Équité algorithmique dans le crédit automatisé : pourquoi le choix d'une définition change tout et comment l'évaluer sans être expert
J'ai découvert quelque chose de dérangeant en analysant les plateformes de crédit IA : deux systèmes peuvent tous les deux se dire équitables tout en produisant des résultats radicalement différents. Ce n'est pas un paradoxe — c'est le résultat du fait que l'équité algorithmique a plusieurs définitions mathématiques incompatibles entre elles. Je vais vous expliquer pourquoi ça importe et comment repérer si un fournisseur a vraiment résolu la question.
Décisions de crédit automatisées en Suisse : ce que la loi exige réellement des plateformes IA et comment vérifier la conformité sans être juriste
J'ai passé du temps à lire les textes réglementaires applicables aux décisions de crédit automatisées en Suisse. Ce que j'y ai trouvé est clair : les institutions qui utilisent des algorithmes pour décider du crédit ont des obligations précises en matière d'explication, de contestation et de surveillance. La plupart des fournisseurs de plateformes IA ne les mentionnent pas spontanément. Je vais le faire à leur place, avec les détails que vous devez connaître avant de choisir un système.
La dérive de modèle dans le crédit IA : comment un algorithme peut se dégrader silencieusement et comment le détecter
J'ai trouvé quelque chose que les fournisseurs de plateformes IA mentionnent rarement dans leurs présentations commerciales : les modèles de crédit se dégradent avec le temps. Pas brutalement — silencieusement. Un modèle entraîné il y a deux ans sur des données pré-crise ne voit pas le monde tel qu'il est aujourd'hui. Je vais vous expliquer ce que c'est, pourquoi c'est un problème réel, et comment les plateformes sérieuses y font face.
LIME contre SHAP : quelle méthode d'explicabilité choisir pour le crédit IA et pourquoi la réponse n'est pas simple
J'ai comparé LIME et SHAP sur des cas concrets de décision de crédit. Ce que j'ai trouvé va à l'encontre de ce que la plupart des fournisseurs vous disent : ces deux méthodes ne sont pas interchangeables, leurs résultats peuvent diverger sur le même cas, et le choix entre elles a des implications réelles pour la contestabilité des décisions. Voici mon analyse complète, sans filtre et sans favoritisme pour aucun des deux camps.
Comment auditer un modèle de crédit IA sans être data scientist : guide pratique pour les équipes de conformité
J'ai constaté que la plupart des guides sur l'audit de modèles IA sont écrits pour des data scientists, pas pour des équipes de conformité. C'est un problème réel. Les personnes qui doivent auditer ces systèmes ne sont pas toujours celles qui les ont construits. Voici mon guide pratique pour réaliser un audit sérieux sans expertise technique avancée.
SHAP expliqué simplement : comment cette méthode rend chaque décision de crédit lisible et contestable
J'ai passé du temps à comprendre SHAP — la méthode d'attribution qui explique les décisions de crédit IA. Voici ce que j'ai trouvé, ce que ça change pour un emprunteur ordinaire, et pourquoi les institutions qui ne l'utilisent pas encore devraient se poser des questions sérieuses. Ce n'est pas du jargon — c'est une question de justice dans l'attribution des refus de crédit automatisés. Je vais vous montrer comment ça marche, étape par étape, sans supposer de formation technique de votre part.