La lettre d’orientation SR 11-7 de la Réserve fédérale et de l’Office of the Comptroller of the Currency définit un modèle comme étant « …une méthode quantitative, un système ou une approche qui applique des théories, des techniques et des hypothèses statistiques, économiques, financières ou mathématiques pour traiter des données saisies et les transformer en estimations quantitatives. »
Un modèle peut présenter des risques lorsqu’il est utilisé pour prédire et mesurer des informations quantitatives et qu’il fonctionne de manière inadéquate. Une mauvaise performance du modèle peut conduire à des résultats indésirables et entraîner des pertes opérationnelles substantielles. Voici les avantages de la gestion des risques liés aux modèles dans une architecture d’information moderne :
IBM lance watsonx.ai, un nouveau studio d’IA dédié aux entreprises qui réunit le machine learning traditionnel et les nouvelles capacités d’IA générative alimentées par des modèles de fondation.
Améliorez la conformité des modèles avec des tests et des seuils personnalisés.
Écoutez des experts en IA discuter de la digitalisation de la gouvernance à l’ère de l’IA.
Affichez les mesures d’équité, de qualité et de dérive. Signalez les modèles en-dessous de seuils personnalisés. Approfondissez pour obtenir des détails.
Configurez et effectuez la validation du modèle. Testez les mesures du modèle, notamment l’équité du modèle.
Comparez les résultats des tests de modèles. Sélectionnez et accélérez le développement de modèles plus efficaces.
Générez automatiquement une fiche d’information au format PDF. Résumez les détails du modèle, les données pertinentes et les résultats des tests.
Explorez l’IA explicable sur IBM Cloud Pak for Data.
Obtenez des conseils techniques et des informations d’autres utilisateurs des solutions de données et d’IA d’IBM.