Le processus systématique d'évaluation des modèles d'IA par rapport à des références, des cas limites et des conditions de stress pour garantir qu'ils répondent aux critères de performance, de sécurité et de conformité.
Couvre les tests unitaires des composants individuels, les tests d’intégration des pipelines de données, les tests de régression sur des données historiques, les scénarios de cas limites (adversariaux, événements rares) et les tests de charge en matière de scalabilité et de sécurité. La validation comprend des indicateurs de performance statistique, des audits d’équité et des contrôles de conformité. La gouvernance impose qu’aucun modèle n’accède à la production sans avoir validé une checklist complète de test et de validation, approuvée par des réviseurs indépendants.
La suite de tests d’un modèle de risque de crédit comprend : une validation sur échantillon de réserve à partir de données récentes de prêts ; des tests de résistance avec des scénarios simulés de ralentissement économique ; des tests de biais entre les groupes de revenus et les groupes démographiques ; et des tests de charge d’API. Ce n’est qu’après avoir réussi l’ensemble des étapes que le modèle reçoit l’approbation finale pour son déploiement.
