Une approche structurée ou un ensemble de directives qu'organisations utilisent pour mettre en œuvre, mesurer et régir les pratiques d'explicabilité au sein de leurs systèmes d'IA.
Un programme formalisé — comprenant souvent des documents de politique, des normes techniques et des flux de travail de processus — qui prescrit quand et comment appliquer les techniques d’explicabilité, définit les formats d’explication requis (par ex., textuel, visuel), attribue les rôles (responsables des explications, auditeurs) et établit des points de contrôle (revue de conception, validation avant déploiement, audits périodiques). Il garantit un déploiement XAI cohérent et auditable, aligné sur le niveau de risque de l’organisation et les exigences réglementaires.
Un prestataire de soins de santé adopte un cadre XAI qui impose : (1) que tous les modèles diagnostiques incluent des explications locales pour chaque prédiction ; (2) que la fidélité des explications dépasse 90 % selon une mesure fondée sur l’accord avec les influences réelles des caractéristiques ; et (3) que des audits XAI trimestriels vérifient que les explications demeurent exactes après le réentraînement des modèles.
