Des recommandations émises aux 4 coins du globe

Cabinets de conseil, organisations mondiales, groupes de travail, académies… aux 4 coins du globe des acteurs ont émis des recommandations pour palier le manque de réglementation sur l’IA générative et permettre à toutes les parties prenantes de tirer le meilleur de cette technologie, que ce soit dans le secteur de la santé ou de manière plus générale.

Dans le cadre de son indicateur sur l’intelligence artificielle générative, Health & Tech Intelligence dresse un état des lieux des principales recommandations formulées depuis l’émergence de cette technologie en fin d’année 2022. Dans ce panorama, les recommandations pour l’usage de l’IA générative en santé sont traitées avant celles plus générales sur la GenAI. Elles sont également divisées en fonction de leur portée et de leur périmètre : France, Europe, Etats-Unis et monde.

I – Les recommandations pour l’usage de l’IA générative en santé :

France et Europe :

Les recommandations de l’Académie nationale de médecine pour tous les acteurs du système de santé, publics ou privés, aux citoyens et aux pouvoirs publics (mars 2024):

• Tous les professionnels de santé doivent être formés à l’usage des Systèmes d’Intelligence Artificielle Générative (SIAGen) ;
• L’usage des Systèmes d’Intelligence Artificielle Générative par les professionnels de santé doit se généraliser : il serait contraire à l’éthique de se passer de l’aide de ces outils ;
• Il faut absolument éviter de communiquer les données personnelles des patients et des professionnels de santé à des SIAgen dont la maîtrise en France ou en Europe n’est pas clairement établie : il n’y a pas de « petites » données ;
• Toute utilisation des SIAGen doit faire l’objet d’une supervision humaine et le temps consacré au colloque singulier patient/soignant doit être préservé voire renforcé quels que soient les systèmes numériques utilisés ;
• La responsabilité des différents acteurs, concepteurs, utilisateurs, doit être clairement déterminée par une réglementation prenant rapidement en compte le règlement européen sur l’IA pour les systèmes numériques en santé ;
• La cyber sécurité des établissements de santé et des plateformes de données de santé doit être traitée comme une priorité première et absolue ;
• La propriété intellectuelle des données servant à l’apprentissage des modèles doit être garantie et notamment celle des publications scientifiques ;
• Les recherches sur les applications en santé des SIAGen doivent être fortement soutenues au niveau national et européen afin de réduire la dépendance aux entreprises étrangères et de progresser vers une souveraineté numérique européenne ;
• L’utilisation des SIAgen doit se faire dans le respect des principes éthiques, notamment développés dans les avis 3 et 7 du Comité National Pilote d’Ethique du Numérique ;
• Les impacts environnementaux et énergétique de la conception, la mise en œuvre et l’utilisation des SIAgen en santé doivent être précisément mesurés et pris en compte dans l’évaluation de l’impact environnemental du système de santé.

Les recommandations du Health Data Institute pour l’IA générative en santé (mars 2024) :

• Le Healthcare Data Institute recommande, lors de la mise en place de projets (appels d’offres, entrepôts de données, etc.), d’imposer des normes techniques, avec des spécifications fonctionnelles, afin d’assurer la robustesse, l’interopérabilité, la transparence et l’explicabilité pour accroître la confiance.
• Introduire des modèles spécifiques au monde médical car la complexité du langage médical et des pratiques/contextes cliniques à prendre en compte expose les limites de cette approche et impose l’introduction de modèles spécifiques ;
• Appliquer absolument les stratégies existantes d’anonymisation et d’identification des risques de données ;
• Trouver des moyens d’effectuer un audit des données d’entraînement – alors que leur volume excède ce que les capacités humaines peuvent appréhender – pour une meilleure interprétabilité des modèles ;
• Contrôler la qualité des données utilisées dans une phase de « raffinage ».

États-Unis :

Les 4 recommandations de l’American hospital association pour l’IA générative en santé (juin 2023) :

• Adopter une approche axée sur les personnes et non sur la technologie en recrutant des talents qui pourront à la fois créer et utiliser l’IA et former les personnes de toute l’organisation à travailler efficacement avec les processus infusés par l’IA ;
• Adopter une approche stratégique et disciplinée pour acquérir, affiner, protéger et déployer les données avant de les utiliser dans les modèles d’IA générative ;
• Investir dans des bases de données technologiques et durables ;
• Déployer des systèmes d’IA générative responsable et évaluer les risques éthiques avant même le déploiement.

