A/78/310 56. Le tableau suivant expose les grandes lignes de chaque principe, selon le document du National Institute of Standards and Technology 49 : Principe Signification ou portée Explanation (Explication) Les éléments de preuve, les arguments ou le raisonnement relatifs à un résultat ou à un processus d’un système [d’intelligence artificielle] doivent être fournis. Meaningful (Compréhension) L’explication doit être donnée dans des termes qui permettent à la personne de la comprendre. Autrement dit, ce principe vise à rendre l’explication intelligible pour un public donné. De nombreux facteurs influencent une bonne explication, c’est pourquoi le public cible ou le public auquel l’explication s’adresse doit être pris en compte. Explanation Accuracy (Précision de l’explication) Ce principe exige que l’explication technique soit rigoureuse, précise et complète. Knowledge Limits (Limites de la connaissance) Cerner et énoncer les limites de la connaissance implique de préciser que le système n’est ni parfait ni infaillible, car [l’intelligence artificielle] fonctionne selon certaines limites et conditions dans lesquelles elle a été programmée. Elle dépend aussi, notamment, de la qualité et de la quantité des informations traitées. 57. Il a été avancé que l’explication doit : a) « être compréhensible et convaincante pour l’utilisateur » ; b) « refléter fidèlement le raisonnement du système » ; c) « être complète » ; d) « être spécifique, en ce sens que différents utilisateurs dans des circonstances diverses ou avec des résultats distincts devraient recevoir des explications différentes » 50. Il est en outre précisé que : l’explicabilité de l’intelligence artificielle est une aspiration compréhensible d’un point de vue éthique et même juridique, mais qui se heurte à des difficultés __________________ 49 50 23-15851 Le contenu du tableau est une adaptation, un résumé et une traduction du texte original en anglais, disponible sur : https://doi.org/10.6028/NIST.IR.8312. Ignacio Gavilán, « Cuatro principios para una buena explicabilidad de los algoritmos » (2022). Disponible sur : https://ignaciogavilan.com/cuatro-principios-para-una-buena-explicabilidad-delos-algoritmos/. 19/22