← Derniers articles
🤖 AI

High-Risk AI Systems and the Problem of Identity in the European AI Act

La présente étude soutient que la dépendance du Règlement européen sur l'intelligence artificielle à l'égard de jugements d'identité ambigus pour les systèmes d'intelligence artificielle à haut risque peut être résolue par l'application du cadre « fonction+ », qui individualise les systèmes au moyen de leur fonction prévue et de leurs profils de fiabilité afin d'établir une norme vérifiable et opérationnelle pour l'identité synchronique dans les contextes réglementaires et de gouvernance.

Auteurs originaux : Andrea Ferrario

Publié 2026-05-26
📖 7 min de lecture🧠 Analyse approfondie

Auteurs originaux : Andrea Ferrario

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Grand Problème : Quand un Robot Devient-il un « Nouveau » Robot ?

Imaginez que vous achetez un robot très intelligent et à haut risque pour aider à gérer un hôpital ou un poste-frontière. L'Union européenne a une nouvelle loi (la Loi sur l'IA) qui stipule que ces robots doivent être vérifiés et certifiés avant de pouvoir travailler.

Mais voici la partie délicate : Les robots changent. Ils reçoivent des mises à jour logicielles, ils apprennent à partir de nouvelles données, et parfois leurs paramètres sont ajustés.

La loi pose une question difficile : Est-ce toujours le même robot, ou est-ce un nouveau ?

  • S'il s'agit du même robot, vous n'avez pas besoin de payer un nouvel examen coûteux.
  • S'il s'agit d'un nouveau robot, vous devez vous arrêter, repartir de zéro et obtenir un tout nouveau certificat.

Le document soutient que la loi actuelle est un peu vague sur la manière de répondre à cette question. L'auteure, Andrea Ferrario, suggère une nouvelle façon d'y réfléchir en utilisant une « recette » pour l'identité.


La Solution : La Recette « Fonction+ »

Pour résoudre ce problème, l'auteure utilise une idée philosophique appelée Fonction+. Pensez-y comme à la définition d'une Voiture.

  1. Fonction Technologique (Le Moteur) : À quoi la machine est-elle construite pour servir ? (Par exemple : « Transporter des personnes d'un point A à un point B »).
  2. Le Contexte (Le « Plus ») : Comment est-elle censée se comporter dans le monde réel ? (Par exemple : « Elle ne doit pas avoir d'accident, elle doit être équitable envers tous les passagers, et elle doit être transparente sur la raison pour laquelle elle a tourné à gauche »).
  3. Le Score de Confiance (Le Niveau) : Fait-elle réellement du bon travail en ce moment ? (Par exemple : « Elle est sûre à 95 % et équitable à 90 % »).

Le document indique qu'un système d'IA n'est « le même » que si son Moteur, ses Règles et son Score de Confiance restent cohérents.


Deux Histoires de la Vie Réelle du Document

L'auteure utilise deux histoires pour montrer pourquoi cela compte :

Histoire 1 : Le Robot de Triage Hospitalier (Voyage dans le Temps)

Un hôpital utilise une IA pour décider quels patients ont besoin de soins d'urgence en premier.

  • Le Changement : Un nouveau virus frappe. L'hôpital met à jour l'IA pour mieux gérer les patients âgés et ajoute une fonctionnalité qui explique pourquoi elle a pris une décision.
  • Le Conflit : Le médecin dit : « C'est le même robot, juste mis à jour. » L'entreprise d'IA dit : « C'est le même robot. » Mais les infirmières disent : « Non ! Il pense différemment maintenant. C'est un robot différent ! »
  • Le Point de Vue du Document : Si le « Score de Confiance » de l'IA (la qualité de ses explications et son équité envers les patients) baisse ou si ses règles fondamentales changent, c'est légalement un nouveau robot. Il a besoin d'un nouveau certificat. Si la loi n'a pas de moyen clair de mesurer cela, personne ne sait qui est responsable si le robot fait une erreur.

Histoire 2 : Le Scanner Facial de l'Aéroport (Le Paradoxe des Jumeaux)

Deux aéroports veulent acheter des robots de scan facial à la même entreprise.

  • Le Contexte : L'aéroport A reçoit le « Robot X » (super rapide, cher). L'aéroport B reçoit le « Robot Y » (légèrement plus lent, moins cher). Ils se ressemblent et font le même travail.
  • Le Conflit : L'entreprise dit : « Le Robot X est meilleur car il est plus rapide. C'est un produit différent, donc vous devez payer plus. » Les responsables de l'aéroport disent : « Non, ils font exactement le même travail. Vous nous facturez juste un supplément pour une vitesse dont nous n'avons pas besoin. »
  • Le Point de Vue du Document : La loi actuelle n'a pas de test clair pour dire : « Ces deux robots sont-ils les mêmes ? » L'auteure suggère que nous devrions vérifier : Ont-ils le même Score de Confiance ? S'ils sont également sûrs et équitables, ils devraient être traités comme le même robot aux yeux de la loi, indépendamment de légères différences de vitesse.

Les Deux Revendications Principales de l'Auteure

Revendication 1 : La Loi Possède Déjà une « Machine à Remonter le Temps » (Identité Diachronique)
Le document affirme que la Loi sur l'IA de l'UE possède un moyen de gérer les changements dans le temps, mais il est caché dans les règles.

  • La Règle : Si vous modifiez le robot au point de briser les règles ou de changer son travail, c'est une « Modification Substantielle ».
  • La Solution : L'auteure suggère d'utiliser la recette Fonction+ pour clarifier cela. Nous devons noter exactement quel était le « Score de Confiance » du robot au départ, et si ce score baisse trop plus tard, nous savons qu'il s'agit d'un nouveau robot.

Revendication 2 : La Loi Oublie un « Miroir » (Identité Synchronique)
Le document indique que la loi est silencieuse sur la manière de comparer deux robots au même moment.

  • Le Vide : Si l'aéroport A et l'aéroport B ont deux robots différents, la loi ne fournit pas de liste de contrôle pour dire : « Sont-ils légalement les mêmes ? »
  • La Solution : L'auteure propose un simple Organigramme d'Audit (comme une liste de contrôle pour un agent de sécurité) :
    1. Ont-ils la même Description de Poste ? (Finalité prévue)
    2. Ont-ils le même Règlement ? (Profil de fiabilité)
    3. Ont-ils le même Bulletin de Notes en ce moment ? (Niveau de fiabilité)
    • Si OUI pour les trois : Ce sont le même robot.
    • Si NON à l'un quelconque : Ce sont des robots différents.

Les Recommandations : Comment Réparer Cela

L'auteure suggère deux étapes pratiques pour rendre cela fonctionnel dans le monde réel :

  1. Être Spécifique sur le Travail : Ne dites pas simplement « Cette IA aide les médecins ». Dites « Cette IA aide les médecins à trier les patients par urgence, mais elle n'est pas autorisée à diagnostiquer le cancer ». Cela empêche l'IA de prétendre être quelque chose qu'elle n'est pas.
  2. Standardiser le Bulletin de Notes : Au lieu que chaque entreprise invente sa propre façon de mesurer la « sécurité » ou l'« équité », nous avons besoin d'un modèle standard. Imaginez si chaque voiture devait afficher une « Note Étoilée de Sécurité » (comme 5 étoiles) calculée exactement de la même manière. Si la note d'une IA passe de 5 étoiles à 3 étoiles, nous savons qu'il est temps pour un nouvel examen.

Résumé

Le document soutient que pour réglementer l'IA équitablement, nous devons cesser de deviner si un robot est « le même » ou « nouveau ». Nous avons besoin d'une façon claire et mathématique de mesurer son objectif, ses règles et ses performances. Si ceux-ci changent, la loi devrait le traiter comme un nouveau robot. Cela facilite la détermination de qui est responsable lorsque les choses tournent mal et empêche les entreprises de facturer un supplément pour des robots qui sont essentiellement les mêmes.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →