Décryptage AI Act · Sous le capot · Diagramme causal
Ni la structure du texte ni la procédure, mais ce qui cause quoi : pourquoi un déploiement d'IA en RH produit un préjudice, comment ce préjudice devient visible, et comment il se transforme en non-conformité puis en sanction.
Ce diagramme est qualitatif : il dit ce qui influence quoi, pas de combien. Il a été construit sur le texte de 2024 et mis à jour du calendrier de l'Omnibus ; il ne modélise pas l'exception des outils déjà en service.
Ce que c'est. Un diagramme causal : chaque flèche dit qu'une chose en provoque ou en favorise une autre, depuis les choix de conception d'un outil jusqu'à la sanction. Il dit ce qui influence quoi, pas de combien. C'est la structure sur laquelle sont construits les réseaux bayésiens du décryptage. Chaque lien cite sa source dans le texte.
Une boucle mise à plat. Le considérant 67 décrit un cercle vicieux : des décisions biaisées deviennent l'historique sur lequel la version suivante de l'outil est entraînée. Un réseau bayésien ne peut pas contenir de boucle. Celle-ci est donc représentée dans le temps : les effets d'une génération de l'outil mènent à un nœud final, « Amplification du biais à la génération suivante », sans flèche de retour.
Des nœuds trop chargés pour être chiffrés tels quels. « Préjudice pour la personne », « Probabilité de détection » et « Coût de mise en conformité » ont chacun cinq causes directes. Les chiffrer case par case demanderait 32 probabilités pour chacun, bien au-delà de ce qu'on peut justifier une par une. Les réseaux bayésiens du décryptage les traitent soit en ajoutant une étape intermédiaire nommée, soit par une formule.
