Qu'est-ce que l'« Intelligence Artificielle » selon l'AI Act ?
Consultez ici le document complet.
Définition d'un système d'IA selon l'AI Act
L'AI Act définit un système d'IA comme un système basé sur une machine conçu pour fonctionner « avec des niveaux d'autonomie variables » et qui, une fois déployé, peut faire preuve d'« adaptabilité ». Le système d'IA a des objectifs explicites ou implicites et, en fonction des données qu'il reçoit, peut générer des résultats tels que des prédictions, du contenu, des recommandations ou des décisions susceptibles d'affecter les environnements physiques ou virtuels.
Principaux éléments de la définition
La définition d'un système d'IA se compose de sept éléments principaux :
- Système basé sur les machines : Les systèmes d'IA sont développés et exécutés sur des machines, y compris des composants matériels et logiciels.
- Autonomie : Les systèmes d'IA sont conçus pour fonctionner dans une certaine mesure sans intervention humaine.
- Adaptabilité : Les systèmes d'IA peuvent avoir des capacités d'auto-apprentissage, ce qui peut modifier leur comportement pendant l'utilisation.
- Objectifs du système d'IA : Ils peuvent être explicites ou implicites et faire référence aux objectifs que le système doit atteindre.
- Capacité d'inférence à générer des résultats : Les systèmes d'IA doivent être capables de générer des résultats tels que des prédictions, du contenu, des recommandations ou des décisions en fonction des entrées qu'ils reçoivent.
- Les sorties peuvent affecter des environnements physiques ou virtuels : les sorties des systèmes d'IA peuvent affecter à la fois des objets physiques et des environnements virtuels.
- Interaction avec l'environnement : les systèmes d'IA ne sont pas passifs, mais ont une influence active sur les environnements dans lesquels ils sont déployés.
Technologies considérées comme de l'IA
La Loi sur l'IA reconnaît plusieurs technologies qui sont considérées comme de l'IA, notamment :
- Machine learning : y compris l'apprentissage supervisé, l'apprentissage non supervisé, l'apprentissage auto-supervisé et l'apprentissage par renforcement.
- Deep Learning : sous-ensemble de l'apprentissage automatique qui utilise des architectures en couches (réseaux neuronaux).
- Logique et approches basées sur les connaissances : ces systèmes apprennent à partir des connaissances, y compris des règles, des faits et des relations codés par des experts humains. Également connu sous le nom de « systèmes experts ».
Technologies qui ne sont pas considérées comme de l'IA
Certains systèmes ne sont pas définis comme un système d'IA dans la loi sur l'IA, tels que :
- Systèmes d'amélioration de l'optimisation mathématique : ces systèmes améliorent l'efficacité des algorithmes d'optimisation.
- Systèmes de traitement de données de base : systèmes qui effectuent des tâches basées sur des entrées manuelles ou des règles, sans aucune forme d'apprentissage, de raisonnement ou de modélisation.
- Méthode heuristique classique : ces systèmes utilisent des méthodes basées sur l'expérience pour trouver des solutions sans avoir à apprendre des données.
- Systèmes de prévision simples : systèmes qui fonctionnent sur la base de modèles statistiques, tels que la prédiction de la température moyenne de la semaine écoulée.
Vous souhaitez en savoir plus sur la loi sur l'IA et d'autres aspects (juridiques) de l'IA ? Agoria organise une Masterclass « AI Legal » le 26 mars 2025 pour expliquer plus en détail les obligations découlant de la loi sur l'IA. Inscrivez-vous ici !