Les 5 clés de l’American Academy of Family Physicians pour choisir le bon fournisseur d’IAG pour les hôpitaux (octobre 2023) :

• Choisir des systèmes d’IA générative adaptés aux flux de travail des établissements de santé qui peuvent fournir des solutions technologiques fiables sur lesquelles les cliniciens peuvent s’appuyer dans leurs flux de travail quotidiens ;
• Choisir un partenaire qui a une approche responsable de l’IA et demander aux fournisseurs potentiels de partager les détails de leur cadre éthique d’IA pour s’assurer qu’ils prennent leurs responsabilités au sérieux ;
• Choisir des partenaires qui possèdent une expertise en déploiement et en optimisation et qui peuvent des applications dans le monde réel et les intégrer étroitement aux systèmes de DSE, de planification et de facturation ;
• S’assurer que les fournisseurs d’IA disposent d’une infrastructure mondiale fiable, surtout en matière de sécurité et de gouvernance ;
• Choisir un partenaire qui possède une expérience approfondie dans le domaine de la santé et qui peut plus facilement comprendre les défis et les priorités des cliniciens.

Les principes pour le développement, le déploiement et l’utilisation de l’IA générative en santé par l’American medical association (novembre 2023) :

• S’il n’existe pas de politique nationale ou de structure de gouvernance pour guider le développement et l’adoption de l’IA non liée aux dispositifs médicaux, l’AMA encourage une approche globale du gouvernement pour mettre en place des politiques de gouvernance qui atténuent les risques pour les consommateurs et les patients ;
• Déterminer quand et quoi divulguer pour garantir la transparence de l’IA et permettre aux professionnels de la santé et aux patients de comprendre comment l’IA est utilisée dans les soins ;
• Encourager le développement de politiques et de directives pour l’adoption de l’IA générative, qui peut créer de nouvelles informations à partir de données existantes ;
• Faire prendre conscience aux médecins de leur responsabilité lorsqu’ils utilisent des technologies basées sur l’IA : ils doivent s’assurer que l’IA répond à des normes rigoureuses pour atteindre les objectifs du quadruple objectif, promouvoir l’équité en santé, prioriser la sécurité des patients et limiter les risques pour les médecins et les patients ;
• Protéger les données de l’IA et garantir la cybersécurité pour prévenir les violations de la vie privée et les atteintes à la sécurité des patients.

4 recommandations de McKinsey pour réussir l’intégration de l’IA générative dans le secteur des soins (juillet 2023) :

• Évaluer le paysage des solutions disponibles pour voir quelles technologies pourraient le mieux servir aux soins et mettre en place des groupes dans les établissements de santé pour voir quelles solutions sont les plus pertinentes pour chaque service ;
• S’assurer de la fidélité et l’exactitude des données de santé récoltées grâce à des partenariats stratégiques (avec des prestataires, des payeurs ou des fournisseurs de technologies) et des investissements dans l’interopérabilité ;
• Mettre en place des cadres juridiques qui régissent l’utilisation de l’IA générative dans les établissements de santé afin que garantir la sécurité des données, ainsi que leur partialité et leur équité ;
• Mettre l’accent sur les personnes et les former en vue de la transformation de leur métier par l’IA générative.

Monde :

Les lignes directrices sur l’éthique et la gouvernance de l’IA pour les grands modèles multimodaux (LMM) de l’OMS (janvier 2024) :

Les gouvernements devraient :

• Investir dans les infrastructures à but non lucratif ou publiques auxquelles les développeurs des secteurs public, privé ou à but non lucratif ont accès – notamment la puissance de calcul et les bases de données publiques – ou les mettre à disposition, en veillant à ce que les utilisateurs qui y accèdent adhèrent à certains principes et valeurs éthiques ;
• S’appuyer sur la législation, les politiques et la réglementation pour garantir que les LMM et les applications utilisées en santé et en médecine, indépendamment des risques ou des avantages associés à la technologie d’IA en question, respectent des obligations éthiques et des normes en matière de droits humains, notamment sur la dignité et l’autonomie des personnes ou le respect de la vie privée ;
• Confier à un organisme de réglementation, nouveau ou existant, la responsabilité d’évaluer et d’approuver les LMM et les applications destinées à un usage en santé ou en médecine, en fonction des ressources disponibles ;
• Mettre en place des dispositifs obligatoires d’audit et d’évaluation d’impact par des tiers indépendants, notamment en matière de protection des données et de droits humains, lorsqu’un LMM est déployé à grande échelle. Ces audits et études d’impact doivent être publiés et présenter les résultats et les impacts en les ventilant par type d’utilisateur (par exemple selon l’âge, la race ou le handicap).

