations multipartites telles que les groupes de travail de l’OCDE sur l’IA, le Partenariat sur l’IA et le Responsible AI Institute, ainsi qu’à des partenariats stratégiques avec des universités à l’échelle mondiale, nous nous engageons à travailler aux côtés d’autres pour développer les technologies d’IA et de ML de manière responsable et renforcer la confiance.
Nous adoptons une approche centrée sur les personnes pour former la prochaine génération de leaders de l’IA avec des programmes tels que les programmes de bourses AI & ML et We Power Tech pour développer l’accès à l’apprentissage pratique, aux bourses et au mentorat pour les personnes mal desservies ou sous-représentées dans le domaine de la technologie.
Notre investissement dans une IA générative sûre, transparente et responsable passe par la collaboration avec la communauté mondiale et les décideurs politiques. Citons par exemple les code de conduite du G7 d’Hiroshima en matière d’IA, l’AI Safety Summit au Royaume-Uni et le soutien de la norme ISO 42001, une nouvelle norme fondamentale visant à promouvoir l’IA responsable. En matière d’IA, nous soutenons le développement de cadres réglementaires efficaces fondés sur les risques, qui protègent les droits civils tout en permettant une innovation continue.
L’IA responsable est un domaine actif de recherche et de développement chez Amazon. Nous avons établi des partenariats stratégiques avec des universités, comme le California Institute of Technology et Amazon Scholars, ainsi qu’avec des experts de premier plan qui appliquent leurs recherches universitaires pour aider à mettre en place des flux de travail en matière d’IA responsable au sein d’Amazon.
Nous innovons aux côtés de nos clients, en restant à la pointe des nouvelles tendances et de la recherche pour créer de la valeur, en attribuant des subventions de recherche via les Amazon Research Awards et en produisant des publications scientifiques avec Amazon Science. Pour en savoir plus sur la science qui permet de développer une IA générative de manière responsable, consultez ce blog Amazon Science qui présente les principaux défis émergents et les solutions possibles.
