evidoria

← Retour à la liste

Good practice

Le KHDA de Dubaï — Règles d'Accès Échelonné par Âge et de Protection des Données pour les Écoles Privées

Émirats arabes unis · Dubai · Voir le profil de Émirats arabes unis

Le régulateur des écoles privées de Dubaï, le KHDA, et la loi fédérale émiratie de protection des données (PDPL) exigent désormais un accès à l'IA échelonné par âge et supervisé par les enseignants, des analyses d'impact obligatoires sur la protection des données avant tout déploiement, et interdisent aux fournisseurs de réentraîner leurs modèles avec les données des élèves — bien que le KHDA reconnaisse lui-même qu'aucune liste d'outils approuvée de manière centralisée n'existe encore.

Le KHDA de Dubaï — Règles d'Accès Échelonné par Âge et de Protection des Données pour les Écoles Privées

Détails

Maturité
Scaling
Promoteur
Knowledge and Human Development Authority (KHDA), Dubai
Période
2025–ongoing
Mots-clés
AI policy, data protection, age-staged access, private-school regulation, PDPL compliance

Contexte

L'autorité du Développement des connaissances et humain (KHDA) de Dubaï, qui régule le vaste secteur des écoles privées de l'émirat, a construit sa gouvernance de l'IA générative autour d'un modèle d'accès échelonné par âge, plutôt qu'une interdiction ou une autorisation générale. Les élèves des petites classes et du primaire inférieur n'ont pas d'accès indépendant aux outils d'IA générative ouverts — l'usage est mené par les enseignants. Les élèves du primaire supérieur et du premier cycle du secondaire sont initiés progressivement lors d'activités supervisées et en groupe, qui enseignent le prompt éthique, la détection des biais et la vérification des faits. Seuls les élèves du secondaire et plus âgés passent à un usage individuel supervisé, et l'usage de l'IA est totalement interdit pendant les évaluations formelles, pour toutes les tranches d'âge.

Activités

Les écoles doivent documenter les données personnelles des élèves qu'elles collectent, où elles sont stockées et qui y a accès en tant que tiers ; aucune information personnellement identifiable ni donnée sensible de santé/comportement ne peut être saisie dans des modèles publics ; les fournisseurs doivent être contractuellement empêchés d'utiliser les données des élèves pour réentraîner leurs modèles ; et les écoles sont censées réaliser des analyses d'impact relatives à la protection des données avant de déployer de nouveaux services d'IA, en vertu de la loi fédérale sur la protection des données personnelles (PDPL) des Émirats arabes unis. Cela coexiste avec une politique nationale distincte : en mai 2025, le ministère de l'Éducation des EAU a rendu l'enseignement de l'IA obligatoire dans les écoles publiques, de la maternelle au secondaire.

Conclusions

Le cadre est honnêtement incomplet, de l'aveu même de la KHDA : un chef d'établissement a déclaré aux journalistes qu'il n'existe actuellement aucune liste de plateformes d'IA approuvée ou émise de manière centralisée par la KHDA pour un usage scolaire, laissant chaque école mener sa propre diligence raisonnable — un écart réel entre les principes énoncés et l'application centralisée. Comme l'a résumé Rumaisah Wajid, de la KHDA : « Le défi n'est plus l'accès aux outils, mais la garantie de leur qualité, de leur sécurité et de leur pertinence. »

Mise en œuvre
Coût indicatif
Medium (€50k–€500k) — No public cost figures disclosed; cost_band set to medium reflecting the compliance burden (DPIAs, staff training, contractual review) placed on schools network-wide.
Délai jusqu’aux résultats
Long (> 3 years) — Ongoing regulatory framework since 2025, alongside a parallel national K-12 AI-instruction mandate from May 2025; timeline_band set to long.
Personnel et compétences
School-level compliance staff conducting due diligence on AI tools, KHDA regulators setting and monitoring the framework

Conditions de réussite

  • Age-staged access tiers (teacher-led → supervised group use → supervised individual use)
  • Mandatory Data Protection Impact Assessments before deployment
  • Contractual bans on vendors retraining models on student data
  • AI banned outright during formal assessments

Modes d’échec courants

  • No centrally approved or issued list of AI platforms yet, leaving schools to their own due diligence
  • No specific provision found addressing equity across fee levels between well-resourced and smaller private schools

Où cela s’applique

Type de gouvernance
emirate-level private-school regulator (KHDA) plus UAE federal PDPL law
Échelle
Dubai's large private-school sector

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles