Décryptage AI Act · Sous le capot · Réseau bayésien
Le diagramme causal, quantifié. Chaque lien reçoit un poids entre −1 et +1 et le réseau calcule l'effet total de chaque facteur sur une cible au choix, à travers toutes les chaînes du réseau et pas seulement le lien direct.
Les poids sont des jugements d'expert, pas des mesures. Ce réseau a été construit sur le texte de 2024 avec le calendrier de l'Omnibus ; le simulateur de sanction, plus récent, tient compte du texte consolidé.
Écart de probabilité de la cible selon que chaque proposition amont est forcée vraie ou fausse — tout le reste laissé à sa loi. C'est l'effet total, propagé par toutes les chaînes du réseau, pas le poids d'un arc.
Le diagramme « Mécanique causale » donne la structure : 50 concepts, 78 relations causales. Plusieurs nœuds ont cinq ou six causes directes. Chiffrer un nœud à six causes case par case demande 64 probabilités, qu'aucun expert ne peut justifier une par une.
La formule ci-dessous produit les 319 lignes de probabilités du réseau à partir d'un poids par lien et d'une probabilité de base par nœud. Chaque paramètre se lit en français, et chacun peut être discuté séparément.
b, la probabilité de base : celle de X quand aucune de ses causes n'est présente, qui absorbe tout ce que le modèle ne représente pas. · wᵢ > 0, une cause qui favorise X : seule, elle fait passer P(X) de b à b + (1−b)·wᵢ. · wⱼ < 0, une cause qui freine X : seule, elle multiplie P(X) par (1−|wⱼ|). C'est la famille dite noisy-OR (Pearl, 1988, Probabilistic Reasoning in Intelligent Systems), étendue aux effets qui réduisent un risque.
Ce que la formule ne sait pas faire. Les causes s'additionnent sans jamais interagir : pas d'effet de seuil, pas de cause qui n'agit qu'en présence d'une autre. Quand c'est important, il faut des tables écrites case par case, comme dans le réseau « Arbitrage de conformité ».
Comment lire les résultats. Les propositions se lisent « au moins une fois sur l'exercice », pas comme un taux par décision. Les probabilités de base s'accumulent le long des chaînes : ce sont les écarts entre situations qui portent l'information, pas les niveaux.
