evidoria

← Retour à la liste

Bonne pratique Importée

Révision de Déclassification par Apprentissage Automatique — le Tri par IA des Télégrammes Diplomatiques du Département d'État Américain

États-Unis d'Amérique · Washington · Voir le profil de États-Unis d'Amérique · Voir le profil de Washington

Preuves: Descriptif / auto-déclaré Top 25% 73/100 · Demandez à Evidence Copilot à propos de cette pratique

Face au délai de déclassification à 25 ans, le Département d'État américain a entraîné un modèle d'IA qui a tranché avec confiance plus de 60 % de 121 536 télégrammes diplomatiques en quelques minutes, avec 97-99 % de concordance avec les réviseurs humains.

121536 cables
Télégrammes diplomatiques traités dans la cohorte de 1998 (2023)
60 % of cohort (>72,000 cables)
Télégrammes tranchés avec certitude par le modèle (2023)
97-99 %
Concordance avec les examinateurs humains sur l'ensemble de validation (2023)
99.29 %
Précision sur les décisions de déclassification (compte-rendu indépendant) (2023)
81.43 %
Précision sur les décisions de rétention (compte-rendu indépendant) (2023)
400000 USD
Coût de développement (2022-2023)
47218 cables (39% of cohort)
Télégrammes ayant encore nécessité un examen manuel humain (2023)

Détails

Maturité
En expansion
Promoteur
U.S. Department of State — Office of Information Programs and Services (Declassification Division) / Center for Analytics
Période
2022-2024
Mots-clés
records management, declassification, government transparency, machine learning, FOIA

Contexte

Le décret exécutif 13526 exige que les agences du gouvernement américain réexaminent les documents classifiés en vue d'une déclassification automatique dès qu'ils atteignent 25 ans, et le volume des télégrammes diplomatiques du Département d'État a environ sextuplé depuis les années 1990, rendant un examen manuel intégral de plus en plus intenable.

Objectifs

À partir d'octobre 2022, la Division de la déclassification, le Bureau de gestion des ressources d'information et le Center for Analytics ont entrepris d'entraîner un modèle d'apprentissage automatique supervisé sur des décisions de déclassification humaines passées, afin de trier les télégrammes en catégories 'déclassification certaine', 'maintien de la classification certain' et 'nécessite un examen humain', réduisant le volume nécessitant un examen manuel complet.

Activités

Le modèle a été entraîné sur des décisions de déclassification humaines concernant des télégrammes de 1995-1997. Après un projet pilote réussi, il a été érigé en Programme à part entière en 2023 et appliqué à la cohorte de 1998, comptant 121 536 télégrammes, produisant un score de confiance et une catégorie pour chaque télégramme.

Résultats

Le modèle a tranché avec certitude plus de 72 000 télégrammes (environ 60 % de la cohorte) en 20 à 30 minutes de calcul chacun, contre environ un an d'examen manuel auparavant. Le Département d'État indique un taux de concordance de 97 à 99 % avec les examinateurs humains sur l'ensemble de validation ; un compte-rendu indépendant de l'American Historical Association donne des chiffres plus détaillés — 99,29 % de précision sur les décisions de déclassification contre 81,43 % sur les décisions de rétention — ainsi qu'un coût de développement d'environ 400 000 dollars. Environ 39 % des télégrammes (47 218 sur 121 536) ont encore nécessité un examen manuel humain car le modèle ne pouvait pas les classer avec certitude.

Conclusions

Le Département décrit le modèle comme délibérément 'surprotecteur', penchant vers la rétention en cas d'incertitude, et met en garde contre une généralisation des résultats à d'autres types de documents sans nouvel entraînement ; des projets pilotes distincts pour la recherche assistée par IA dans le cadre des demandes FOIA restent à un stade de test précoce, sans déploiement complet.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — Development cost reported at approximately $400,000 (American Historical Association account); no separate operating-cost figures published.
Délai jusqu’aux résultats
Court (< 1 an) — Model training began October 2022 on a pilot basis; redesignated a full Program in 2023 and applied to the 121,536-cable 1998 cohort, each confidently-decided cable processed in 20-30 minutes of computing time versus roughly a year of manual review previously.
Personnel et compétences
Declassification Division, Bureau of Information Resource Management, Center for Analytics

Conditions de réussite

  • Training on a large corpus of prior human declassification decisions (1995-1997 cables) before deployment
  • Deliberately calibrating the model to be 'overprotective' (erring toward withholding) when confidence is low
  • Retaining mandatory human review for the ~39% of cases the model cannot confidently classify

Où cela s’applique

Type de gouvernance
national government agency
Échelle
national
Niveau de revenu
high_income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

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

Pratiques similaires qui pourraient vous être utiles