Dernière mise à jour :
Les activités d'évaluation (par exemple, les tests sur des données de réserve, les scénarios de stress) qui confirment qu'un modèle d'IA répond à sa destination et à ses critères de performance.
Un ensemble de vérifications préalables au déploiement comprenant : le back-testing sur des données non observées, le stress-testing dans des conditions extrêmes ou de confrontation, des évaluations d'équité et de calibrage, ainsi que des analyses de sensibilité. Les rapports de validation documentent les méthodologies, les résultats et les éventuelles limites. La gouvernance exige des validateurs indépendants, des critères de validation clairs et une approbation formelle avant le déploiement en production.
Exemple concret :
Un modèle d'évaluation du score de crédit fait l'objet d'une validation par une équipe indépendante : celle-ci le teste sur un ensemble de données exclues de deux mois, simule des scénarios de ralentissement économique, évalue l'impartialité selon les tranches de revenus et certifie que les indicateurs de performance et d'équité respectent les seuils de la politique de la banque avant d'autoriser sa mise en production.
