Initiative participative IA responsable et de confiance
Ce projet a été récompensé par le prix du meilleur projet de la saison 8 de Data For Good !
Avec le soutien institutionnel et financier de la Région Nouvelle-Aquitaine, dans le cadre du dispositif de subvention “Logiciel Libre Innovant”
Vue d’ensemble de l’initiative
Labelia Labs a initié en 2019 une initiative participative autour du thème de "l’IA responsable et de confiance”, qui compte aujourd’hui plus de 750 inscrits sur le Meetup dédié. L’initiative a été reprise par datacraft en 2025.
Cette initiative regroupe actuellement 3 outils méthodologiques :
Le référentiel cadre “data science responsable et de confiance”
La plateforme d’assessment et de scoring pour les entreprises
Le label “Labelia - IA responsable et de confiance”
L’initiative a reçu le soutien financier de la région Nouvelle-Aquitaine, la région Ile-de-France, et BPI France. Elle est soutenue institutionnellement par Dataforgood, Aivancity, Blent, SoScience et Impact AI.
Le contexte et la genèse
Une tension grandit entre l’intérêt pour les techniques d’IA et les craintes qu’elles suscitent
L’intérêt pour l'IA, la science des données en général, est en pleine croissance depuis plusieurs années. Aujourd’hui, cette déferlante ne s’est pas encore tout à fait matérialisée dans les systèmes informatiques en production. Mais elle s’en rapproche et l’accélération est notable.
Mais là où l’IA semble prometteuse et génère un intérêt grandissant pour de nombreux cas d’usage, elle suscite également des craintes et chaque mois qui passe voit son lot de lancements ratés et de scandales de plus ou moins grande ampleur. La liste des “Awful AI” maintenue par David Dao en est remplie.
Dans ce contexte, il devient de plus en plus délicat pour une organisation de mettre en œuvre des approches de data science dans ses produits et services et de l’assumer publiquement… Pour résoudre cette tension, il faut faire émerger un cadre y répondant.
Nous élaborons de manière participative et itérative une évaluation « data science responsable et de confiance »
C’est en se posant ces questions et en y travaillant que Labelia Labs a, à partir de début 2019, commencé à imaginer l’intérêt qu’il y aurait à explorer ce thème et élaborer un outil qui soit à destination des praticiens, utile et actionnable dès que possible. Ces échanges préliminaires se sont mués en un vrai projet, qui s’est imposé comme une évidence compte tenu de la raison d’être de Labelia Labs : développer la data science collaborative, responsable et de confiance.
C’est ainsi que la démarche participative et itérative a été lancé.
Vue d’ensemble de la saison 1 (2019-2020)
Plus d’une année plus tard, ponctuée de cinq ateliers participatifs et d’innombrables échanges, tests avec des entreprises partenaires/intéressées, présentations, l’objet indéfini “cadre utile et actionnable” a pris forme. C’est devenu :
une évaluation des approches responsables et de confiance de la data science ;
à destination des organisations, pour évaluer leur maturité ;
composée d’une trentaine de points d’évaluation regroupés en 5 sections thématiques (maintenant 6);
qui fournit en sortie un score synthétique sur 100 points (maximum théorique), sachant qu’à la date d’aujourd’hui 55/100 est un niveau de maturité très avancé ;
qui se complète des ressources techniques pour chaque point d’évaluation, constituant de bons points d’entrée pour les organisations qui souhaitent s’y former.
Vue d’ensemble de la saison 2 (2021)
Etape suivante : une plateforme d’évaluation pour les entreprises !
Sur base de ce référentiel, a été conçu et développé une plateforme d’évaluation à destination des entreprises.
L’objectif premier, toujours avec cette idée directrice de proposer rapidement un outil utile et actionnable, est de permettre aux organisations intéressées de faire un travail interne sur ce thème de la data science responsable et de confiance. En progressant dans l’évaluation et ses différentes sections, on bute forcément sur un sujet que l’on n’a pas encore travaillé, qu’il serait intéressant de défricher pour gagner en maturité, etc.
Vous pouvez dès à présent évaluer en accès libre la maturité de votre organisation en data science responsable et de confiance !