À l'heure actuelle, l'intelligence artificielle (IA) fait partie de nombreuses activités quotidiennes que nous menons. En fait, 84 % des personnes dans le monde utilisent aujourd'hui un appareil ou un service compatible avec l'IA. Alors que de plus en plus de personnes partagent leurs données pour être exploitées par ces systèmes, la confiance devient la pierre angulaire des interactions avec les organisations. Cette confiance se manifeste lorsque les appareils ou services utilisés font ce que nous attendons d'eux, de la même manière que nous avons appris à croire qu'une application bancaire effectuera des transactions exactes.
Cependant, la manière dont les entreprises utilisent nos données ou l'IA pour nous fournir de multiples avantages peut varier, tout comme les risques associés. Toutes les données ne sont pas gérées de la même manière, et toutes les technologies d'IA n'ont pas le même processus de création. Dans ce contexte, la régulation est essentielle.
Réguler la gestion de l'information dans l'économie des données
Si les données sont comme le pétrole, nous pourrions dire qu'une fois raffinées, vous obtenez de l'essence AI. C'est cette combinaison qui peut apporter de la valeur aux particuliers et aux entreprises dans l'économie des données. Cependant, il y a un élément clé qui n'a pas encore été traité de manière significative dans les cadres réglementaires : les différents risques que les modèles commerciaux basés sur les données font peser sur les individus.
Chez IBM , nous pensons qu'il existe deux catégories distinctes de modèles commerciaux basés sur les données :
Celles à haut risque , qui utilisent les données des personnes comme source de revenus (monétisation des données externes). Dans ce modèle, les gens comprennent mal comment leurs données sont consultées, utilisées dans l'économie des données ou le niveau de risque qu'ils prennent en les fournissant.
Ceux à faible risque , qui utilisent les données pour améliorer des opérations, des produits ou des services (monétisation interne des données ou valorisation des données). En général, les gens peuvent espérer que leurs données ne sortent pas de cette relation ou ils peuvent voter avec leur portefeuille s'ils ne sont pas satisfaits.
Cette distinction nous permettra de rechercher une régulation plus appropriée avec un meilleur équilibre. Par exemple, vous pouvez ajuster la charge réglementaire pour qu'elle soit proportionnelle aux risques des modèles commerciaux basés sur les données, augmenter la transparence de la revente de données, exiger des acheteurs qu'ils vérifient que les données ont été traitées de manière légale et transparente, entre autres obligations.
Réglementer finement les technologies d'IA
Du point de vue de l'intelligence artificielle, chez IBM , nous pensons que ces systèmes doivent donner la priorité à la vie privée des individus et aux droits des personnes concernées. C'est pourquoi nous avons appelé le monde entier à une réglementation précise de l'IA, afin d'établir des contrôles et des politiques plus stricts sur les utilisations finales de la technologie, là où le risque de préjudice pour la société est le plus élevé.
Dans ce sens, il est essentiel que la réglementation de l'IA prenne en compte trois principes : premièrement, que le but de l'IA est d'améliorer l'intelligence humaine, et non de la remplacer ; deuxièmement, que les données et connaissances générées appartiennent à leur créateur ; et troisièmement, que les nouvelles technologies puissantes comme l'IA doivent être transparentes, explicables et atténuer les préjugés nuisibles et inappropriés .
Notre appel à l'action est clair : il est essentiel d'instaurer la confiance sans étouffer l'innovation, tout en préservant les cas d'utilisation problématiques afin qu'un changement ou un correctif soit en cours. D'autres aspects pour guider la réglementation autour de l'intelligence artificielle sont :
-Exigez la transparence . Les organisations doivent savoir quand, où et comment elles utilisent l'IA et les données. Par exemple, si une personne parle à un assistant virtuel IA, elle doit être informée qu'elle parle à l'IA et non à une personne en direct.
-Proposer différentes règles pour différents cas d'utilisation. Les politiques doivent refléter les distinctions entre les applications à haut risque et celles à faible risque. Par exemple, les risques posés par un assistant virtuel ne sont pas les mêmes que ceux d'un véhicule autonome.
Les façons dont les organisations utilisent les données sur les personnes et l'IA évoluent continuellement. Il ne s'agit pas de mettre en œuvre prématurément de nouvelles règles de protection des données ou d'interdire la technologie, car les deux sont des axes d'innovation transversaux. Il s'agit de collaborer pour faire face aux risques de la monétisation des données, promouvoir l'avancement responsable de la technologie et repousser les limites de l'innovation en mettant en commun nos ressources et notre expertise pour améliorer notre bien-être collectif et individuel.
Chez IBM, nous sommes optimistes. Nous pensons qu'en appliquant la science et l'innovation aux problèmes du monde réel, nous pouvons créer un avenir meilleur, plus durable, équitable et sûr.
Continuer à lire: