1. Réglementation
Nous examinons la loi européenne sur l’intelligence artificielle (loi sur l’IA) et ses implications potentielles pour la Suisse, ainsi que l’approche que la Suisse pourrait adopter face à la législation à venir. Compte tenu de l’importance de l’UE en tant que partenaire commercial majeur de la Suisse, il est essentiel pour les entreprises de comprendre les implications de la loi européenne sur l’IA et de s’y conformer.
Le livre blanc d’EY aide les parties prenantes, y compris les acteurs traditionnels de la biopharmacie et les entreprises technologiques entrant dans le secteur, à se préparer aux réglementations à venir. Investir dès maintenant dans ce sujet permettra aux entreprises d’assurer leur conformité tout en exploitant pleinement les avantages de l’IA pour leurs activités.
2. Risque
La loi européenne sur l’IA aborde les niveaux de risque et propose des mécanismes pour les encadrer. Elle interdit les risques inacceptables, autorise les activités à haut risque soumises à une stricte conformité, impose des obligations de transparence pour l’IA à risque limité et permet sans restriction l’IA à risque minimal.
Pour l’industrie des sciences de la vie, qui travaille sur des applications critiques en matière de sécurité, la mise en conformité avec les nouvelles réglementations peut s’avérer complexe et coûteuse. Les entreprises doivent intégrer la gouvernance de l’IA et l’évaluation des risques dans leurs structures organisationnelles, élaborer des engagements éthiques, garantir une vision stratégique, évaluer les impacts de l’IA de manière cohérente et gérer les risques liés aux tiers.
Dans ce contexte, les parties prenantes du secteur des sciences de la vie seront désireuses d’associer les risques liés à l’IA aux principes de confiance tout au long du cycle de vie de l’IA. La mise en œuvre réussie de la gestion des risques liés à l’IA requiert un alignement sur les programmes de gestion des risques de l’entreprise dans des domaines tels que la gouvernance, la culture, la méthodologie, les processus et la technologie.
3. Technologie
Trouver le bon équilibre entre transparence et complexité dans la modélisation de l’IA est primordial pour les entreprises souhaitant tirer parti des avantages de l’IA. L’intégration d’approches qui améliorent l’interprétabilité et l’identification des biais potentiels permet d’atténuer les difficultés liées aux modèles à boîte noire et favorise la compréhension et la confiance dans les systèmes d’IA.
Les développeurs devront accorder la priorité aux caractéristiques interprétables et utiliser des techniques d’analyse a posteriori afin d’évaluer le comportement du modèle de la boîte noire. Ils doivent également veiller à documenter les algorithmes convenablement pour accroître la transparence et renforcer la confiance des parties prenantes.