Dernière mise à jour :
Le processus systématique d'évaluation des modèles d'IA par rapport à des critères de référence, des cas limites et des conditions de stress, afin de garantir qu'ils répondent aux exigences de performance, de sécurité et de conformité.
Englobe les tests unitaires pour les composants individuels, les tests d'intégration pour les pipelines de données, les tests de régression par rapport aux données historiques, les scénarios de cas limites (événements contradictoires ou rares), ainsi que les tests de stress sur l'évolutivité et la sécurité. La validation comprend des mesures de performance statistique, des audits d'équité et des contrôles de conformité. La gouvernance garantit qu'aucun modèle ne soit mis en production sans avoir franchi une liste de contrôle complète de test et de validation approuvée par des examinateurs indépendants.
Exemple concret :
La suite d'essais d'un modèle de risque de crédit comprend : une validation croisée sur des données de prêts récentes ; des tests de résistance simulant des scénarios de ralentissement économique ; des tests de partialité sur différents groupes de revenus et démographiques ; ainsi que des tests de charge de l'API. Le modèle ne reçoit l'approbation finale pour son déploiement qu'après avoir franchi avec succès toutes ces étapes.
