Inioluwa Deborah Raji : auditer l’IA au-delà de sa précision technique
PROPOS RAPPORTÉS
Inioluwa Deborah Raji explique comment des données peu représentatives ont orienté son travail sur la reconnaissance faciale. Elle souligne que des systèmes techniquement performants peuvent néanmoins causer des dommages et compare les contraintes des audits internes et externes. Elle plaide pour une responsabilité accrue des organisations qui déploient ces outils.
Synthèse en français, sans citation littérale. Elle ne représente pas l’intégralité de la source.
Crédits et licences
Illustration générée par IA, et non photographie documentaire.
Illustration générée par IA adaptée d’une photo de Rajiinio, 2018-09-27, CC BY-SA 4.0. Adaptation sous CC BY-SA 4.0.
Modifications : Transformation en illustration cartoon semi-réaliste, cadrage tête et épaules, fond noir avec halo violet et magenta. Déclinaisons WebP pour l’affichage web, sans recadrage supplémentaire.
Ce portrait dérivé est proposé sous CC BY-SA 4.0, comme sa photographie de référence. Cette licence concerne le portrait, pas les autres contenus du site.
Une illustration éditoriale ne constitue pas un soutien ou une affiliation de la personne représentée à MIND AI THINK TANK.
Les personnes référencées ne sont pas présentées comme membres, partenaires ou soutiens de MIND AI THINK TANK. Leurs interventions sont étudiées comme sources publiques.
D’autres regards sur ces domaines
Des interventions publiques indépendantes, rapprochées par leurs thèmes.
Isaac BayohConcevoir une IA attentive aux langues et aux cultures africaines
Sara HookerSara Hooker : les données des entreprises, un enjeu d’autonomie face à l’IA
Anima AnandkumarAnima Anandkumar : construire une IA adaptée aux phénomènes physiques
Alex KarpAlex Karp : responsabilité, partage des gains et protection des données
