LO
Déploiement réelProcessus et libre-service2026-01-28
Le régulateur américain des matières premières a déclaré dans l'inventaire fédéral de l'IA faire tourner chaque jour un modèle de forêt d'isolement pour signaler des chargements de données potentiellement erronés
Ingénieur de donnéespage du métier →
Date de l'événement / signalement
2026-01-28
Stade de la preuve
Déploiement réelUn employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.
Tâches concernées
Quand la donnée est fausse et que rien n'a planté
Un champ a changé de sens en amont, un traitement a tourné deux fois, un fuseau a glissé — et tous les tableaux de bord sont encore verts.
Encore menée par des humains✓ Appuyé sur des preuves
Où ceci s'applique
Un régulateur, un jeu de données, déclaré au titre d'une obligation légale. Entrée CFTC-001 du CSV des déclarations individuelles, dont le texte intégral tient en deux phrases : un modèle de détection d'anomalies « conçu pour identifier des chargements de données potentiellement erronés dans les données TCR », utilisant « un modèle de forêt d'isolement sur données agrégées » et qui « s'exécute automatiquement chaque jour ». L'entrée ne porte ni date de mise en service, ni fournisseur, ni volume, ni description de ce que le modèle attrape ou laisse passer ; la date retenue ici est donc la publication de l'inventaire consolidé (28 janvier 2026) et rien du déploiement lui-même n'est daté. Elle établit qu'au moins une équipe data a confié la première moitié de cette tâche, remarquer qu'un chargement a l'air faux, à un modèle planifié ; elle ne dit rien de la seconde moitié, comprendre ce que signifie le chargement erroné et quoi faire. Le même inventaire porte une entrée qui se lit à l'envers : DOJ-0006, le Bureau de l'alcool, du tabac, des armes à feu et des explosifs, recense une plateforme de données dont les fonctions de détection d'anomalies et de qualité des données sont « intégrées aux outils », et ajoute « bien que nous n'utilisions pas ces fonctions directement ». Une capacité recensée et une capacité utilisée sont deux choses différentes, et le format de l'inventaire permet à une administration de dire laquelle elle a.
Ce que cela veut dire
La première moitié de cette tâche, remarquer qu'un chargement a l'air faux, est précisément ce que fait une forêt d'isolement exécutée chaque jour sur les chargements, et un régulateur en fait tourner une. Ce qui reste est la moitié qu'un modèle ne peut pas faire : comprendre ce que signifie l'anomalie, si elle compte, et quoi changer en amont. C'est cette moitié qui garde les tableaux de bord honnêtes, et rien dans cette entrée n'y touche.
Ce que cela ne montre pas encore
Deux phrases, pas de date, pas de volume, pas de précision. Rien sur ce que le modèle attrape ou laisse passer, sur le fait que quelqu'un agisse sur ses signalements, ni sur la fréquence de ses erreurs. Et le même inventaire compte une autre administration qui recense la même capacité et dit dans la phrase suivante qu'elle ne l'utilise pas : un détecteur recensé n'est pas un détecteur utilisé, et cet enregistrement ne peut pas vous dire de quelle sorte serait le vôtre.
Ce que vous pouvez vérifier
Demandez combien d'incidents de qualité des données du dernier trimestre ont d'abord été remarqués par une personne, et combien par un contrôle. Si personne ne sait répondre, c'est là le constat : on ne peut savoir ce qu'un modèle reprendrait avant de savoir ce que les gens attrapent aujourd'hui.
Cela change-t-il l'évaluation ?
Non. L'indice d'impact n'est jamais déplacé par un seul événement. Ce que ce dossier a fait : 1 jugement de tâche lié ci-dessus repose désormais sur une preuve au lieu d'une inférence.
Source
OMB — 2025 Federal Agency AI Use Case Inventory (entry CFTC-001) · vérifié 2026-09-20 · Claude (agent) · interprété 2026-09-20 · Claude (agent)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.