1. Comment l’IA est-elle utilisée ?

Chez Yokoy, les modèles d’IA sont utilisés pour simplifier et améliorer les processus dans le contexte de la gestion des dépenses. Actuellement, il s’agit principalement du processus de soumission, où l’IA est utilisée pour extraire automatiquement des informations du reçu et de la facture et pour « remplir automatiquement » le formulaire de soumission, mais cela pourrait être étendu à d’autres processus dans un avenir proche.

2. Quelles données seront extraites par l’IA ?

Dans le contexte du remplissage automatique du formulaire de dépenses (les principes suivants restent valables pour d’autres domaines également), les modèles d’IA sont uniquement utilisés pour extraire des informations objectives des documents (par exemple, pour les dépenses, cela inclut le pays, la devise, le montant total, les éléments fiscaux et plus encore) et non pour extraire ou collecter des informations personnelles sur l’utilisateur de l’application.

3. L’IA de Yokoy ne prend aucune décision et ne porte aucun jugement sur l’utilisateur.

Les modèles d’IA ne prennent pas de décisions ou de jugements sensibles sur les utilisateurs de l’application. Si Yokoy décidait à l’avenir d’ajouter des modèles d’IA qui, d’une manière ou d’une autre, jugeraient le comportement de l’utilisateur ou utiliseraient des données personnelles dans le développement des modèles d’IA, l’activation de ces modèles ne se ferait qu’avec le consentement explicite et enregistré de nos clients.

4. Pas d’entraînement de l’IA avec des données personnelles

La terminologie « formation d’un modèle d’IA » fait référence au processus consistant à fournir un ensemble d’entrées et de sorties historiques à un modèle d’IA de sorte que le modèle puisse déduire sa propre logique et un ensemble de règles pour associer la sortie la plus probable à une entrée future donnée.
Chez Yokoy, les modèles d’IA n’obtiennent jamais de données personnelles de l’utilisateur de l’application en entrée et ils ne sont pas non plus formés à partir de données personnelles. Cela est possible grâce à une étape de prétraitement avant l’application des modèles d’IA qui transforme les images numérisées (qui peuvent contenir des données personnelles dans certaines situations) en caractéristiques purement techniques qui sont totalement anonymes. Les modèles d’IA sont entraînés et font des prédictions uniquement sur la base de ces données/caractéristiques techniques anonymes. Les informations relatives à l’auteur des dépenses ne sont fournies que sous la forme d’un identifiant d’utilisateur (texte aléatoire) aux modèles d’IA, qui les utilisent pour améliorer la précision de l’extraction de certains champs sur la base de documents précédemment téléchargés et soumis.

5. Informations sur la logique impliquée dans l’IA

Il existe deux types de modèles : les modèles d’IA « pure » et les modèles heuristiques.
Alors que les modèles heuristiques sont basés sur une logique humaine/professionnelle (par exemple pour reconnaître la date ou l’heure) et sont « faciles » à comprendre par les humains, la logique interne des modèles d’IA « pure » n’est pas facilement compréhensible par les humains, ce qui explique pourquoi ils sont souvent appelés « boîtes noires ». Afin de garantir la fiabilité des modèles d’IA pure, chaque modèle fait l’objet d’un backtesting approfondi, c’est-à-dire qu’il est testé par rapport à des données historiques et dans le cadre de tests manuels avant d’être mis en service. Des recalibrages et un suivi réguliers des modèles d’IA garantissent que ces derniers sont à jour et pleinement fonctionnels. L’analyse des causes profondes des prédictions erronées du modèle dans le cadre des examens réguliers du modèle est utilisée pour sensibiliser aux limites du modèle et pour en améliorer les performances.

6. Conclusion

Compte tenu de la finalité (extraction d’informations documentaires objectives) et de la conception (pas d’accès aux données à caractère personnel) des modèles d’IA utilisés, les mesures décrites ci-dessus sont jugées suffisantes pour se conformer aux exigences et réglementations en matière de protection des données. Les évolutions juridiques dans ce domaine seront suivies de près et, si nécessaire, des adaptations seront apportées.

Dernière mise à jour le 19.1.2024