Éthique & Réglementation de l’IA (IA Responsable)

À l’issue de la formation, les participants seront capables de :

• Identifier les biais algorithmiques et leurs impacts sociétaux ou organisationnels
• Comprendre les enjeux liés à la transparence, l’équité, l’autonomie humaine dans les systèmes IA
• Appliquer les exigences du RGPD et anticiper celles de l’AI Act européen
• Mobiliser des outils et démarches pour améliorer l’explicabilité des modèles (XAI)
• Intégrer des principes d’IA responsable dans les phases de conception et d’évaluation des projets IA

Enjeux éthiques de l’IA

• Définition de l’IA responsable et des grands principes éthiques (non-discrimination, sécurité, supervision humaine)
• Biais algorithmiques : sources, types et impacts (biais de données, biais de conception, biais d’usage)
• Exemples concrets : IA et recrutement, justice prédictive, reconnaissance faciale

Transparence et explicabilité

• Pourquoi l’explicabilité est-elle cruciale ?
• Introduction aux techniques d’IA explicable (XAI) : SHAP, LIME, arbres de décision, règles locales
• Limites de l’explication dans les modèles complexes (deep learning)
• Rôle des interfaces utilisateurs et de la documentation des modèles

Cadre réglementaire européen

• Rappels sur le RGPD : données personnelles, consentement, profilage, droit à l’explication
• Présentation de l’AI Act : structure du texte, niveaux de risque (inacceptable, élevé, modéré, minimal)
• Obligations selon le niveau de risque : transparence, documentation, conformité
• Interactions entre RGPD et AI Act : responsabilités croisées et complémentarités

Mise en œuvre d’une IA responsable

• Bonnes pratiques : audit de biais, comité éthique, documentation des datasets, design éthique
• Intégration des principes dès la phase de cadrage d’un projet IA (Privacy by Design, Fairness by Design)
• Étude de cas : diagnostic éthique et conformité d’un projet IA simulé
• Outils et ressources : fiches d’évaluation éthique, checklists, cadres de gouvernance

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation