Le degré auquel un être humain peut comprendre les mécanismes internes ou la logique décisionnelle d'un modèle d'IA.
Désigne la transparence intrinsèque de la structure d’un modèle — par exemple, les modèles linéaires ou les arbres de décision, dans lesquels l’impact des caractéristiques se reflète directement dans les résultats. La gouvernance de l’interprétabilité favorise les modèles interprétables pour les cas d’usage à haut risque, documente clairement la logique des modèles et limite les modèles opaques aux domaines à moindre risque, ou les associe à des méthodes d’explication a posteriori.
Une équipe d’évaluation du crédit choisit un modèle d’arbre de décision pour les approbations initiales de prêts, car chaque division peut être interprétée directement (« revenu > 50 k$ »). Elle publie la logique de l’arbre auprès des parties prenantes, garantissant une interprétabilité complète et facilitant les examens réglementaires.
