Un prêteur utilise un modèle de ML pour accepter ou rejeter des demandes de prêt et doit rendre le processus de prise de décision vérifiable et explicable pour les régulateurs. Quelle solution permet de documenter et de présenter les décisions du modèle pour les audits ?

Amazon SageMaker Model Card est la solution la plus appropriée car elle permet de documenter de manière standardisée les détails d'un modèle de ML, y compris son objectif, ses performances, ses biais potentiels et les données d'entraînement. Ces informations sont cruciales pour la vérifiabilité et l'explicabilité requises par les régulateurs lors des audits. Amazon Textract est utilisé pour extraire du texte et des données de documents, non pour documenter des modèles. AWS CloudFormation est un service d'infrastructure en tant que code, sans rapport avec la documentation de modèles de ML. Amazon Comprehend est un service de traitement du langage naturel (NLP), et non un outil de documentation de modèles.