re-ai-gov Sur la liste d'attente

Responsible AI Governance

Comment le scan passe de la collecte des données à la vue d'ensemble

La page d'accueil pose le problème : la liste de l'IT ne correspond pas à ce qui est réellement utilisé, et sans vue d'ensemble complète, tout effort de gouvernance repose sur une lacune. Cette page montre comment le scan construit cette vue d'ensemble, étape par étape, et ce que cela requiert de vous. Pour en savoir plus sur la structure et la portée du scan, consultez Ce que c'est ; pour savoir ce que le scan livre concrètement, consultez Résultats.

Étape 1 : Collecte des données

Le scan commence par un outil de collecte des données qui s'adresse aux services et aux collaborateurs, pas uniquement à l'IT. C'est délibéré : l'IA fantôme se révèle par les personnes qui l'utilisent, pas par un registre central qui, par définition, n'est jamais complet. La collecte peut être répartie entre plusieurs personnes. Un coordinateur central lance la collecte, les chefs de service ou les collaborateurs individuels remplissent leur propre partie, et les réponses se rassemblent dans une vue d'ensemble unique. Ce que vous fournissez, c'est de la connaissance : quels outils sont utilisés, à quelles fins, avec quelles données, et à l'initiative de qui. Pas de documentation technique, pas de qualification juridique préalable. Le temps est surtout consacré à la collecte des réponses au sein de l'organisation, pas au remplissage lui-même ; plus il y a de services, plus cela demande de cycles.

Étape 2 : Inventaire et classification

Les réponses issues de la collecte sont complétées par une recherche documentaire guidée : une recherche structurée des applications qui n'ont jamais été formellement déclarées mais qui laissent des traces, comme des extensions de navigateur, des connexions API ou des abonnements isolés. Tout ce qui émerge est classé à l'aide des jeux de données aiacta : quel rôle une organisation joue-t-elle dans une application, fournisseur ou utilisateur, et quel niveau de risque y correspond selon l'AI Act. Il s'agit d'un travail automatisé basé sur des jeux de données établis, pas d'une interprétation par un consultant. C'est aussi pourquoi le résultat reste explicable : chaque classification peut être retracée jusqu'à la règle et au jeu de données sur lesquels elle repose, pas jusqu'à une appréciation individuelle impossible à reproduire. Qui est impliqué : la personne qui gère la collecte, et les personnes appelées à vérifier une réponse lorsqu'une classification suscite un doute.

Étape 3 : Rapport d'écarts et d'obligations

De la classification découle une chronologie : ce qui, selon les règles, doit déjà être en ordre maintenant, et ce qui peut attendre. Ce rapport ne se limite pas à établir un état des lieux, il met aussi en lumière les manques en matière d'accountability, de contrôle humain ou de surveillance pour les applications déjà en usage. L'ordre des priorités importe ici plus qu'une échéance : d'abord rendre visible ce qui se passe, ensuite seulement déterminer ce qui est urgent. Le rapport se présente sous une forme lisible à la fois en détail, par application, et de manière synthétique, par catégorie de risque. Qui y consacre du temps : surtout la personne qui a coordonné les étapes précédentes, afin de confronter le résultat à ce qui est connu dans l'organisation.

Étape 4 : Modèles, rapport au conseil d'administration et abonnement

La dernière étape livre un cadre de gouvernance sous forme d'un ensemble de modèles, conçus pour s'insérer dans la structure de risque déjà en place. Pas un second processus à côté du premier, mais un complément à ce qui manque dans la structure existante. Il y a également un rapport au conseil d'administration d'une page : une synthèse adaptée à une table de conseil, sans la liste détaillée sous-jacente. Ce qu'apporte une répétition ultérieure se trouve dans l'abonnement horizon-scanner : un scan récurrent qui montre ce qui s'est ajouté, ce qui a changé de classification de risque, et où la chronologie doit être ajustée. L'IA fantôme n'est pas statique ; un scan ponctuel est une photo, l'abonnement en fait une série. Qui est impliqué : celui qui devient propriétaire du modèle au sein de l'organisation, et la personne qui transmet le rapport au conseil d'administration.

Ce que le scan n'est pas

Le scan n'est pas un outil de conformité à l'AI Act pour le registre, la classification et la maîtrise ; pour ce champ complet, aiacta.eu est la maison, et cette frontière ne bouge pas. Le scan structure ce qui existe, il ne prouve pas un bilan : il n'y a pas de missions réalisées auxquelles se référer, seulement une méthode qui s'appuie sur des jeux de données. Et les modèles sont conçus pour s'insérer dans la structure existante, pas pour faire naître un nouveau processus à côté.

Trois voies après le rapport

Ce qui se passe après le rapport est un choix. Qui continue seul garde le registre, les modèles et la chronologie en main, avec une maîtrise construite via les sessions aiacta. Qui préfère déléguer une partie fait appel à un partenaire pour la conception de la surveillance et son intégration dans la structure de risque existante. Qui souhaite externaliser l'ensemble du parcours de gouvernance le fait auprès d'un partenaire, avec le scan comme dossier sur lequel s'appuyer. Pour en savoir plus sur ces choix, consultez la base de connaissances.

État de l'outil

Le scan tel que décrit ici n'est pas encore construit ; le bouton sur ce site est en mode liste d'attente. Qui s'inscrit sera informé dès que la première version sera disponible.

Rendre visible l'usage de l'IA n'est qu'une face de l'histoire ; l'autre face est ce que cela signifie pour les tâches, les heures et les systèmes de l'organisation. Qui veut chiffrer cela trouve, avec le scan de travail de [FTE TO AI](https://ftetoai.com), la suite de cet aperçu.

Andrewde assistent van de Responsible AI Scan

Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.

Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.