Conception d'IA inclusif qui assure l'accès à tous, notamment les personnes handicapées (malvoyantes, malentendantes, troubles cognitifs), les locuteurs de langues minoritaires et les populations peu alphabétisées numériquement. L'absence de conception inclusive exacerbe les inégalités et l'exclusion.
L'accessibilité et le design IA inclusif représentent une opportunité majeure pour réduire les inégalités sociales, mais comportent aussi le risque d'exacerber l'exclusion si les systèmes ne sont pas conçus avec une attention particulière aux diversités des utilisateurs, qui exige des entreprises qu'elles rendent compte de leurs impacts sur les droits de l'homme, y compris l'inclusion et la non-discrimination, en lien avec leurs produits et services.
Avant de déployer un chatbot admin, une administration française l'évalue sur un score d'accessibilité WCAG (polices lisibles, contrastes, descriptions audio, compatibilité lecteur d'écran). Un test utilisateur avec des personnes handicapées révèle des barrières qui sont corrigées avant le lancement.
Termes connexes (Social)
Biais algorithmique et discrimination
Distorsions systématiques dans les décisions fondées sur l'IA qui conduisent à des traitements inéquitables ou discriminatoires entre individus ou groupes. Ces biais proviennent généralement de données d'entraînement non représentatives, de variables proxy ou d'un étiquetage humain subjectif.
Audit de biais & test d'équité
Processus d'évaluation systématique des biais des modèles d'IA selon des métriques standardisées comme la parité démographique, l'équité des résultats et la calibration. Ces audits testent la performance du modèle sur des segments stratifiés par genre, ethnie et autres caractéristiques protégées.
Annotation de données & modération contenu
Activités externalisées consistant à étiqueter des données pour l'entraînement d'IA ou à modérer des contenus générés. Ces tâches exposent les travailleurs à des contenus violents, offensants ou traumatisants, posant des enjeux importants de bien-être psychologique et de conditions de travail décentes.
Formation continue reskilling & upskilling IA
Programmes de formation destinés à adapter les compétences des salariés aux transformations induites par l'IA, soit en les développant dans leurs domaines actuels (upskilling) soit en les préparant à de nouveaux métiers (reskilling). Ces dispositifs adressent les risques de déplacement d'emplois et d'inégalités de compétences.
Due diligence supply chain IA & travail
Processus d'audit systématique des fournisseurs de données, de matériel et de services cloud pour évaluer les risques sociaux et environnementaux. Elle couvre les conditions de travail des annotateurs, l'impact environnemental des GPU et des data centers, et la conformité aux normes d'éthique et de droits humains.
Transparence & traçabilité supply chain IA
Visibilité documentée des chaînes d'approvisionnement IA, incluant l'identification des fournisseurs de données, les conditions de travail dans les centres d'annotation et les impacts environnementaux du matériel informatique. Elle permet de détecter et de remédier aux violations des droits humains et environnementaux.