Dernière mise à jour :
Actions planifiées (par exemple, correction des biais, réentraînement, réingénierie des caractéristiques) afin de remédier aux risques liés à l'IA et aux écarts de conformité identifiés.
Un catalogue d'interventions associées aux types de risques : déclencheurs de dérive des données → pipelines de réentraînement ; violations d'équité → algorithmes d'atténuation des biais ; menaces de sécurité → couches d'assainissement des entrées ; dégradation des performances → ajustement de l'architecture. La gouvernance implique de sélectionner les stratégies appropriées, d'en documenter la mise en œuvre et de vérifier leur efficacité par des évaluations et des tests de suivi.
Exemple concret :
Après qu'un audit sur les biais a révélé que les approbations de prêts favorisaient un groupe démographique spécifique, l'équipe applique un repondérage des données d'entraînement et ajoute des contraintes d'équité. Elle procède ensuite à des tests post-atténuation afin de confirmer que les taux d'approbation respectent désormais les seuils d'équité définis par la banque.
