“Dans cette phase, diverses techniques de modélisation sont sélectionnées et appliquées et leurs paramètres sont calibrés à des valeurs optimales. Généralement, plusieurs techniques existent pour le même type de problème d’exploration de données. Certaines techniques ont des exigences spécifiques sur la forme des données. Par conséquent, il peut être nécessaire de revenir à la phase de préparation des données. Les étapes de modélisation comprennent la sélection de la technique de modélisation, la génération du plan de test, la création de modèles et l’évaluation des modèles.”^[1]

Description

Cette phase comporte plusieurs tâches essentielles. Globalement, le développeur doit effectuer les tâches suivantes :

• Sélectionner la technique de modélisation qui sera utilisée. Selon le type de technique, des conséquences telles que l’inférence des données, l’obscurité ou les biais sont plus ou moins susceptibles de se produire.
• Prendre une décision sur l’outil de formation à utiliser. Cela permet au développeur de mesurer la capacité du modèle à prédire l’histoire avant de l’utiliser pour prédire l’avenir. La formation implique toujours l’exécution de tests empiriques avec des données personnelles. Parfois, les développeurs testent le modèle avec des données différentes de celles utilisées pour le générer. Par conséquent, à ce stade, on peut parler de différents types d’ensembles de données. Il est parfois difficile d’identifier les personnes auxquelles se rapportent les données de formation. Cela crée des problèmes pour le respect des droits des personnes, qui doivent être traités de manière appropriée.

Principales mesures à prendre

• Mise en œuvre du principe de minimisation des données
• Détecter et effacer les biais
• Exercice des droits des personnes concernées

 

 

1. Shearer, C. (2000) ‘The CRISP-DM model : the new blueprint for data mining’, Journal of Data Warehousing 5(4) : 13-23, p. 17. Disponible à l’adresse : https://mineracaodedados.files.wordpress.com/2012/04/the-crisp-dm-model-the-new-blueprint-for-data-mining-shearer-colin.pdf (consulté le 15 mai 2020). ↑

 

Liste de contrôle : Modélisation (formation) ☐ Les responsables du traitement ont déterminé l’objectif de l’utilisation du système d’IA dès le début de sa formation ou de son déploiement, et ont procédé à une réévaluation de cette détermination si le traitement du système donnait des résultats inattendus. ☐ Les responsables du traitement ont purgé les données utilisées lors de la phase d’entraînement de toutes les informations non strictement nécessaires à l’entraînement du modèle. ☐ Les responsables du traitement ont envisagé de mettre en place des outils techniques qui pourraient bien servir à détecter les biais, comme l’Algorithmic Impact Assessment. ☐ Les responsables du traitement ont envisagé de réaliser une AIPDà ce stade. ☐ Les responsables de traitement se sont assurés qu’ils sont en mesure de répondre aux demandes des personnes concernées pour que les exceptions au droit d’accès s’appliquent. ☐ Les responsables du traitement peuvent garantir le droit de rectification des données, notamment celles générées par les inférences et les profils établis par le développement de l’IA. ☐ Lesresponsables du traitement sont en mesure de répondre aux demandes d’effacement, sauf si une exemption pertinente s’applique et à condition que la personne concernée ait des motifs appropriés.