ITU-T Recommendations

La surveillance de l'apprentissage automatique/intelligence artificielle (IA) désigne le suivi et l'observation continus et en temps réel d'un système d'apprentissage automatique ou d'IA dans des environnements de production. La surveillance de l'apprentissage automatique ou de l'IA permet d'évaluer la performance d'un modèle d'apprentissage automatique ou d'IA afin de déterminer s'il fonctionne efficacement. Lorsque le modèle d'apprentissage automatique ou d'IA connaît une dégradation de ses performances, des mesures de maintenance appropriées doivent être prises afin de les rétablir.Les modèles d'apprentissage automatique ou d'IA sont entraînés sur la base de données historiques et d'hypothèses relatives à l'environnement opérationnel. Cependant, cet environnement est dynamique. Cette dynamique peut conduire à une dégradation du modèle – une baisse de la précision des prédictions ou de la qualité des décisions au fil du temps – causée par des phénomènes tels que la dérive des données et la dérive des concepts. Par conséquent, il convient de surveiller l'environnement et l'état de fonctionnement du modèle d'apprentissage automatique ou d'IA afin de déterminer si ce modèle doit être mis à jour ou non.Pour venir à bout des divers problèmes qui entraînent une dégradation des performances, un ensemble de paramètres et d'événements doit être défini et surveillé. Le choix de stratégies de surveillance appropriées en fonction de l'utilisation spécifique, des caractéristiques des données et des exigences opérationnelles est donc une étape essentielle pour garantir la fiabilité et l'efficacité à long terme des systèmes d'apprentissage automatique ou d'IA.La Recommandation UIT-T Q.4081 fournit des orientations et constitue une référence pour les méthodes et métriques de surveillance de l'apprentissage automatique ou de l'intelligence artificielle.