Le principe d’explicabilité dans le domaine de l’intelligence artificielle (I.A) fait référence à la demande qui doit être faite aux producteurs d’I.A d’expliquer sur quelles bases leurs modèles d’intelligence artificielle prennent leurs décisions ou produisent leurs résultats. L’objectif est de rendre ces processus transparents et compréhensibles pour les êtres humains décideurs finaux.
Dans le domaine de la lecture du langage corporel et notamment aujourd’hui de l’interprétation des émotions sur le visage, nous ne sommes là qu’au début d’une lame de fond qui va conduire à interpréter de manière trop définitive, augurant des problèmes en chaine.
Dans le domaine académique, il n’y a quasiment pas de spécialistes du langage corporel de type homéostatique, celui qui est émis non-consciemment. Celui-là même que nous observons. Les experts sont généralement des spécialistes des émotions qui font le pari sans formation du décodage corporel général, et donc sans garde-fous, qu’en étant spécialistes des émotions ils seraient de fait spécialistes du langage corporel. Ce qui ne peut être, car le langage corporel est bien autant un langage cognitif qu’un langage émotionnel. Les spécialistes doivent donc être contraints de formaliser des règles de lecture lorsqu’ils proposent une interprétation.
A terme une explicabilité de bonne qualité va viser à renforcer la fiabilité des intelligences artificielles, en permettant aux utilisateurs de saisir les raisons derrière les recommandations, prédictions ou décisions prises par les systèmes d’IA.
Et si aujourd’hui le deep Learning ne peut sans doute pas proposer d’argumenter autour d’une ligne claire, les logiciels experts en sont capables. La question du principe d’excabilité est remplie.
Obliger à remplir les contraintes liées aux principes d’explicabilité semble être le garde-fou le plus efficace, et peut-être même le seul, à l’interprétation. Il est temps d’assurer à sa mise en oeuvre.