L'outil IA DOGE vise à réduire de 50 % la réglementation américaine à l'occasion de l'anniversaire de l'investiture de Trump

Selon les rapports, les autorités fédérales utilisent un outil d'intelligence artificielle développé dans le cadre de l'initiative Department of Government Efficiency (DOGE) pour identifier les réglementations à éliminer. À l'anniversaire de l'investiture de Trump, les agences gouvernementales espèrent supprimer environ 50 % des règles fédérales existantes.

Selon des sources, le Département du Logement et du Développement Urbain (HUD) et le Consumer Financial Protection Bureau (CFPB) utilisent l'« Outil de déréglementation par IA ».

L'Outil de décision de déréglementation alimenté par l'IA examinera environ 200 000 règles et éliminera celles qu'il jugera inutiles, visant une réduction de 50 % d'ici janvier prochain.

Les réglementations identifiées par le système seront ensuite soumises à un examen par le personnel avant leur suppression. Le Département du Logement et du Développement Urbain (HUD) a déjà déployé l'outil pour évaluer 1 083 sections réglementaires. Parallèlement, le Consumer Financial Protection Bureau s'est appuyé sur lui pour toutes ses décisions de déréglementation.

M. Fields a affirmé qu'ils examinent toujours toutes les options pour faciliter la déréglementation

Lors de sa campagne, le président Trump a soutenu que certaines réglementations fédérales entraînaient des prix gonflés pour plusieurs biens de consommation. Il s'est engagé à lancer la « réduction réglementaire la plus agressive » de l'histoire des États-Unis, y compris des efforts pour annuler les protections environnementales et démanteler l'Environmental Protection Agency (EPA).

Interrogé sur l'utilisation de l'IA pour déréglementer, le porte-parole de la Maison Blanche, Harrison Fields, a déclaré qu'ils examinaient toutes les options potentielles pour réaliser l'agenda de déréglementation du président. Cependant, il a souligné qu'aucun plan spécifique n'était figé et que les discussions en étaient encore à un stade précoce et impliquaient une coordination étroite avec la Maison Blanche.

Il a ajouté : « Les experts de DOGE qui élaborent ces plans sont les meilleurs et les plus brillants du secteur, et ils entreprennent une transformation jamais tentée auparavant des systèmes et opérations gouvernementaux pour améliorer l'efficacité et l'efficience. »

Le réviseur de contrats par IA de DOGE a fait face à des problèmes en juin

En juin, le système IA de DOGE a incorrectement signalé le contrat internet du Département des Anciens Combattants (Department of Veterans Affairs) pour annulation. Selon l'agence, ils ont donné au service des instructions vagues et contradictoires, d'où l'incident.

Sahil Lavingia, auteur du code IA, avait instruit le système de supprimer tout ce qui n'était pas directement lié aux soins aux patients. Mais ni lui ni l'IA n'avaient les connaissances nécessaires pour juger cela avec précision.

Lavingia, s'entretenant avec ProPublica, a reconnu avoir commis des erreurs car il n'avait pas assez de temps et d'outils. Il a également noté qu'il comprenait que la liste issue de la liste « MUNCHABLE » était destinée à être examinée par d'autres avant toute décision.

L'analyse de ProPublica a révélé que le code de Lavingia s'appuyait également sur des modèles IA plus anciens et génériques. Le modèle produisait des chiffres erronés, estimant souvent environ 1 100 contrats à 34 millions de dollars chacun alors que les chiffres réels étaient fréquemment dans les milliers, et il avait du mal à traiter des documents entiers. Les analystes ont également déclaré que l'utilisation d'une IA standard avec une compréhension limitée des opérations du VA n'aurait jamais dû être envisagée.

Waldo Jaquith, un ancien fonctionnaire du Trésor nommé sous Obama qui gérait les contrats informatiques, a critiqué DOGE pour avoir incité le système IA à extraire des informations de sources facilement accessibles plutôt que de sources précises, telles que les bases de données publiques comme USAspending. Il a décrit l'approche comme paresseuse ; bien que plus rapide, elle est moins précise.

Cary Coglianese, professeur à l'Université de Pennsylvanie, a également noté que le modèle IA aurait besoin d'une compréhension avancée des soins médicaux, des opérations institutionnelles et des ressources en personnel, des connaissances qui lui font actuellement défaut.