Les développeurs de LMM doivent veiller à ce que :

• Les LMM ne soient pas conçus uniquement par des scientifiques et des ingénieurs. Les utilisateurs potentiels ainsi que l’ensemble des parties prenantes directes et indirectes (y compris les prestataires médicaux, les chercheurs scientifiques, les professionnels de la santé et les patients) doivent prendre part à la mise au point des IA dès les premiers stades, selon des modalités structurées, inclusives et transparentes, et avoir la possibilité de soulever des questions éthiques, de faire part de leurs préoccupations et à faire des observations sur l’application d’IA en question ;
• Les LMM soient conçus pour exécuter des tâches bien précises avec le niveau de précision et de fiabilité requis pour améliorer la capacité des systèmes de santé et promouvoir les intérêts des patients. Les développeurs doivent également être en mesure de prévoir et de comprendre les conséquences indirectes potentielles de ces systèmes.

II – Les recommandations générales :

France et Europe :

Les recommandations sur l’IA générative dans le rapport au Président de la république (mars 2024) :

• Repenser la gouvernance des données en facilitant « l’accès aux données à caractère personnel pour permettre leur utilisation dans des innovations thérapeutiques, notamment en supprimant certaines procédures d’autorisation préalable d’accès aux données de santé et en réduisant les délais de réponse de la Commission nationale de l’informatique et des libertés (Cnil) » ;
• Faire de la France un pôle majeur de la puissance de calcul – « ingrédient incontournable de l’IA générative » – en sécurisant sans délai « l’approvisionnement de l’écosystème français par le biais d’une commande européenne de puissance de calcul privée » et en mettant en place un crédit d’impôt IA qui « soutiendrait les projets de recherche et de développement dans la location de la puissance de calcul, sous la condition d’utiliser un centre de calcul établi sur le territoire » ;
• Mettre en place une infrastructure technique favorisant la mise en relation entre les développeurs d’IA générative et les détenteurs de données culturelles patrimoniales ;
• Assumer le principe d’une « Exception IA » sous la forme d’une expérimentation dans la recherche publique pour en renforcer l’attractivité ;
• Investir dans l’observation, les études et la recherche sur les impacts des systèmes d’IA – notamment générative – sur la quantité et la qualité de l’emploi ;
• Généraliser le déploiement de l’IA – notamment générative – dans toutes les formations d’enseignement supérieur et acculturer les élèves dans l’enseignement secondaire pour rendre accessibles et attractives les formations spécialisées ;
• Accélérer l’émergence d’une filière européenne de composants semi-conducteurs adaptés aux systèmes d’IA, notamment générative.

Les 40 mesures du Hub France IA pour la France et l’Europe (février 2024) :

Pour l’entraînement des modèles :

• Adresser les difficultés rencontrées par les start-ups pour accéder aux capacités de calcul de l’EuroHPC ;
• Tirer les leçons de cette expérience pour optimiser les choix d’architecture ainsi que les accès à Jean Zay et d’ici 2025 Jules Verne ;
• A court-terme, encourager un environnement plus compétitif pour optimiser le coût et les délais d’accès aux GPUs ;
• A moyen-terme, investir de façon ambitieuse pour établir un écosystème de champions industriels européen pour traiter l’amont de la chaîne de valeur (équipements pour la gravure, gravure, fabrication et commercialisation des cartes graphiques) ;
• Préparer Jules Verne pour répondre aux évolutions de l’IA anticipées pour 2025-2030, notamment l’hybridation entre simulation physique, apprentissage et génération.

Pour l’inférence :

• Inciter les travaux de recherche sur la performance des modèles réduisant le besoin de CPU pour optimiser l’équilibre performance – robustesse – coût d’inférence ;
• Optimiser l’inférence en capitalisant sur des offres européennes de CPUs présentant le double avantage de la souveraineté et de la frugalité énergétique ;
• Mettre en place des dispositifs incitatifs pour permettre aux fournisseurs de cloud souverain de mettre à niveau les offres PaaS et GPU et de mettre à disposition des capacités pour l’entrainement et l’inférence à des coûts contrôlés et avec une empreinte écologique maitrisée ;
• Simplifier les processus d’accès à l’EuroHPC pour les besoins de finetuning/transfer learning.

