Normes de l’IA : Quand l’innovation prend le pas sur la sécurité

A pair of hands supporting a small figure to represent care and support for marginalized groups.

Façonner les normes de l’IA pour protéger les plus vulnérables des États-Unis

Les récentes politiques de l’administration Trump ont perturbé la vie de nombreux groupes aux États-Unis, mais une industrie trouve son équilibre : l’industrie technologique. Des dirigeants de Big Tech se sont retrouvés au premier plan lors de l’inauguration, tandis que des décrets exécutifs ont cherché à accélérer l’adoption de l’intelligence artificielle. L’annonce du 3 juin par le secrétaire au Commerce, Howard Lutnick, de réformer l’Institut national des normes et de la technologie (NIST) en un Centre américain pour les normes et l’innovation en IA (CAISI) en est un exemple.

Les nouvelles missions du CAISI

Le but du CAISI est de renforcer la capacité du Commerce à comprendre les capacités de l’IA et à identifier les menaces et vulnérabilités, qu’elles soient nationales ou étrangères. Avec cette nouvelle marque, le CAISI met l’accent sur la sécurité nationale et la compétitivité américaine, en centrant la recherche sur l’évaluation des capacités américaines en matière d’IA par rapport à nos concurrents internationaux.

Contrairement à son prédécesseur, le USAISI, qui cherchait à promouvoir la safety science de l’IA à travers une collaboration multipartite, le CAISI devient le « point de contact principal de l’industrie ». La tension entre les intérêts de l’industrie et ceux de la société civile est palpable, car il devient de plus en plus difficile d’intégrer les préoccupations de la société civile dans les résultats de NIST.

Les préoccupations de biais et de discrimination

La nécessité d’aborder les problèmes de biais et de discrimination a été soulevée dès le début. Lors d’un atelier public en novembre 2023, il a été demandé que ces préoccupations soient traitées dans tous les groupes de travail, mais cela n’a pas été fait. La transformation du groupe de travail Société et Technologie en un groupe de Sécurité et Safety illustre la lutte entre les efforts de sécurité de l’IA et les besoins de la société.

Cette transformation signale un changement de priorités dans la recherche sur l’IA, où l’accent est mis sur l’innovation, laissant de côté des recherches bien documentées sur les dommages causés par l’IA.

Collaboration internationale et vulnérabilités

À une époque où la collaboration internationale était essentielle pour avancer la science de la sécurité de l’IA, le CAISI semble maintenant s’opposer à cette idée. Le centre se concentre sur la domination américaine des normes internationales, sans s’intéresser à la collaboration ou à la capture des voix internationales.

Les agendas de recherche des pays sont désormais gardés, axés sur les menaces qui pèsent sur la sécurité nationale, tandis que les problèmes de biais et de discrimination sont relégués au second plan. Cela détourne l’attention des recherches fondamentales nécessaires pour protéger les populations vulnérables.

Conséquences pour l’avenir de l’IA

Le changement du USAISI est révélateur des priorités industrielles et de sécurité nationale qui domineront la politique américaine en matière d’IA dans les années à venir. À une époque où une collaboration multidisciplinaire pourrait faire progresser notre compréhension de l’IA, les gouvernements et les entreprises technologiques semblent unis dans une quête de pouvoir, au détriment des préoccupations sociétales.

Un bon gouvernement démocratique est celui où plusieurs parties prenantes ont du pouvoir et sont entendues, y compris le gouvernement, l’industrie, le monde académique, la société civile et le public. Actuellement, l’avenir de la science et de la responsabilité en matière d’IA est en jeu, tandis que l’industrie prend la place qui lui revient.

Articles

Renforcer la sécurité des LLM : l’alignement responsable de l’IA

Ce document traite de l'alignement responsable de l'IA dans le développement de phi-3, mettant l'accent sur les principes de sécurité adoptés par Microsoft. Des méthodes de test et des ensembles de...

Contrôle des données dans l’ère des clouds IA souverains

Les nuages d'IA souverains offrent à la fois contrôle et conformité, répondant aux préoccupations croissantes concernant la résidence des données et le risque réglementaire. Dans un environnement où...

L’Alliance Écossaise de l’IA : Vers une Intelligence Artificielle Éthique

L'Alliance écossaise de l'IA a publié son rapport d'impact 2024/2025, révélant une année de progrès significatifs dans la promotion d'une intelligence artificielle éthique et inclusive en Écosse. Le...

UE AI Act : Préparez-vous au changement inévitable

L'annonce de la Commission européenne vendredi dernier selon laquelle il n'y aura pas de retard concernant la loi sur l'IA de l'UE a suscité des réactions passionnées des deux côtés. Il est temps de...

Fiabilité des modèles linguistiques : un défi à relever avec la loi sur l’IA de l’UE

Les modèles de langage de grande taille (LLM) ont considérablement amélioré la capacité des machines à comprendre et à traiter des séquences de texte complexes. Cependant, leur déploiement croissant...

Pause ou avancée : l’avenir de la réglementation de l’IA en Europe

Le Conseil européen a maintenu le calendrier de l'Acte sur l'IA malgré les pressions, affirmant qu'il n'y aura pas de pause dans sa mise en œuvre. Le Premier ministre suédois a appelé à un...

Nouvelles restrictions sur l’IA : impacts et opportunités

L'administration Trump prépare de nouvelles restrictions sur les exportations de puces AI vers la Malaisie et la Thaïlande pour empêcher que des processeurs avancés n'atteignent la Chine via des pays...

Gouvernance de l’IA : Garantir l’éthique et la transparence dans les entreprises modernes

La gouvernance de l'IA et la gouvernance des données sont essentielles pour garantir le développement de solutions d'IA éthiques et fiables. Ces cadres de gouvernance sont interconnectés et vitaux...

LLMOps : Optimisez l’IA Responsable à Grande Échelle avec Python

Dans un paysage hyper-compétitif, déployer des modèles de langage de grande taille (LLM) n'est pas suffisant ; il faut un cadre LLMOps robuste pour garantir la fiabilité et la conformité. Python, avec...