Cadre de gestion des risques liés à l'IA du NIST
Le NIST AI Risk Management Framework (AI RMF) est un manuel volontaire du gouvernement américain visant à créer une IA digne de confiance en identifiant et en gérant ses risques tout au long de son cycle de vie.
Aperçu
It matters because it gives organizations a practical, flexible structure to operationalize responsible AI without being a binding law.
Plongée profonde
Publié par l'Institut national américain des normes et de la technologie en janvier 2023, l'AI RMF 1.0 est volontaire et indépendant du secteur. Il est organisé autour de quatre fonctions principales : Gouverner (créer une culture et des politiques pour les risques liés à l'IA), Cartographier (comprendre le contexte et identifier les risques), Mesurer (analyser et suivre les risques avec des métriques) et Gérer (prioriser et agir sur ces risques). Le cadre définit les caractéristiques d’une IA digne de confiance : valide et fiable, sûre, sécurisée et résiliente, responsable et transparente, explicable et interprétable, respectueuse de la vie privée et équitable avec gestion des préjugés préjudiciables. Le NIST publie également un Playbook complémentaire avec des suggestions d'actions concrètes et a ajouté en 2024 un profil d'IA générative traitant des risques propres aux grands modèles de langage tels que la confabulation, les fuites de données et les contenus nuisibles.
Aperçu technique
Contrairement à une liste de contrôle, le RMF traite la fiabilité comme un ensemble de compromis à équilibrer, car l'amélioration d'une propriété (par exemple, l'exactitude) peut en dégrader une autre (par exemple, la confidentialité ou l'équité). La fonction Gouverner est transversale et alimente les trois autres. La mesure met l’accent sur l’utilisation à la fois de mesures quantitatives et de méthodes qualitatives, y compris l’équipe rouge et l’évaluation humaine, car de nombreux préjudices causés par l’IA résistent à une capture purement numérique. Ce sont les résultats, et non les outils spécifiques, que précise le cadre.
Impact stratégique
Risques et sécurité
Les dommages catastrophiques et quotidiens causés par l’IA dépendent tous deux de la personne qui comprend les risques et qui peut agir.
Décisions plus claires
Les connaissances du public et des professionnels déterminent si une politique de sécurité forte est politiquement possible.
Passer à travers le battage médiatique
Des explications claires réduisent la capture par le battage médiatique, les relations publiques en laboratoire et le théâtre d'éthique vague.
L'avenir du cadre de gestion des risques liés à l'IA du NIST
Attendez-vous à ce que le RMF devienne une référence commune qui s’aligne sur des régimes contraignants tels que la loi européenne sur l’IA et les nouvelles lois des États américains, facilitant ainsi la conformité multi-juridictionnelle. Le NIST continue de publier des profils pour des contextes et des technologies spécifiques, l’IA générative étant une priorité majeure. Les directives des marchés publics et des agences fédérales font de plus en plus référence au RMF, et les passages à des normes comme ISO/IEC 42001 se multiplient, ce qui en fait un tissu conjonctif pour la gouvernance mondiale de l'IA, même si elle reste volontaire.
Mise en œuvre dans le monde réel
Une entreprise technologique cartographie le contexte d’une nouvelle IA d’embauche, répertoriant les groupes concernés et les dommages potentiels avant l’envoi de tout code, remplissant ainsi la fonction Map.
Une banque met en place un comité de gouvernance de l'IA et des politiques de risque écrites pour satisfaire la fonction de gouvernance dans tous ses modèles.
Une équipe utilise des métriques de red-teaming et de biais pour quantifier les modes de défaillance d'un chatbot sous la fonction Mesurer.
Un assureur maladie suit le profil Generative AI pour gérer les risques de confabulation et de fuite de données dans un LLM orienté client.
Risques et garde-fous
Traiter le risque existentiel comme de la science-fiction alors que les capacités s’accroissent.
Confondre sécurité des produits de surface et alignement sous haute autonomie.
Laisser le public non anglophone et non expert avec uniquement des sources de mauvaise qualité.
Feuille de route de mise en œuvre
Séparez les dommages causés aux produits, leur mauvaise utilisation et les risques de perte de contrôle/désalignement.
Demandez quelles preuves pourraient changer votre point de vue sur les délais et la gravité.
Préférez les sources primaires et les évaluations concrètes aux allégations marketing.
Identifiez une voie d’action : carrière, politique, financement ou compétences – et pas seulement la sensibilisation.
Continuez à explorer
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the NIST AI Risk Management Framework quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Guide suivant
Gestion des produits IA
Questions fréquemment posées
What is NIST AI Risk Management Framework?
Le NIST AI Risk Management Framework (AI RMF) est un manuel volontaire du gouvernement américain visant à créer une IA digne de confiance en identifiant et en gérant ses risques tout au long de son cycle de vie. C’est important car cela donne aux organisations une structure pratique et flexible pour opérationnaliser l’IA responsable sans être une loi contraignante.
Quelles sont les quatre fonctions principales du NIST AI RMF ?
Le cadre est construit autour de Gouverner, Cartographier, Mesurer et Gérer, Gouverner étant une fonction transversale alimentant les autres.
La conformité au NIST AI RMF est-elle légalement requise ?
Le RMF AI est explicitement volontaire et indépendant du secteur, offrant des orientations plutôt que des mandats exécutoires.
Quelle fonction est décrite comme transversale et alimentant les trois autres ?
Gouverner établit la culture, les politiques et les structures de responsabilité qui sous-tendent la cartographie, la mesure et la gestion.
Pourquoi le RMF considère-t-il la fiabilité comme un ensemble de compromis ?
Les gains dans une caractéristique, comme la précision, peuvent se faire au détriment d’une autre, comme la confidentialité ou l’équité, et doivent donc être équilibrés.
Qu'est-ce que le NIST a ajouté au cadre en 2024 pour prendre en charge les grands modèles de langage ?
Le profil 2024 Generative AI aborde les risques propres aux LLM, tels que la confabulation, les fuites de données et les contenus préjudiciables.