Créer des systèmes d'IA qui apprennent conjointement plusieurs tâches (par exemple, reconnaissance vocale et traduction), avec une gouvernance nécessaire pour la complexité et l'auditabilité.
Les architectures multitâches qui partagent des représentations et des pondérations entre des objectifs connexes améliorent l’efficacité en données, mais accroissent le couplage et l’opacité. Les défis de gouvernance comprennent la garantie que chaque tâche respecte ses exigences en matière de performance et d’équité, la gestion de pipelines de déploiement complexes, et le maintien de l’explicabilité. La documentation doit clairement délimiter la manière dont les composants partagés affectent les sorties de chaque tâche et la façon dont les mises à jour se propagent d’une tâche à l’autre.
Une IA de support client mondial utilise une modélisation conjointe pour la classification (« catégorie du problème ») et l’analyse des sentiments. Lors du réentraînement, l’équipe évalue séparément l’équité et la précision pour les deux tâches, consigne les métriques de chaque tâche et examine tout impact croisé (par exemple, des biais de sentiment affectant la classification). La gouvernance garantit que les améliorations apportées à une tâche ne dégradent pas l’autre.
