La gouvernance des modèles et des risques est le processus par lequel les modèles sont jugés suffisants par tous les groupes de personnes concernées. Votre processus peut inclure la validation de nouveaux modèles, leur surveillance, les normes de sécurité et de conformité, les processus d'assistance, la couverture des risques, des manuels d'exploitation et des guides de l'utilisateur, entre autres.
En tant que propriétaire d'un framework de gestion des risques, les artefacts suivants vous fournissent des ressources utiles pour intégrer l'AML basée sur l'IA à votre environnement global de gestion des risques. L'AML basée sur l'IA fournit une documentation pertinente pour le modèle et la gouvernance des risques, ainsi que divers résultats du réglage, de l'entraînement et de l'évaluation de votre modèle d'AML basée sur l'IA.
Documentation sur le modèle et la gouvernance des risques
L'ensemble de documents conceptuels suivant, disponible sur demande pour les clients de l'AML basée sur l'IA, sert d'artefacts de gouvernance dans votre modèle global de gestion des risques, d'IA et de ML, ainsi que dans votre framework de gouvernance des risques:
- Architecture du modèle: décrit l'architecture du modèle spécifique utilisée pour l'AML basée sur l'IA afin de calculer les scores de risque.
- Méthodologie d'étiquetage: Décrit les approches utilisées pour définir des exemples d'entraînement étiquetés pour le réglage, l'entraînement et le rétrotest des modèles d'AML basée sur l'IA.
- Méthodologie d'entraînement des modèles: décrit l'approche d'entraînement et de validation des modèles d'AML basée sur l'IA.
- Méthodologie de réglage de modèle: décrit le processus par lequel l'AML basée sur l'IA optimise les hyperparamètres du modèle en fonction de vos données.
- Méthodologie d'évaluation des modèles: décrit les métriques utilisées pour l'évaluation et le rétrotest des modèles.
- Présentation des familles de caractéristiques: Décrit les familles de caractéristiques compatibles et leur utilisation pour l'explicabilité (et ailleurs) dans l'AML basée sur l'IA.
- Schéma de typologie des risques: décrit comment l'AML basée sur l'IA prend en charge les typologies de risques, ainsi que la méthodologie utilisée pour démontrer la couverture.
- Règles en matière de stabilité et de compatibilité des versions de moteur: Décrit ce qui change et ce qui ne change pas entre les versions de moteur d'AML basée sur l'IA, et la durée pendant laquelle chaque version de moteur est compatible avec différentes opérations.
Les sorties du modèle en tant qu'artefacts de gouvernance
Les artefacts suivants sont générés en tant que sorties par les opérations d'AML standards d'IA:
- Qualité du modèle
- La sortie de la configuration du moteur inclut le rappel attendu (avant et après le réglage) capturé dans les métadonnées de configuration du moteur.
- Les résultats des anciens tests vous permettent de mesurer les performances du modèle entraîné sur un ensemble d'exemples non inclus dans l'entraînement.
- Qualité des données
- Le résultat manquant indique la part de valeurs manquantes par famille de caractéristiques dans vos ensembles de données utilisés pour le réglage, l'entraînement, le backtesting et la prédiction. Des modifications importantes peuvent indiquer une incohérence dans vos données sous-jacentes, qui peut avoir une incidence sur les performances du modèle.
- Les erreurs de validation des données empêchent la fin des opérations d'AML basée sur l'IA. Par conséquent, vous devez résoudre ces erreurs pour pouvoir générer un modèle et des prédictions.
- Résultats de prédiction
- Les scores de risque varient de 0 à 1. Dans cette plage, un score plus élevé indique un risque plus élevé pour la partie pour le mois prévu. Les scores de risque ne doivent pas être interprétés directement comme une probabilité d'activité de blanchiment d'argent, ni comme la réussite d'une possible enquête.
- La sortie d'Explainable AI augmente les scores de risque élevés avec des scores d'attribution indiquant la contribution de chaque famille de caractéristiques au score de risque.
- Les opérations de longue durée vous permettent de suivre tous les processus d'AML basée sur l'IA utilisés pour la préparation du modèle et les prédictions. Pour en savoir plus, consultez la page Gérer les opérations de longue durée.