Pour l’intégration des IA génératives :

• Proposer des bacs à sable pour expérimenter et stimuler l’innovation, comme par exemple les « Regulatory Sandboxes » dans le cadre de l’AI Act ou les TEF (Testing and Experimentation Facility), de la Commission Européenne6, et mettre en place les ressources et relais pour encourager les entreprises françaises à utiliser ces dispositifs, qui doivent intégrer ou donner accès à des capacités de calcul importantes ;
• Favoriser l’émergence de briques d’intégration européennes (LLM Ops, Systèmes d’IA) via une double démarche d’achats publics et d’accessibilité dans les places de marché des hyperscalers et des intégrateurs 2. Stimuler et soutenir la croissance de l’écosystème ;
• Lancer un « EU foundation model challenge » et accélérer l’initiative « IEC Scale-up Europe » ;
• Favoriser l’« open source » pour garantir l’indépendance, la souveraineté et baisser les barrières à l’entrée pour les acteurs européens ;
• Favoriser la concurrence en rendant obligatoire l’accès aux modèles des hyperscalers en dehors de leurs environnements cloud ;
• Sécuriser un quota fixe de marchés publics pour les startups françaises et adapter les processus de référencement en conséquence (« small business act » dédié à l’IA) ;
• Favoriser l’achat par les acteurs privés de solutions européennes, en incitant par exemple le fléchage de 10% du budget IT des entreprises sur CAC 40 ou du SBF 120 vers ces solutions, soit environ 10Md par an via une incitation fiscale type CIR ;
• Développer des places de marché performantes chez les fournisseurs de cloud et les ESN français/européens ;
• Adresser les problématiques de concurrence et de règles équitables en sécurisant pour les fournisseurs français une présence dans les places de marché des « hyperscalers » ;
• Adapter le programme IA Booster France 2030 pour accompagner les PME et les ETI dans l’adoption de l’IAG en intégrant les problématiques de coût de développement (ou de licence) ;
• Flécher le support public vers le développement d’offres B2B pour développer avec les bons talents et les bons outils des produits d’IAG respectueux des règles éthiques et des réglementations européennes, basés sur des modèles plus petits, moins chers à produire, plus frugaux et plus pertinents pour les usages des entreprises 3. Faciliter l’accès aux données dans un cadre de confiance ;
• Créer des fédérations de bases de données européennes (texte, audio, vidéo) normées et qualifiées pour diversifier et améliorer les modèles de langage et les sécuriser dans un cloud européen souverain et mettre en place des bacs à sable pour l’entrainement hébergés sur ces bases données au GENCI (et autres équivalents européens) ;
• Mettre en œuvre la proposition du ministère de l’Économie et des Finances d’un marché unique de la donnée avec une place de marché fondée sur un modèle économique permettant d’éviter une spéculation effrénée à l’avantage des acteurs en situation de monopole ;
• Lancer un chantier transverse sur la gestion des droits d’auteur permettant l’émergence des modèles européens tout en préservant le marché des médias et de la culture, avec un cadre clair et transparent de monétisation de la donnée et des moyens concrets pour le mettre en œuvre.

Pour accompagner les entreprises dans la gestion des risques et la régulation :

• Garantir une mise en place équilibrée et progressive de l’AI Act permettant d’associer innovation et protection pour les fournisseurs de modèles ou de systèmes d’IA générative ;
• Déployer un dispositif d’accompagnement opérationnel des fournisseurs et des consommateurs de solutions pour implémenter l’AI Act et organiser une boucle de retours terrains vers les autorités compétentes afin de faire évoluer le texte sur les mesures les plus problématiques à travers le dispositif d’actes délégués ;
• Faciliter l’accès à des outils de mise en conformité pour la donnée, les modèles et l’inférence ;
• Intégrer la taxonomie et les recommandations NIST7 pour se prémunir des risques cyber ;
• Promouvoir la recherche sur la « trustworthiness » en s’appuyant sur les dispositifs européens existants.

Pour piloter et optimiser l’empreinte environnementale :

• Déployer un cadre normalisé pour l’analyse du cycle de vie de l’IA générative intégrant le hardware (serveurs, cartes graphiques, …), l’entrainement et l’inférence ;
• Valoriser la frugalité des solutions souveraines européennes et l’énergie décarbonée française à un prix accessible comme un atout compétitif ;
• Acculturer et éduquer les utilisateurs (entreprises et individus) sur les enjeux environnementaux afin d’appuyer l’utilisation de l’IAG uniquement vers les usages qui le nécessitent vraiment (ex. il n’est pas nécessaire d’utiliser des LLM pour faire une simple recherche. Souvent des briques de NLP classiques ou un modèle de classification fine-tuné suffisent largement) ;
• Accompagner les développeurs de solutions dans l’adoption d’approches plus frugales en fonction des cas d’usage (techniques de « few shot learning », choix de modèles de petite taille…) ;
• Inciter les fournisseurs de solutions à mettre en place des systèmes automatiques pour orienter vers des modèles pertinents et frugaux par opposition aux modèles les plus puissants ;
• Limiter la multiplication des solutions et favoriser les solutions open source et partagées afin d’éviter le gaspillage de ressources et la redondance ;
• Mesurer et piloter l’effet rebond et les incidences sur l’environnement.

Pour accélérer la montée en compétence afin de favoriser l’adoption de l’IA générative :

• Favoriser l’enseignement de l’informatique et de l’IA dès l’école primaire ;
• Établir une cartographie des besoins en compétences IAG au sein des entreprises en fonction de leur typologie et de la typologie des métiers impactés, notamment la transformation des métiers au-delà des métiers IA et IT ;
• Accélérer le processus de labellisation de nouvelles formations, certifiantes de préférence : parcours d’acculturation, certification de compétence sur les outils d’IA générative, re-skilling à l’échelle (stratégie de massification) ;
• Promouvoir la transparence des solutions intégrant de l’IAG pour faciliter l’acceptabilité par les utilisateurs ;
• Mettre en place un observatoire de l’IAG afin de piloter dans le temps l’évolution de l’adoption, des usages, de la prise en main des métiers, des risques et des impacts (productivité, emploi, effets rebonds, environnement) en s’appuyant par exemple sur le projet européen « DeployAI ».

Les recommandations du Comité national pilote d’éthique du numérique (juillet 2023) :

1) Sur les enjeux éthiques

Les transformations technologiques, notamment celles liées à l’IAG, suscitent à la fois espoirs et craintes dans la société. Cependant, la société a du mal à anticiper pleinement les conséquences de ces avancées, soulevant ainsi des questions éthiques et sociales dans les débats sur leur réglementation.

Le CNPEN recommande :

• d’analyser éthiquement les choix technologiques lors de la conception des systèmes d’IA générative. Si des tensions éthiques sont détectées, envisager méthodiquement des solutions techniques pour les résoudre, puis évaluer ces solutions dans des contextes d’utilisation réels ;
• d’éviter les excès de contrôle (overpolicing) des modèles par les concepteurs ;
• de créer une entité souveraine dédiée à la recherche et à la formation sur « IA, science et société » ;
• et faire preuve de prudence dans la vitesse d’adoption des systèmes d’IA générative et prévoir des évaluations préalables et continues.

Par ailleurs, le CNPEN identifie 7 problématiques éthiques pour lesquels il élabore 12 préconisations :

Rapport à la vérité et absence de signification :

• Utiliser des sources de qualité pour l’apprentissage des systèmes d’IAG.
• Tenir compte des effets des choix des hyperparamètres des modèles.

Manipulation de l’utilisateur sans responsabilité :

• Évaluer les biais connus des modèles à base de jeux d’essais standardisés.
• Mutualiser les pratiques d’utilisation des systèmes d’IAG.

Maintien des distinctions :

• Implémenter une solution technique, comme un code en filigrane (« watermark« ), pour permettre à l’utilisateur de distinguer le résultat d’un modèle d’une production humaine.
• Amplifier les recherches sur les codes en filigrane.

Projection de qualités humaines :

• Mettre en œuvre des mécanismes de contrôle et de filtrage spécifiques pour réduire la projection des qualités humaines sur les systèmes d’IAG.
• Informer l’utilisateur des biais potentiels de l’anthropomorphisation.

Comportements émergents :

• Étudier les comportements émergents et les effets inconnus des modèles.

Multilinguisme et dominance d’une langue :

• Concevoir les systèmes d’IAG dans différentes langues reflétant la diversité des cultures.

Éducation et conséquences sur l’apprentissage humain :

• Faciliter la prise en main du système grâce au paramétrage des systèmes d’IA par les utilisateurs.
• Utiliser les systèmes d’IAG pour l’éducation.

Question de libre accès et de logiciel ouvert :

• Conditionner le libre accès des modèles de fondation à la prise de conscience par leurs concepteurs des enjeux d’ouverture et des risques de mésusage.
• Expliciter et appliquer des critères de transparence et d’évaluation.

2) Sur les enjeux juridiques

Les règles juridiques imposées aux systèmes d’IAG et aux modèles de fondation :

• Considérer les modèles de fondation mis sur le marché et les systèmes d’IAG comme des systèmes à haut risque.
• Attribuer la responsabilité légale aux fournisseurs des modèles de fondation et aux déployeurs d’applications spécifiques d’IAG à partir de ces modèles, avec une extension de la responsabilité morale aux concepteurs et développeurs.

Le RGPD en lien avec les systèmes d’IAG :

• Produire des lignes directrices par le Comité européen de protection des données pour articuler le règlement sur l’IA avec le RGPD, afin de préciser l’interprétation de ce dernier dans le contexte du développement de l’IAG en Europe.

Le droit d’auteur en lien avec les systèmes d’IAG :

• Élaborer des règles juridiques et un questionnement éthique sur la collecte, le stockage et la réutilisation des traces linguistiques des interactions entre les modèles de langue et les êtres humains, similaire à l’encadrement des données à caractère personnel.
• Engager des recherches scientifiques, des réflexions pluridisciplinaires et des discussions entre États sur l’adaptation du droit existant en matière de droit d’auteur aux techniques d’IAG.

3) Sur les enjeux écologiques et environnementaux

Impact environnemental de l’IAG :

• Développer une métrique de l’empreinte environnementale des systèmes d’IAG et des modèles de fondation.
• Exiger plus de transparence sur les effets sur l’environnement de la part des concepteurs.

États-Unis

Les recommandations de l’Information Technology Industry Council (ITI) en réponse aux questions du Comité présidentiel des conseillers en science et technologie pour une meilleure utilisation de l’IA générative aux USA (août 2023) :

• Mettre en place une politique de transparence de la part des entreprises pour renforcer la confiance des utilisateurs et leur permettre de mieux évaluer les informations générées par l’IA générative ;
• Utiliser l’IA pour lutter contre la désinformation, notamment en mettant en place des évaluations de la fiabilité des contenus générés ou des approches collaboratives entre différents acteurs pour permettre la traçabilité du contenu numérique grâce à l’utilisation de technologies de détection.

Monde

Les lignes directrices de la Commission européenne pour l’utilisation de l’IA générative dans la recherche (mars 2024) :

Recommandations pour les chercheurs :

• Rester responsable en dernier ressort de la production scientifique ;
• Utiliser l’IA générative de manière transparente ;
• Porter une attention particulière aux questions liées à la vie privée, à la confidentialité et aux droits de propriété intellectuelle lors du partage d’informations sensibles ou protégées avec des outils d’IA ;
• Lors de l’utilisation de l’IA générative, respecter la législation nationale, européenne et internationale applicable, comme dans le cadre des activités de recherche régulières ;
• Apprendre en permanence à utiliser correctement les outils d’IA générative pour maximiser leurs avantages, notamment en suivant une formation ;
• S’abstenir d’utiliser de manière substantielle des outils d’IA générative dans des activités sensibles qui pourraient avoir un impact sur d’autres chercheurs ou organisations.

Recommandations pour les organismes de recherche

• Promouvoir, guider et soutenir l’utilisation responsable de l’IA générative dans les activités de recherche ;
• Surveiller activement le développement et l’utilisation de systèmes d’IA générative au sein de leurs organisations ;
• Référencer ou intégrer ces lignes directrices sur l’IA générative dans leurs lignes directrices générales de recherche pour les bonnes pratiques et l’éthique de la recherche ;
• Dans la mesure du possible et nécessaire, développer des outils d’IA générative hébergés localement ou basés sur un cloud géré par les organismes de recherche eux-mêmes.

Recommandations aux organismes de financement de la recherche

• Promouvoir et soutenir l’utilisation responsable de l’IA générative dans la recherche ;
• Examiner l’utilisation de l’IA générative dans leurs processus internes, en s’assurant qu’ils l’utilisent de manière transparente et responsable ;
• Demander de la transparence aux candidats sur leur utilisation de l’IA générative, facilitant ainsi les moyens de signaler une mauvaise utilisation ;
• S’impliquer activement dans le paysage de l’IA générative qui évolue très rapidement.