AEXIA™ Framework Version 3.0 Cadre Intégré de Gouvernance pour l'IA Explicable.

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

AEXIA™ est un cadre intégré de gouvernance de l'IA explicable qui articule, dans une même structure opérationnelle et mesurable, la dimension méthodologique de l'explicabilité, la maturité organisationnelle et la maturité individuelle des systèmes déployés. Il ne se substitue pas aux référentiels existants, il les orchestre autour d'une question qu'aucun ne traite frontalement: celle de la responsabilité algorithmique des équilibres produits par des systèmes apprenants. L'innovation structurante de la version 3.0 est l'architecture à double axe : AEXIA-O évalue la maturité de l'organisation (6 piliers, 5 niveaux), AEXIA-S évalue la maturité de chaque système d'IA déployé (9 niveaux, alignés sur les Machine Learning Technology Readiness Levels de Lavin et al., Nature Communications, 2022). Leur croisement produit la grille de décision d'autorisation de déploiement, l'instrument le plus directement actionnable du framework. AEXIA™ intègre également trois contributions originales de l’auteur (Mohamadou SIDIBE): DCME, ECS et RAD qui constituent le noyau propriétaire du framework et le différencient de toute synthèse de référentiels existants. La présente édition formalise leur structure conformément aux exigences d'un comité de lecture ou d'un groupe de normalisation, en attente des définitions mathématiques finales de l'auteur.