# CARE réduit les vérifications humaines dans les décisions de l’IA

> Selon des tests menés sur des données de conduite, de langage et de robotique, le système CARE réduit de 25 à 81 % les besoins de vérification humaine tout en préservant la sécurité.

Oossa · 2026-10-08 · https://oossa.com/fr/researchers-unveil-care-pipeline-to-cut-human-checks-in-ai-decisions

Une équipe dirigée par Chenyu Zhang a publié le 6 octobre 2026 un article présentant CARE, pour « calibrated adaptive rectification and escalation ». Cette méthode permet à un modèle d’IA de solliciter l’aide d’un humain uniquement lorsque c’est nécessaire, puis d’utiliser ses retours pour améliorer ses prédictions ultérieures. Des essais menés sur quatre jeux de données réels portant sur des domaines critiques pour la sécurité montrent que cette approche préserve la sûreté des décisions et réduit de 25 à 81 % le nombre de demandes adressées à des humains par rapport aux méthodes existantes.

## Les faits

- Article soumis le 6 octobre 2026 (« Tue, 6 Oct 2026 19:44:15 UTC »)
- Le nombre de demandes adressées à des humains a diminué de 25 à 81 % sur quatre jeux de données

## Pourquoi c'est important

Pour les entreprises qui déploient l’IA dans des domaines critiques pour la sécurité, CARE pourrait réduire les coûts de main-d’œuvre tout en maintenant une supervision humaine.

## Sources et références

1. [Careful Judge: Safe and Efficient Human-AI Collaborative Decision Making](https://arxiv.org/abs/2610.09043) – arXiv stat.ML, 2026-10-08

Dernière mise à jour: 2026-10-08