Gouvernance et développement de l’Intelligence Artificielle : exigences réglementaires et bonnes pratiques

Gouvernance de l’IA – Sélection de modèle – Evaluation de performance – Déploiement de modèle in-house – AI data management – Gestion des risques IA spécifiques

Gouvernance IA : de la réglementation européenne aux standards ISO – pistes pratiques

• Introduction : la gouvernance de l’IA : un enjeu stratégique ?
• Le cadre européen : un puzzle réglementaire à décrypter
• ISO et standards internationaux
• Pistes pratiques et feuille de route

AI principles in practice

• The principles of artificial intelligence.
• Model selection tailored to the task in hand.
• Measuring the performance of an AI model.
• In-house model deployment with Retrieval-Augmented Generation.
• Case study: Anti-money laundering with neural networks.

Data & IA: ce que vous devez savoir pour l’IA en ce qui concerne les données

• L’univers des data
• Dimensions éthique et sociale
• Pourquoi la qualité est importante
• AI data management

AI Risk Management: Specific Challenges and Approaches to Managing AI Risks

• AI risk factors: financial risk, operational risk, regulatory risk, reputational risk
• AI risks vs. generative AI risks (e.g., hallucination risk)
• Inventory of AI systems in use: scope definition challenges
• Identify AI use and related risks throughout the bank
• Assess the materiality of AI-related risks: impact on the bank, clients, and stakeholders