Misha Benjamin est le nouveau directeur juridique de Sama, chargé de superviser tous les aspects juridiques de leur logiciel et de leurs services d’annotation des données de formation et de production pour l’IA. Avant cela, il était avocat général associé chez McKinsey & Company, où il a contribué à l’élaboration de garde-fous en matière de risques et a supervisé les discussions contractuelles pour les analyses avancées et les missions d’IA. Il a notamment contribué à structurer l’approche du risque pour les engagements d’IA à haut risque et a informé de la manière dont les nouvelles réglementations en matière d’IA allaient façonner leurs activités et celles de leurs clients. Il a d’abord développé son expertise en matière d’IA chez Element AI, où il était chargé de faire passer les logiciels d’IA de la recherche au déploiement commercial, de définir la position de l’entreprise sur des questions telles que la réutilisation des modèles formés et de surveiller et d’encourager la surveillance réglementaire de l’IA. Il a également insisté sur la nécessité d’une plus grande clarté juridique concernant les droits liés aux données de formation pour l’IA, ce qui a abouti à la création du Cadre de licence de données de Montréal.

Le rythme auquel la réglementation et les interventions académiques en matière d’IA s’est accéléré au cours des dernières années. Toutefois, la grande partie de cet intérêt se concentre à l’avant-plan du monde de l’IA, c’est-à-dire les modèles eux-mêmes et leurs extrants. Nous discuterons de sujets encore tenus sous silence, en prenant soin d’examiner leurs conséquences et comment y remédier. Par exemple, comment résoudre le fait que les licences de logiciels libres ne traitent pas adéquatement des enjeux découlant du partage public de données et labels ? Quelles pistes suggérer afin que les phases de préparation / ingénierie de données soient adéquatement traitées par les autorités réglementaires ? Somme toute, nous voulons discuter de certains thèmes mettant en lumière l’échec du cadre réglementaire dans la prise en compte des étapes clés de la mise en valeur de l’IA.