Le FEAT en contexte : le leadership de Singapour en matière de gouvernance de l'IA

L'Autorité monétaire de Singapour (Monetary Authority of Singapore, MAS) a publié en novembre 2018 ses Principes visant à promouvoir l'équité, l'éthique, la responsabilité et la transparence (Fairness, Ethics, Accountability and Transparency, FEAT) dans l'utilisation de l'intelligence artificielle et de l'analyse de données, ce qui en fait l'un des premiers grands régulateurs financiers au monde à publier des lignes directrices de gouvernance spécifiques à l'IA. Les Principes FEAT sont depuis devenus le cadre fondateur de la gouvernance de l'IA dans le secteur financier de Singapour et ont influencé les cadres de gouvernance de l'IA dans toute la région de l'ASEAN et au-delà.

Si les Principes FEAT sont formellement volontaires, la MAS ne les ayant pas (encore) rendus juridiquement contraignants, ils fonctionnent en pratique comme des attentes réglementaires. Les échanges de supervision de la MAS, les revues thématiques et les engagements avec le secteur font systématiquement référence au FEAT comme norme à l'aune de laquelle sont évaluées les pratiques de gouvernance de l'IA des institutions financières. La consultation de novembre 2025 sur les lignes directrices relatives à la gestion des risques liés à l'IA signale que des exigences formelles et contraignantes se profilent à l'horizon, mais les institutions qui n'ont pas encore mis en œuvre le FEAT ne devraient pas attendre les règles définitives.

Équité : au-delà de la conformité légale

Le principe d'équité du FEAT comporte deux volets. Premièrement, la non-discrimination : les systèmes d'IA ne doivent pas produire de résultats discriminant injustement des individus ou des groupes sur la base de caractéristiques protégées. Deuxièmement, plus exigeant, l'équité des résultats : les systèmes d'IA ne doivent pas perpétuer les biais historiques intégrés dans les données d'entraînement, même lorsque ces biais ne font pas explicitement référence à des caractéristiques protégées. Ce second volet va au-delà de ce qu'exige la plupart des législations anti-discrimination et crée une obligation proactive d'identifier et de traiter la discrimination par substitution (proxy discrimination).

La méthodologie d'évaluation de l'équité du Consortium Veritas fournit des critères quantitatifs précis pour évaluer l'équité de l'IA dans les services financiers. Cette méthodologie précise : quelles mesures d'équité conviennent à quels types de décisions (crédit, assurance, conseil en investissement), quels seuils signalent un problème d'équité nécessitant une enquête, et comment évaluer les arbitrages entre les différentes définitions de l'équité. La mise en œuvre de la méthodologie Veritas nécessite un investissement dans les capacités de science des données et l'expertise statistique, mais elle fournit une preuve défendable de l'évaluation de l'équité, qui satisfait aux attentes de supervision de la MAS.

Explicabilité : l'approche singapourienne

Le principe de transparence du FEAT exige que les institutions financières puissent expliquer leurs décisions fondées sur l'IA aux clients concernés ainsi qu'à la MAS. L'exigence d'explicabilité comporte à la fois une dimension technique et une dimension opérationnelle. La dimension technique : le système d'IA doit générer des explications de ses décisions, pas seulement un score, mais les facteurs ayant contribué à ce score et leur importance relative. La dimension opérationnelle : les explications doivent être communiquées aux clients d'une manière exacte, compréhensible et exploitable ; un client dont le crédit est refusé devrait pouvoir comprendre ce qu'il pourrait faire différemment pour améliorer son résultat.

Pour aller plus loin : PDPC AI Governance

Lectures complémentaires

Pour aller plus loin : PDPC AI Governance