Réalisez une analyse PESTEL pour l'implémentation d'un système d'IA générative dans une banque suisse (ex: UBS).
✅ Correction modèle — PESTEL IA Générative UBS
P — Politique : Pression réglementaire FINMA sur transparence algorithmes, AI Act UE applicable aux activités transfrontalières, recommandations OCDE sur IA financière. É — Économique : Investissement initial ~$2M (infra + formation), ROI projeté 40% réduction coûts support, marché concurrentiel (Credit Suisse, Pictet adoptent aussi l'IA générative). S — Socioculturel : Résistance collaborateurs (68% craignent déplacement), culture bancaire conservatrice, formation 1500+ employés requise, communication transparente essentielle. T — Technologique : Migration Azure + GPT-4 Turbo, architecture RAG sur documents internes, latence cible <500ms, intégration API core banking. E — Environnemental : Empreinte carbone data centers (cible PUE <1.3), objectif net zéro UBS 2025, optimisation batch processing pour réduire compute. L — Légal : LPD suisse (DPO dédié IA), RGPD pour clients UE, AI Act Niveau 2 pour scoring crédit, documentation traitement données obligatoire.
Question 5 — Gouvernance IA (20 points)
Quels sont les 5 rôles clés dans une structure de gouvernance IA d'entreprise ? Décrivez brièvement chacun.
✅ Correction modèle — 5 rôles Gouvernance IA
1. Chief AI Officer (CAIO) — Responsable de la stratégie IA globale. Interface entre C-Level et équipes techniques. Pilote le comité IA mensuel. Reporte directement au CEO. Valide le budget IA et les priorités roadmap. 2. AI Ethics Committee — Validation éthique des projets IA sensibles avant déploiement. Composition : CAIO + DPO + Juridique + RH + représentant collaborateurs. Réunion trimestrielle. Pouvoir de veto sur projets à risque élevé. 3. Chief Data Officer (CDO) — Gouvernance des données : qualité, pipeline ETL, conformité RGPD/LPD. Propriétaire de la Data Mesh. Garantit que les données d'entraînement sont fiables et conformes. 4. AI Product Owner (APO) — Gestion du backlog IA, priorisation des use cases, liaison entre métiers et équipes tech. Méthode agile (sprints 2 semaines). Définit les critères d'acceptation des modèles (métriques, seuils). 5. MLOps Engineer — Déploiement, monitoring et maintenance des modèles en production. Gestion du model drift, alerting automatique, retraining. Garantit la disponibilité système (SLA 99.9%) et la performance continue.
📊 Résultats Épreuve 2
QCM (Q1+Q2)—/10
Veille (Q3)Auto-évaluation
PESTEL (Q4)Auto-évaluation
Gouvernance (Q5)Auto-évaluation
Auto-évaluation des réponses ouvertes (1-5 étoiles) :
Q3 — Veille active/passive
Q4 — PESTEL banque IA
Q5 — Gouvernance 5 rôles
🟢 Épreuve 3 — Incident Critique 25%
Durée simulée : 1h · Analyse d'une situation réelle