Carnet du LAB #5 - Intelligence artificielle & conformité
- No tags were found...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
C. BIEN DÉROULER SON USE-CASE<br />
Les étapes à suivre pour réussir la conception et le déroulement d’un use-case IA :<br />
1. Qualifier le besoin avec les équipes métiers, instruire les dossiers d’évaluation internes et<br />
réaliser les analyses préliminaires sur les données<br />
2. Accompagner et conseiller dans le choix de la solution la plus pertinente par rapport aux<br />
besoins (solutions externes, développement interne, …)<br />
3. Assurer la récupération des données (en respectant les processus de collecte des données :<br />
juridique, sécurité, <strong>conformité</strong>), la mise en qualité, et l’exploitation des données<br />
4. Etablir un état des lieux sur la faisabilité de mise en œuvre et d’in<strong>du</strong>strialisation d’une solution<br />
de Machine Learning<br />
5. Réaliser les travaux de développements des algorithmes, pour assurer la robustesse, la<br />
performance et la sécurité <strong>du</strong> modèle en vue de l’in<strong>du</strong>strialisation (et/ou auditer les algorithmes)<br />
6. Etayer la démonstration de la valeur <strong>du</strong> modèle, via la formalisation d’un business case<br />
7. Assurer la con<strong>du</strong>ite <strong>du</strong> changement auprès des équipes métiers et <strong>du</strong> régulateur (explicabilité<br />
de l’IA)<br />
8. Mettre en œuvre les prérequis nécessaires à l’in<strong>du</strong>strialisation et assurer le pilotage de bout<br />
en bout <strong>du</strong> projet<br />
9. Assurer la pérennité des solutions d’intelligence <strong>artificielle</strong> en mettant en place des outils et<br />
une méthodologie de monitoring des algorithmes<br />
COMMENT FAIRE DE L’IA UNE RÉALITÉ<br />
9<br />
1 2<br />
Prérequis<br />
Spécification<br />
des cas d’usages<br />
Sourcing<br />
de la solution<br />
Modélisation<br />
Go/No Go<br />
4<br />
Création<br />
<strong>du</strong> modèle<br />
Business case<br />
3<br />
Collecte & exploitation<br />
des données<br />
Recommandations<br />
pour l’amélioration<br />
des données<br />
In<strong>du</strong>strialisaion<br />
& monitoring<br />
5 6<br />
Pilotage <strong>du</strong> projet<br />
d’in<strong>du</strong>strialisation<br />
Monitoring <strong>du</strong> système<br />
de Machine Learning<br />
Compétences : métiers / data science / architecture & IT
Change language