« Explicabilité » : différence entre les versions

Dernière version du 11 octobre 2024 à 08:32

Définition

D'un point de vue d'ingénierie, caractère de ce qui est explicable. Un algorithme est explicable s’il est possible de rendre compte de ses résultats explicitement à partir des données et attributs d'une situation. Autrement dit, s’il est possible de mettre en relation les données d’une situation et leurs conséquences sur les résultats de l'algorithme (causalité).

D'un point de vue d'IA responsable, l'explicabilité est associée à la notion d'explication en tant qu'interface entre les humains et un décideur qui est, en même temps, une représentation exacte du décideur et compréhensible pour des êtres humains.

Compléments

En cherchant à expliquer selon une approche causale, c'est à dire des causes vers les effets, l'explicabilité va plus loin que l'interprétabilité.

Les notions d'interprétabilité et d'explicabilité sont particulièrement importantes dans les cas où les algorithmes prennent des décisions qui impliquent des êtres humains dans des domaines comme la médecine, le droit et la finance.

Français

explicabilité

Anglais

explicability

Sources

Source: Villani, Cédric (2018). Donner un sens à l'intelligence artificielle pour une stratégie nationale et européenne, Paris, Collège de France, 235 pages.

Source: Le Devoir, Thales : L'importance d'instaurer la confiance en l'IA.

Source: TERMIUM Plus

Source : Université de Toulouse

Source : arviX

Source: Termino

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-L’explicabilité désigne la propriété d’un algorithme dont les règles opératoires peuvent être comprises par les spécialistes. En intelligence artificielle, on l'oppose au concept de « boîte noire » qui qualifie souvent les algorithmes dont le comportement ne peut pas être compris par les humains.
+D'un point de vue d'ingénierie, caractère de ce qui est explicable. Un algorithme est explicable s’il est possible de rendre compte de ses résultats explicitement à partir des données et attributs d'une situation. Autrement dit, s’il est possible de mettre en relation les données d’une situation et leurs conséquences sur les résultats de l'algorithme ([[Causalité|causalité]]).
-Un algorithme est explicable s’il est possible de rendre compte de ses résultats explicitement à partir des données et attributs d'une situation. Autrement dit, s’il est possible de mettre en relation les données d’une situation et leurs conséquences sur les résultats de l'algorithme ([https://datafranca.org/wiki/Causalit%C3%A9 causalité]).
+D'un point de vue d'IA responsable, l'explicabilité est associée à la notion d'explication en tant qu'interface entre les humains et un décideur qui est, en même temps, une représentation exacte du décideur et compréhensible pour des êtres humains.
 ==Compléments==
-Attention! En cherchant à expliquer selon une approche causales, c'est à dire des causes vers les effets, l'explicabilité va beaucoup plus loin que la simple [https://datafranca.org/wiki/Interpr%C3%A9tabilit%C3%A9 interprétabilité.]
+En cherchant à expliquer selon une [[Causalité|approche causale]], c'est à dire des causes vers les effets, l'explicabilité va plus loin que l'[[interprétabilité]].
+<hr/>
+Les notions d'interprétabilité et d'explicabilité sont particulièrement importantes dans les cas où les algorithmes prennent des décisions qui impliquent des êtres humains dans des domaines comme la médecine, le droit et la finance.
 ==Français==
@@ Ligne 13 : / Ligne 17 : @@
 '''explicability'''
-<small>
+==Sources==
 Source: Villani, Cédric (2018). ''Donner un sens à l'intelligence artificielle pour une stratégie nationale et européenne'', Paris, Collège de France, 235 pages.
-[https://www.ledevoir.com/contenu-commandite/548472/thales-l-importance-d-instaurer-la-confiance-en-l-ia  Source: Le Devoir, ''Thales : L'importance d'instaurer la confiance en l'IA''.]
+[https://www.ledevoir.com/contenu-commandite/548472/thales-l-importance-d-instaurer-la-confiance-en-l-ia Source: Le Devoir, ''Thales : L'importance d'instaurer la confiance en l'IA''.]
 [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=Explicabilit%C3%A9&index=frt&codom2nd_wet=1#resultrecs Source: TERMIUM Plus]
+[https://perso.math.univ-toulouse.fr/mllaw/home/statisticien/explicabilite-des-decisions-algorithmiques/ Source : Université de Toulouse]
+[https://arxiv.org/pdf/1910.10045.pdf Source : arviX]
 [[Utilisateur:Patrickdrouin  | Source: Termino]]
-</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
+</small><br> {{Modèle:101}}<br>
-<br></div><br><br>
-[[Category:Termino 2019]]
 [[Category:GRAND LEXIQUE FRANÇAIS]]
 [[Catégorie:101]]
-[[Catégorie:PUBLICATION]]

« Explicabilité » : différence entre les versions