1

Introduction à l'IA éthique

• Définir ce qu'est l'IA éthique
• Les enjeux éthiques actuels : impacts sur la société, les droits individuels et la gouvernance
• Déterminer pourquoi l'éthique est essentielle dans l'IA en entreprise (réputation, conformité et confiance)
• Comprendre les principes fondamentaux: équité, transparence, responsabilité et protection de la vie privée

2

Garantir l'équité dans les systèmes d'IA

• Découvrir ce qu'est l'équité dans le cadre de l'IA
• Identifier les biais dans les données algorithmiques
• Créer des méthodes pour garantir l'équité : diversité des données, analyses des biais et corrections des modèles

3

Assurer la transparence et la responsabilité

• Comprendre la problématique de la "boîte noire" dans les algorithmes d'IA
• Créer des outils pour la transparence : explicabilité des modèles, techniques de "boîtes blanches"
• Déterminer qui est responsable en cas d'erreur ou de mal fonctionnement (régulations légales et éthiques)
• Relever les défis juridiques et réglementaires associés à l'IA (RGPD, législation nationale et internationale)

4

Protection des données personnelles et gouvernance de l'IA

• Définir le rôle central de la protection des données personnelles dans l'IA
• Définir le cadre juridique : RGPD et autres réglementations de la vie privée
• Valider les bonnes pratiques pour la gestion des données sensibles (cryptage; anonymisation, minimisation des données)
• Créer un processus d'audit et de conformité pour les systèmes IA en entreprise
• Mise en place par la gouvernance des comités éthiques, audits réguliers et supervision des projets IA