Titre :
|
Lorsque le machine learning déraille : un guide pour gérer les risques (2021)
|
Auteurs :
|
Boris Babic, Auteur ;
I. Glenn Cohen, Auteur ;
Theodoros Evgeniou, Auteur ;
Sara Gerke, Auteur
|
Type de document :
|
Article : texte imprimé
|
Dans :
|
Harvard Business Review (N°45, Juin-Juillet 2021)
|
Article en page(s) :
|
p. 107-114
|
Langues:
|
Français
|
Sujets :
|
Social
Algorithme
;
Gestion des risques
;
Innovation
;
Intelligence artificielle
;
Prise de décision
;
Relation homme-machine
|
Résumé :
|
"Que se passe-t-il lorsque le machine learning, ces algorithmes qui permettent à des programmes informatiques d’absorber de nouvelles informations et de modifier ensuite leur processus décisionnel, entraine des pertes financières, des décisions biaisées de recrutement ou de prêt, encore des accidents de la route ? Les entreprises devraient-elles laisser leurs produits et services intelligents évoluer de manière autonome, ou en "verrouiller" les algorithmes et les actualiser régulièrement ? Si elles choisissent la seconde option, quand et à quelle fréquence ces mises à jour devraient-elles avoir lieu ? Et comment les entreprises devraient-elles évaluer et atténuer les risques associés à ces choix ?" (Extrait de l'article)
|