La réglementation de l’intelligence artificielle dans le secteur de la conformité bancaire : approche européenne et canadienne
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ce mémoire propose une analyse comparative de l'intégration de l'intelligence artificielle (IA) dans le secteur de la conformité bancaire, en s'intéressant aux approches européennes et canadiennes. Tandis que l'Union européenne a choisi de structurer cet encadrement à travers un règlement spécifique, le Canada avance de manière plus fragmentée, particulièrement depuis l'abandon du projet de loi C-27. Au fil de l'étude, plusieurs défis communs émergent : multiplication des normes, chevauchement des obligations, et insécurité juridique, autant de facteurs qui compliquent l'adoption d'outils d'IA dans le respect des exigences de conformité. L'analyse met en lumière les conséquences concrètes de cette fragmentation, notamment la hausse des coûts de conformité et un frein à l'innovation technologique. À partir de ces constats, ce travail propose des pistes pour clarifier et mieux articuler les règles existantes, en vue de bâtir un cadre plus lisible, cohérent et propice à l'innovation. En définitive, l’objectif poursuivi est d’esquisser les contours d’une régulation de l’IA adaptée aux défis du secteur bancaire, dans un contexte technologique en perpétuelle évolution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle