Ce message est de Tim de Sousa, éditeur du [Rules as Code Handbook](https://github.com/Rules-as-Code-League/RaC-Handbook/wiki/1-Introduction:-What-is-Rules -as-Code%3F)

  • **Le problème : **La réflexion sur les règles en tant que code est souvent axée sur les étapes initiales.
  • Pourquoi c'est important : Nous ne pouvons pas créer ce que nous ne pouvons pas imaginer.
  • La solution : Imaginez les règles idéales comme le futur activé par le code, afin que nous puissions concevoir en conséquence.

En 2021, Rules as Code (RaC) a vraiment atteint son rythme. De plus en plus de gouvernements explorent le concept de législation, de réglementation et de politique relatives aux machines consommables, des instituts de recherche ont été créés, [des articles](https://oecd-opsi. org/projects/rulesascode/#:~:text=OPSI's%202020%20report%2C%20Cracking%20the,three%20interrelated%20problems%20for%20governments.) et [reports](https://hamish.dev/research/ lac/index) sont en cours de publication, des outils et des plates-formes sont en cours de construction, et [les équipes multidisciplinaires apprennent de nouvelles façons de rédiger et de mettre en œuvre des règles en se salissant les mains](https://reganmeloche.medium.com/rules-as -code-encoding-rules-in-a-government-context-part-3-360347dcb573).

RaC est encore une pratique émergente. Une grande partie de la discussion actuelle sur RaC est centrée sur des questions d'introduction telles que pourquoi et comment nous devrions coder les règles ([et nous avons essayé de répondre à ces questions ici](https://aphysical.co/en/solution_article/we-can -créer-de-meilleurs-résultats-quand-on-code-les-règles)), mais pour comprendre le véritable potentiel de RaC, nous devons adopter une vision plus longue.

Dans cette série en deux parties, j'ai présenté quelques futurs optimistes possibles qui pourraient être activés par RaC. Nous devons nous demander quel genre de monde nous voulons construire avec des règles codées. afin que nous puissions mieux planifier comment y arriver.

Décisions automatisées fiables

La première réaction à laquelle les praticiens RaC sont souvent confrontés est la peur du robot tueur. Que se passe-t-il si le système automatisé prend une mauvaise décision ? Et si cette décision blessait quelqu'un ? Ce n'est pas une crainte infondée - nous avons vu des systèmes automatisés mal mis en œuvre et mal utilisés [augmenter des dettes qui ne sont pas dues](https://www.theguardian.com/australia-news/2021/jun/11/robodebt-court- approuve -18bn-settlement-for-victims-of-governments-shameful-failure), et conduit à [l'arrestation de personnes innocentes](https://www.nytimes.com/2020/06/24/technology/facial- reconnaissance-arrestation.html). Tous les systèmes construits par l'homme ont des défauts et les systèmes compatibles RaC ne sont pas à l'abri.

En tant qu'ancien avocat administratif et personne aux prises avec les utilisations éthiques de la technologie au quotidien, l'utilisation de RaC pour aider les gens à comprendre quelles décisions sont prises et comment elles sont prises - c'est-à-dire pour permettre des décisions automatisées dignes de confiance - est particulièrement convaincant.

Le droit administratif est l'ensemble du droit qui régit la façon dont les gouvernements prennent des décisions. Dans les pays de common law, cela inclut généralement des exigences selon lesquelles seules les questions pertinentes doivent être prises en compte, les questions non pertinentes ne doivent pas l'être, les décisions doivent être motivées et il doit y avoir des voies pratiques pour les révisions au fond des décisions.

Dans un avenir optimiste, les gouvernements ont reconnu et adapté le fait que les machines sont des utilisateurs importants de leurs ensembles de règles.

Ce que le droit administratif nous offre, c'est un cadre éprouvé pour une prise de décision fiable et responsable. Une vision de l'avenir est que nous intégrons pleinement et systématiquement ces principes dans les systèmes de prise de décision activés par RaC. À l'avenir, nous aurons davantage de décisions automatisées, mais nous n'avons pas besoin de croire que ces décisions sont correctes, car elles sont manifestement dignes de confiance.

Prendre de meilleures décisions

Pour moi, le véritable potentiel de RaC n'est pas une prise de décision plus rapide grâce à l'automatisation, mais une prise de décision meilleure. Les entreprises et les organisations sont fortement motivées pour automatiser les processus de prise de décision - les économies potentielles et les gains d'efficacité sont tout simplement trop importants pour être ignorés. Cependant, des processus décisionnels automatisés basés sur une implémentation RaC optimale peuvent garantir que la décision est totalement transparente et traçable. Plus précisément, nous pouvons construire un système de prise de décision basé sur un ensemble de règles ouvert et inspectable, de sorte que les règles appliquées soient claires. Nous pouvons également rendre la décision avec des informations sur les règles qui ont été appliquées, sur quels faits ou preuves - cela fournit des raisons entièrement traçables pour la décision.

Un excellent exemple de cette approche est la plate-forme DataLex d'Austlii, qui génère automatiquement un rapport avec chaque décision qui explique comment la décision a été prise en fonction des règles et de l'entrée de l'utilisateur. (voir, par exemple, cette consultation qui vous indique si vous êtes éligible à courir pour le bureau fédéral en Australie). Cela offre la possibilité de décisions automatisées qui sont en fait plus fiables que les décisions actuellement prises par des humains - nous serons en mesure de prouver, de manière concluante, que seules les questions pertinentes ont été prises en compte et que seules les règles correctes ont été appliquées aux preuves correctes. À cet égard, les implémentations RaC optimales nous offrent un outil possible pour lutter contre des problèmes tels que biais implicite chez l'homme- pris des décisions.

Un tel système rendrait également les appels beaucoup plus faciles à faire et à déterminer - soit il y a une erreur dans les règles, soit dans les preuves auxquelles les règles ont été appliquées. Quoi qu'il en soit, avec une prise de décision entièrement transparente et traçable, une personne qui n'est pas d'accord avec la décision a déjà tout ce dont elle a besoin pour faire appel, et l'appel devrait être beaucoup plus facile à déterminer pour le décideur.

Concevoir loin des boîtes noires

C'est pourquoi ma vision future optimiste de RaC comprend des exigences réglementaires fondamentales claires pour la prise de décision automatisée, exigeant explicitement que les décisions automatisées ou partiellement automatisées soient transparentes, traçables, responsables et susceptibles de recours. C'est-à-dire que la réglementation devrait imposer une base pour les décisions automatisées qui reflète les principes fondamentaux de la prise de décision administrative. Nous constatons déjà un certain mouvement dans ce sens - le règlement général sur la protection des données de l'UE restreint l'utilisation de la prise de décision automatisée sans « humain dans la boucle » ([Art. 22](https://gdpr-info.eu/art -22-gdpr/)), et les juridictions du monde entier mettent en œuvre des cadres et politiques d'éthique de l'IA . Dans un avenir optimiste, la transparence, la traçabilité des décisions automatisées sont largement acceptées et systématiquement mises en œuvre, et les gouvernements et les entreprises tiennent pour acquis que les systèmes de « boîte noire » ne sont pas adaptés aux décisions qui affectent le bien-être des personnes. Les gens savent quand une décision les affectant a été automatisée, peuvent facilement comprendre la décision qui est prise et comment elle est prise, et il est simple et facile pour eux de faire appel s'ils pensent qu'il y a une erreur.

Il s'agit probablement d'une proposition plus facile au sein du gouvernement, qui s'attend généralement à la transparence et à l'attractivité, mais les entreprises pourraient être préoccupées par la divulgation d'informations confidentielles via des ensembles de règles ouvertes - par exemple, les calculs de solvabilité, qui sont un secret bien gardé dans les services financiers. industrie. Néanmoins, les approches RaC peuvent être adoptées dans les environnements d'entreprise pour permettre la transparence interne et la continuité de la prise de décision ; c'est-à-dire pour s'assurer que les entreprises elles-mêmes comprennent comment elles ont pris leurs décisions et sont mieux en mesure de l'expliquer à leurs clients.

Dans tous les cas, les décisions automatisées seront plus fiables, les citoyens gagneront en transparence et en compréhension de la façon dont les décisions sont prises et de meilleures options pour traiter les décisions problématiques, et les décideurs passeront moins de temps sur les plaintes et les appels - un scénario gagnant/gagnant.

Modélisation des résultats pour soutenir les lois fondées sur des preuves

Dans un avenir optimiste, les gouvernements ont reconnu et adapté le fait que les machines sont des utilisateurs importants de leurs ensembles de règles. En tant que tels, ils ont redéveloppé leur façon de créer des lois, en co-rédigant simultanément des versions lisibles par les humains et les machines des règles prescriptives, et en permettant aux disciplines du droit et du code d'influencer le processus de rédaction. Avec les projets de règles codées, les gouvernements sont plus facilement en mesure de mener des simulations et des modélisations de politiques - une fois que les projets de règles sont codés et qu'un système est conçu pour les appliquer, il suffit de modifier les entrées ou de peaufiner les règles et d'observer les résultats. . C'est similaire à ce qui était autrefois considéré comme la modélisation économique traditionnelle, mais plus rapide et plus flexible. Lorsque l'intention de la politique n'est pas totalement reflétée dans les résultats projetés, les équipes politiques retournent à la planche à dessin - aidées par la transparence et la traçabilité du système activé par RaC.

Bien entendu, la modélisation des résultats des politiques n'est pas nouvelle et ne repose pas sur RaC. Cependant, RaC offre la possibilité d'accélérer la modélisation et de l'intégrer dans davantage de processus d'élaboration de politiques, et ainsi de soutenir des politiques davantage fondées sur des données probantes. Ce travail est déjà en cours - par exemple, l'ensemble d'outils Mes Aides, à l'origine construit par le gouvernement françaist et maintenant un projet civil à but non lucratif , aide les citoyens français à comprendre comment les différentes lois fiscales et sociales s'appliquent à eux et à leur société. Entre autres choses, il fournit des calculateurs fiscaux qui aident les utilisateurs à expérimenter et à simuler différents paramètres et résultats fiscaux.

De même, le gouvernement canadien travaille à l'élaboration d'un Policy Difference Engine; un outil qui permettra, entre autres, d'itérer comment les politiques évoluent et se répètent dans le temps, et si elles atteignent les objectifs fixés. — Tim de Sousa

Dans Partie 2, nous discuterons de la façon dont RaC pourrait aider à rendre les lois plus faciles à comprendre et à appliquer , et créer de meilleurs processus de conformité.

👋 Vous pouvez créer un post comme celui-ci ! Partagez vos réflexions avec une communauté de fonctionnaires. En savoir plus.

(Crédit photo : Unsplash)