Évaluation structurée des besoins, exigences et contraintes en intelligence artificielle explicable pour une intelligence artificielle de confiance

Raymond, Camélia (2026). Évaluation structurée des besoins, exigences et contraintes en intelligence artificielle explicable pour une intelligence artificielle de confiance. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (14MB) | Prévisualisation

Résumé

Au Québec, le déploiement de l’intelligence artificielle (IA) soulève des enjeux croissants de transparence, d’éthique et de responsabilité. Bien que la Loi 25 encadre désormais la gouvernance des systèmes automatisés, la mise en œuvre de l’intelligence artificielle explicable (XIA) demeure difficile à concrétiser dans les milieux industriels. Les approches actuelles se concentrent sur les aspects techniques des algorithmes, sans offrir de méthodologie claire pour cerner et formaliser les besoins réels des parties prenantes. Cette recherche vise à combler ce décalage en proposant une méthodologie pour identifier, structurer et prioriser les exigences, contraintes et besoins en XIA, adaptée au contexte québécois et alignée sur les principes de l’IA de confiance. Elle s’articule autour de quatre articles complémentaires explorant les dimensions juridiques, éthiques, organisationnelles et pratique de la XIA. Les trois premiers articles jettent les bases conceptuelles et normatives nécessaires à la conception d’une IA explicable : interprétation du cadre juridique québécois, opérationnalisation des principes éthiques et caractérisation des parties prenantes. Le quatrième article consolide ces acquis dans une méthodologie complète, le XAIRS (Explainable Artificial Intelligence Requirements Specification), un outil destiné à guider la spécification des exigences en XIA tout au long du cycle de vie des systèmes d’IA. Cette recherche met en évidence que la XIA peut être abordée comme un enjeu d’ingénierie, où la formalisation des besoins et des contraintes devient un levier de transparence et de redevabilité dans la conception des systèmes d’IA. Les résultats démontrent la faisabilité et la pertinence du XAIRS dans les contextes industriels québécois.

Titre traduit

Structured assessment of needs, requirements, and constraints in explainable artificial intelligence for trustworthy artifical intelligence

Résumé traduit

In Quebec, the deployment of artificial intelligence (AI) raises growing issues of transparency, ethics, and accountability. Although Bill 25 now regulates the governance of automated systems, the implementation of explainable artificial intelligence (XIA) remains difficult to achieve in industrial settings. Current approaches focus on the technical aspects of algorithms, without offering a clear methodology for identifying and formalizing the real needs of stakeholders. This research aims to bridge this gap by proposing a methodology for identifying, structuring, and prioritizing XAI requirements, constraints, and needs, adapted to the Quebec context and aligned with the principles of trustworthy AI. It is structured around four complementary articles exploring the legal, ethical, organizational, and practical dimensions of XAI. The first three articles lay the conceptual and normative foundations necessary for the design of explainable AI: interpretation of the Quebec legal framework, operationalization of ethical principles, and characterization of stakeholders. The fourth article consolidates these findings into a comprehensive methodology, XAIRS (Explainable Artificial Intelligence Requirements Specification), a tool designed to guide the specification of XAI requirements throughout the life cycle of AI systems. This research highlights that XAI can be approached as an engineering issue, where the formalization of needs and constraints becomes a lever for transparency and accountability in the design of AI systems. The results demonstrate the feasibility and relevance of XAIRS in Quebec industrial contexts.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire par articles présentée à l'École de technologie supérieure comme exigence partielle à l'obtention de M. SC. A. en génie logiciel avec mémoire". Comprend des références bibliographiques (pages 215-235).
Mots-clés libres:	intelligence artificielle, IA de confiance, IA explicable, IA légale, IA éthique
Directeur de mémoire/thèse:	Directeur(-trice) Ratté, Sylvie
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Daoust, Marc-Kevin
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	29 mai 2026 15:51
Dernière modification:	29 mai 2026 15:51
URI:	https://espace.etsmtl.ca/id/eprint/3929

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt