Vue d’ensemble

AI Coalition Network demande des comptes aux entreprises d’IA en les évaluant selon trois dimensions essentielles : les pratiques éthiques, la rentabilité durable et l’innovation responsable. Notre méthodologie est conçue pour que l’éthique reste au premier plan du développement de l’IA.

Contrairement aux classements traditionnels qui privilégient la seule croissance ou la seule technologie, nous récompensons les entreprises qui font preuve de responsabilité, de transparence et d’engagement en faveur d’une IA responsable. Les entreprises qui font l’impasse sur l’éthique obtiennent des scores plus bas, quels que soient leur réussite financière ou leurs capacités techniques.

Les classements sont calculés chaque jour à partir de données transparentes et vérifiables, selon trois piliers pondérés.

Les trois piliers

Éthique

30%

Responsabilité, transparence et pratiques d’IA responsables

Innovation

35%

Progrès technologique responsable qui profite à l’humanité

Rentabilité

35%

Pérennité financière et performance de l’entreprise

Chaque entreprise reçoit un score de 0 à 100 dans chaque catégorie, pondéré ensuite selon les pourcentages ci-dessus pour produire un score de classement global.

1. Score d’éthique (30 %) - Le cœur de la responsabilité

L’éthique est notre principale mesure de la responsabilité. Ce pilier évalue si une entreprise garde les pratiques éthiques au premier plan du développement de l’IA. Les entreprises qui privilégient la transparence, l’équité, la sécurité et un déploiement responsable sont mieux classées.

Nous demandons des comptes aux entreprises en rendant leurs engagements éthiques visibles et mesurables. De bons scores d’éthique exigent des actions démontrées, et pas seulement des déclarations de politique.

Facteurs de responsabilité :

  • Transparence et divulgation : Publication des capacités, des limites, des risques et des incidents de sécurité de l’IA
  • Investissement dans la sécurité de l’IA : Ressources consacrées à la recherche en sécurité, au « red-teaming », aux tests et à l’atténuation des risques
  • Équité et prévention des biais : Efforts actifs pour détecter, mesurer et éliminer les biais algorithmiques et la discrimination
  • Protection de la vie privée : Solide gouvernance des données, pratiques de consentement des utilisateurs et technologies protectrices de la vie privée
  • Structures de gouvernance : Comités d’éthique indépendants, protection des lanceurs d’alerte et mécanismes de responsabilité
  • Responsabilité environnementale : Efficacité énergétique, réduction de l’empreinte carbone et divulgation de l’impact climatique
  • Impact sociétal : Contributions à la recherche en sécurité de l’IA, aux initiatives d’intérêt public et à l’engagement communautaire
  • Qualité de la déclaration d’éthique : Clarté, précision et caractère exécutoire des engagements éthiques publiés
  • Pratiques de travail : Traitement équitable des travailleurs, y compris les annotateurs de données et les prestataires

Remarque : Les scores d’éthique reposent sur des informations accessibles au public, des audits de tiers, des certifications sectorielles et des politiques documentées. Les entreprises qui publient activement des rapports de transparence et dialoguent avec la communauté de la sécurité de l’IA obtiennent de meilleures notes.

2. Score d’innovation (35 %)

Le score d’innovation évalue les avancées techniques d’une entreprise et sa contribution au domaine plus large de l’IA. Nous valorisons aussi bien la recherche de rupture que les applications pratiques qui font progresser le secteur.

Facteurs de notation :

  • Production de recherche : Articles publiés, citations et contribution au débat académique
  • Capacités techniques : Sophistication et singularité de la technologie d’IA
  • Innovation produit : Applications inédites et fonctionnalités de produit de rupture
  • Contributions open source : Mise à disposition de modèles, d’outils et de jeux de données pour la communauté
  • Brevets et propriété intellectuelle : Propriété intellectuelle unique et avantages techniques durables
  • Impact sur le secteur : Influence sur les pratiques et les normes de développement de l’IA
  • Talents et expertise : Qualité de l’équipe technique et leadership intellectuel

Remarque : L’innovation est mesurée à la fois dans la recherche fondamentale et dans l’innovation appliquée. Nous reconnaissons que différentes entreprises contribuent au progrès de l’IA de différentes manières, des modèles de base aux applications spécialisées.

3. Score de rentabilité (35 %)

Le score de rentabilité évalue la santé financière d’une entreprise et la pérennité de son activité. Nous pensons que les entreprises durables sont mieux placées pour investir dans des pratiques éthiques et l’innovation à long terme.

Facteurs de notation :

  • Croissance du chiffre d’affaires : Trajectoire du chiffre d’affaires d’une année sur l’autre et taux de croissance
  • Marges bénéficiaires : Marges d’exploitation et trajectoire vers la rentabilité
  • Stabilité financière : Réserves de trésorerie, rythme de consommation de trésorerie et situation de financement
  • Position sur le marché : Parts de marché, positionnement concurrentiel et fidélisation des clients
  • Modèle économique : Pérennité et capacité d’évolution des sources de revenus

Remarque : Nous évaluons équitablement les entreprises rentables établies et les start-up à forte croissance en tenant compte d’indicateurs adaptés à leur stade. Les entreprises en phase de démarrage sont évaluées sur leur trajectoire de croissance et leur traction sur le marché plutôt que sur leur rentabilité absolue.

Calcul du score

Le score global de chaque entreprise est calculé avec la formule pondérée suivante :

Score global = (Éthique × 0,30) + (Innovation × 0,35) + (Rentabilité × 0,35)

Tous les scores des composantes vont de 0 à 100, ce qui donne un score global compris lui aussi entre 0 et 100. Les entreprises sont ensuite classées par ordre décroissant de score global.

Normalisation des scores

Les scores individuels des composantes sont normalisés afin de garantir une comparaison équitable entre des entreprises de tailles et de stades différents. Nous utilisons une normalisation par percentiles au sein de cohortes sectorielles pour tenir compte de références adaptées à chaque stade.

Sources de données et vérification

Nos classements reposent sur des données issues de plusieurs sources vérifiées afin de garantir exactitude et fiabilité :

  • Données fournies par les entreprises : Informations fournies directement par les entreprises via notre plateforme
  • Divulgations publiques : Dépôts auprès de la SEC, communiqués de presse et annonces officielles des entreprises
  • Publications de recherche : Articles universitaires, présentations de conférences et blogs techniques
  • Audits de tiers : Évaluations et certifications indépendantes
  • Actualités et médias : Reportages vérifiés de publications technologiques et économiques réputées
  • Bases de données sectorielles : Crunchbase, PitchBook, bases de données de brevets et index de citations

Tous les points de données sont vérifiés auprès de plusieurs sources lorsque c’est possible, et les entreprises ont la possibilité de relire et de corriger leurs informations avant la publication des classements.

Fréquence de mise à jour

Les classements sont recalculés automatiquement chaque jour à 2 h 00 UTC. Cela garantit que nos classements reflètent les données les plus récentes disponibles tout en restant cohérents.

  • Mises à jour quotidiennes : Les scores globaux et les classements sont actualisés chaque jour
  • Données d’entreprise en temps réel : Les mises à jour du profil d’une entreprise sont prises en compte au prochain cycle de calcul
  • Suivi historique : Nous conservons les classements historiques pour montrer les tendances dans le temps
  • Ajustements liés à des événements : Des annonces ou événements majeurs peuvent déclencher un recalcul immédiat

Transparence et recours

Nous nous engageons à maintenir un processus de classement transparent et équitable. Les entreprises peuvent :

  • Examiner leurs scores : Consulter le détail de leurs scores par composante et leurs sources de données
  • Soumettre des corrections : Demander la mise à jour d’informations incorrectes ou périmées
  • Contester un classement : Contester des scores avec des justificatifs à l’appui
  • Fournir des données supplémentaires : Soumettre des preuves de réalisations non encore reflétées dans les classements

Tous les recours sont examinés par notre équipe éditoriale sous 5 jours ouvrables. Nous conservons une documentation détaillée de nos décisions de notation et des mises à jour de notre méthodologie.

Évolution de la méthodologie

À mesure que le secteur de l’IA évolue, notre méthodologie évolue aussi. Nous révisons et mettons régulièrement à jour nos critères de notation afin qu’ils reflètent les bonnes pratiques et les normes actuelles du secteur.

Les changements majeurs de méthodologie sont annoncés au moins 30 jours à l’avance, et nous tenons un journal des modifications de toutes les mises à jour. Les entreprises sont informées des changements susceptibles d’avoir un impact important sur leur classement.

Vos retours sont les bienvenus : Nous sollicitons activement l’avis de la communauté de l’IA, des entreprises et des utilisateurs pour améliorer continuellement notre méthodologie. Écrivez-nous à methodology@ai-coalition.net pour vos suggestions.

Limites et avertissements

Bien que nous nous efforcions d’être exacts, notre système de classement présente des limites inhérentes :

  • Les classements reposent sur des informations accessibles au public et peuvent ne pas rendre compte de tous les aspects des activités d’une entreprise
  • Certains indicateurs, en particulier les scores d’éthique, impliquent une appréciation et une interprétation subjectives
  • Les entreprises en phase de démarrage peuvent disposer de peu de données publiques à évaluer
  • Les classements ne doivent pas être considérés comme des conseils en investissement ni comme des évaluations définitives de la valeur d’une entreprise
  • Les scores représentent une performance relative au sein du secteur de l’IA, et non des mesures absolues

Nous encourageons les utilisateurs à mener leurs propres recherches et vérifications. Nos classements sont destinés à fournir un point de départ pour l’évaluation, et non une évaluation exhaustive.