Deux choses doivent progresser ensemble : une IA plus pertinente grâce aux connaissances et à l’évaluation, et un financement qui rémunère le travail sans vendre les données des femmes.
CAPITALISER LES DONS · PISTELe capital reste consacré au projet
L’intention serait de conserver le principal des dons dans un cadre juridique adapté, puis d’employer uniquement les revenus nets réellement perçus pour financer la création, la recherche, l’évaluation et la maintenance. Un fonds de dotation peut être une piste, sous conditions légales, comptables et de gouvernance.
Exemple illustratif, sans promesse de rendement : 100 000 € placés à 3 % produiraient 3 000 € bruts par an avant frais et fiscalité. Les intérêts ne sont ni garantis ni suffisants par nature.
FAIRE PROGRESSER LE MODÈLEDes connaissances vérifiées, pas un entraînement caché
Le prototype actuel ne s’entraîne pas sur les femmes : il suit un prompt spécialisé et reçoit un exemple fictif. Pour progresser, EndoClair devra évaluer et améliorer le modèle avec des sources médicales fiables et autorisées, des cas synthétiques et une revue de spécialistes.
Les documents médicaux des participantes ne seraient jamais utilisés par défaut pour entraîner le modèle. Toute contribution future nécessiterait une démarche distincte, compréhensible et volontaire, ainsi qu’une validation juridique, de sécurité et clinique.
La pertinence ne vient pas simplement d’un modèle plus gros ou de plus de données. Il faut d’abord relier la question de la femme aux bonnes sources, comparer les pistes selon les preuves, les critères, les risques et les incertitudes, puis vérifier la qualité. Les poids du modèle ne seraient mis à jour qu’en versions documentées et évaluées.
SÉPARATION ET TRANSPARENCELes dons ne donnent aucun droit sur les données
Les donateurs ne recevraient ni accès aux dossiers, ni influence sur les réponses, ni données individuelles. Les comptes, les revenus de placement, les frais et la rémunération du travail devraient être publiés et contrôlés selon le cadre retenu.
Les statistiques générales ne suffisent pas à prouver qu’un dossier est anonyme. Les données de santé pseudonymisées restent sensibles ; elles ne rejoindraient un jeu d’évaluation qu’après vérification rigoureuse et règles séparées.