Un nouvel espace émerge au croisement entre expansion de l’IA dans les organisations et les systèmes automatiques, et inquiétudes du public sur les données privées, la transparence et la robustesse des algorithmes.

De nombreux acteurs s’emparent du sujet et travaillent par exemple déjà à des cadres pour un usage à impact positif des technologies d’IA, à des outils pour apporter de la traçabilité aux travaux de data science, à des formations pour éviter la reproduction de biais discriminatoires, à des briques techniques pour permettre la mutualisation et renforcer la confidentialité des données, etc.

En s’appuyant sur les travaux, cadres et corpus existants, nous travaillons de manière ouverte et collaborative à la définition de la data science responsable et de confiance et à l’élaboration d’un référentiel cadre commun open source de bonnes pratiques permettant aux organisations intéressées d’évaluer leur niveau de maturité.