Observation continue du comportement du système d'IA et de l'environnement après le déploiement afin de détecter toute dégradation, dérive ou violation de conformité.
Étend la surveillance des modèles afin d’inclure des signaux de gouvernance — incidents de confidentialité, journaux de violation des politiques, tendances des indicateurs éthiques — en complément des métriques de performance et de sécurité. Les cadres de surveillance post-déploiement ingèrent une télémétrie diversifiée, exécutent des audits périodiques (p. ex., vérifications d’équité, analyses d’anomalies) et déclenchent des workflows de gouvernance lorsque des seuils sont franchis, garantissant que les actions correctives (réentraînement, retour arrière, notification juridique) soient engagées rapidement.
Le détecteur de discours haineux d’une plateforme de médias sociaux envoie dans une file de modération l’ensemble des contenus signalés comme à haut risque ou non classés par l’IA. Après le déploiement, le système surveille mensuellement les taux de faux positifs ; si le taux de faux positifs dépasse 2 %, le tableau de bord de gouvernance ouvre un ticket d’investigation pour le réentraînement du modèle et l’ajustement des règles.
