Passer à la navigation principale Passer à la recherche Passer au contenu principal

Évaluation structurée des besoins, exigences et contraintes en intelligence artificielle explicable pour une intelligence artificielle de confiance

  • Camélia Raymond

Thèses et mémoires: Mémoire de maîtriseMaîtrise en ingénierie: Génie

Résumé

Au Québec, le déploiement de l’intelligence artificielle (IA) soulève des enjeux croissants de transparence, d’éthique et de responsabilité. Bien que la Loi 25 encadre désormais la gouvernance des systèmes automatisés, la mise en œuvre de l’intelligence artificielle explicable (XIA) demeure difficile à concrétiser dans les milieux industriels. Les approches actuelles se concentrent sur les aspects techniques des algorithmes, sans offrir de méthodologie claire pour cerner et formaliser les besoins réels des parties prenantes. Cette recherche vise à combler ce décalage en proposant une méthodologie pour identifier, structurer et prioriser les exigences, contraintes et besoins en XIA, adaptée au contexte québécois et alignée sur les principes de l’IA de confiance. Elle s’articule autour de quatre articles complémentaires explorant les dimensions juridiques, éthiques, organisationnelles et pratique de la XIA. Les trois premiers articles jettent les bases conceptuelles et normatives nécessaires à la conception d’une IA explicable : interprétation du cadre juridique québécois, opérationnalisation des principes éthiques et caractérisation des parties prenantes. Le quatrième article consolide ces acquis dans une méthodologie complète, le XAIRS (Explainable Artificial Intelligence Requirements Specification), un outil destiné à guider la spécification des exigences en XIA tout au long du cycle de vie des systèmes d’IA. Cette recherche met en évidence que la XIA peut être abordée comme un enjeu d’ingénierie, où la formalisation des besoins et des contraintes devient un levier de transparence et de redevabilité dans la conception des systèmes d’IA. Les résultats démontrent la faisabilité et la pertinence du XAIRS dans les contextes industriels québécois.
Date15 mai 2026
langue originaleFrançais
Établissement diplômant
  • École de technologie supérieure
SuperviseurSylvie Ratté (Directeur(-trice)) & Marc-Kevin Daoust (Codirecteur(-trice))

Mots-clés

  • intelligence artificielle
  • IA de confiance
  • IA explicable
  • IA légale
  • IA éthique

Citer cette ressource

'