Maintenir un modèle de machine learning consiste à surveiller ses résultats, conserver les données et versions, traiter les nouveaux cas, puis tester toute mise à jour avant déploiement.
Mesurer la consommation pendant une mission consiste à enregistrer courant, tension et temps avec le contexte de mouvement, de charge et de température.
Une chute de tension doit être détectée, expliquée et traitée par une réduction de charge ou un arrêt sûr avant que le calcul ou les moteurs ne deviennent imprévisibles.
Une mise à la terre et une isolation sûres donnent un chemin contrôlé aux défauts et empêchent qu’une partie accessible du robot reste dangereusement sous tension.
L’éthique est nécessaire pour décider si un robot respecte les personnes, leurs droits et leurs choix, au-delà de sa seule performance technique.
Éviter qu’un robot reproduise des discriminations demande de tester ses données, ses règles et ses résultats selon des profils et des situations variés, puis de corriger les écarts constatés.
Respecter l’autonomie d’une personne signifie lui laisser comprendre, choisir, interrompre et refuser l’aide du robot, avec une alternative accessible.
Décider de ne pas déployer un usage robotique est parfois la décision responsable lorsque risques, atteintes aux droits ou absence de bénéfice ne peuvent pas être réduits suffisamment.
Articuler éthique et droit consiste à respecter les obligations légales tout en examinant les effets humains que la loi ne décrit pas entièrement.
Protéger la vie privée autour d’un robot équipé de caméras et microphones demande de limiter la capture, traiter localement si possible, informer les personnes et contrôler les accès.
Un robot respecte le droit à l’explication et au recours s’il indique les éléments utiles de sa décision, permet de signaler une erreur et prévoit une révision humaine.
Éviter de déplacer injustement la charge vers les humains demande de compter les tâches de surveillance, de correction et de récupération créées par le robot.