Key points are not available for this paper at this time.
Une attention considérable a été accordée aux audits algorithmiques et aux évaluations d'impact pour tenir les développeurs et les utilisateurs de systèmes algorithmiques responsables. Mais les approches politiques d'imputabilité algorithmique existantes ont négligé les leçons des domaines non algorithmiques : notamment, l'importance des tiers. Notre article synthétise les leçons d'autres domaines sur la manière de créer des systèmes efficaces de supervision externe pour les déploiements algorithmiques. Tout d'abord, nous discutons des défis de la supervision par des tiers dans le paysage actuel de l'IA. Deuxièmement, nous faisons un état des lieux des systèmes d'audit à travers différents domaines - par exemple, la régulation financière, environnementale et de la santé - et montrons que la conception institutionnelle de ces audits est loin d'être monolithique. Enfin, nous examinons la base de preuves autour de ces composants de conception et précisons les implications pour l'audit algorithmique. Nous concluons que le tournant vers des audits seuls est peu susceptible d'atteindre une réelle responsabilité algorithmique, et qu'un accent soutenu sur la conception institutionnelle sera nécessaire pour une implication significative des tiers.
Raji et al. (Mar,) ont étudié cette question.