𝗪𝗮𝘀𝗵𝗶𝗻𝗴𝘁𝗼𝗻 𝗲𝘀𝘁 𝘀𝘂𝗿 𝗹𝗲 𝗽𝗼𝗶𝗻𝘁 𝗱𝗲 𝗺𝗲𝘀𝘂𝗿𝗲𝗿 𝗹'𝗜𝗔 𝗹𝗮 𝗼𝘂 𝗲𝗹𝗹𝗲 𝘀𝗲 𝗽𝗿𝗼𝗱𝘂𝗶𝘁 𝗿𝗲𝗲𝗹𝗹𝗲𝗺𝗲𝗻𝘁 :
𝗡𝗼𝘂𝘀 𝗹𝗲𝘂𝗿 𝗮𝘃𝗼𝗻𝘀 𝘀𝗶𝗺𝗽𝗹𝗲𝗺𝗲𝗻𝘁 𝗱𝗶𝘁 𝗾𝘂𝗼𝗶 𝗱𝗲𝗺𝗮𝗻𝗱𝗲𝗿
Le Bureau of Labor Statistics des États-Unis propose quelque chose qu'aucune agence statistique au monde n'a fait : ajouter des questions sur l'intelligence artificielle à l'American Time Use Survey (ATUS), reliant l'utilisation de l'IA à un enregistrement continu de 24 heures des journées réelles des gens (91 FR 42775, OMB 1220-NEW).
Les enquêtes d'adoption nous disent si les gens ont essayé l'IA. Un journal de temps nous dit combien, pour quelles tâches, et à la place de quoi. Pour quiconque gère le risque lié à l'IA au sein d'une organisation, ce deuxième ensemble de faits est celui qui compte.
Le Human Ai Institute® a aujourd'hui soumis un commentaire public formel appliquant Enterprise-wide AI Risk Management® (EW-AiRM®) ewairm.com à la proposition, rédigé par notre directeur fondateur, Prof. Markus Krebsz.
Notre position est de ferme soutien, avec dix recommandations spécifiques. Quatre se démarquent :
🔹 𝗠𝗲𝘀𝘂𝗿𝗲𝗿 𝗹'𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 𝗮𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗲𝗹𝗹𝗲 𝗱𝗮𝗻𝘀 𝗹'𝗼𝗺𝗯𝗿𝗲. Une question, demandant si l'outil d'IA utilisé pour le travail avait été approuvé par l'employeur ou s'il appartenait au répondant, produirait la première estimation représentative au niveau national de l'utilisation non autorisée de l'IA sur le lieu de travail. Tous les cadres de gouvernance d'entreprise doivent actuellement supposer ce chiffre. Le BLS pourrait nous le faire savoir.
🔹 𝗠𝗲𝘀𝘂𝗿𝗲𝗿 𝗹𝗮 𝘃𝗲́𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Les gens ont-ils vérifié les résultats de l'IA avant de les utiliser ? Le temps consacré à la vérification est le dénominateur caché de chaque affirmation de productivité de l'IA, et aucune enquête nationale ne le mesure.
🔹 𝗦𝗲́𝗽𝗮𝗿𝗲𝗿 𝗹'𝘂𝘀𝗮𝗴𝗲 𝗴𝗲́𝗻𝗲́𝗿𝗮𝘁𝗶𝗳, 𝗲𝗺𝗯𝗮𝗿𝗾𝘂𝗲́ 𝗲𝘁 𝗮𝗴𝗲𝗻𝘁. La fenêtre de collecte de deux ans, de 2027 à 2028, couvrira la généralisation des agents d'IA. Un module conçu autour de "converser avec une IA" décrira mal 2028.
🔹 𝗠𝗲𝘀𝘂𝗿𝗲𝗿 𝗹'𝗲́𝗰𝗮𝗿𝘁 𝗱𝗲 𝗰𝗼𝗻𝘀𝗰𝗶𝗲𝗻𝗰𝗲. L'IA disparaît dans les logiciels ordinaires plus rapidement que les répondants ne peuvent la reconnaître. Mesurez la dérive ; ne prétendez pas qu'elle n'existe pas.
Notre soumission soulève également un point qui, selon nous, s'applique à toutes les collections d'IA actuellement conçues dans le monde : les statistiques nationales sont le dénominateur manquant de la gouvernance de l'IA d'entreprise. Les organisations, les assureurs et les régulateurs se calibrent actuellement sur les enquêtes marketing des fournisseurs. Le BLS peut remplacer cette base par des statistiques.
Comme l'un de nos axiomes de gouvernance EW-AiRM™ le dit : « La gouvernance qui semble correcte n'est pas la même que la gouvernance qui fonctionne. » La même discipline s'applique à la mesure.
Voir notre soumission ici :
https://enterprisewideairiskmanagement.grigora.app/usatus/