Last updated:
Impliquer le jugement humain dans les processus d'IA (entraînement, validation, révision des décisions) pour améliorer la précision et la responsabilité.
Une approche hybride dans laquelle les humains renforcent les workflows d’IA — en fournissant des étiquettes, en vérifiant les prédictions à faible niveau de confiance ou en annulant les décisions du modèle. Le HITL garantit que les cas limites, à haut risque ou inédits bénéficient de l’attention d’experts. Une gouvernance efficace définit des seuils d’intervention humaine, suit les comparaisons de performance entre humains et IA et empêche les biais humains de compromettre les gains de l’automatisation.
Real world example:
Une IA de diagnostic médical signale, pour examen par un radiologue (HITL), les analyses dont le niveau de confiance du modèle est inférieur à 80 %. Sur une période de six mois, 95 % des cas à faible confiance ont été correctement classés par des experts humains, et ces annotations sont réinjectées dans le réentraînement du modèle, améliorant l’étalonnage de la confiance et réduisant le taux d’erreur global.
