Sécurité et confidentialité des données d'IA chez ATLAS.ti

Nous utilisons les modèles GPT d'OpenAI par le biais d'une API pour fournir de meilleurs résultats à nos clients si et dans la mesure où nos clients choisissent d'exploiter des fonctions alimentées par OpenAI telles que le codage de l’IA , les résumés de l’IA ou les suggestions de code de l’IA.

Non, nous n'utiliserons des fonctions d'IA spécifiques qu'à votre demande, par le biais d'un processus d'opt-in ou d'un autre processus d'inscription. Des frais supplémentaires peuvent s'appliquer.

L'IA traitera toutes les données qui lui sont communiquées afin d'effectuer une analyse. Nous avons conclu avec OpenAI un accord sur le traitement des données, comprenant les clauses contractuelles types (CCN), qui garantit la sécurité de vos données personnelles.

Nous avons conclu avec OpenAI un accord sur le traitement des données, y compris les clauses contractuelles types (CCN), qui garantit la sécurité de vos données personnelles. Seules les données personnelles que vous choisissez d'introduire dans notre logiciel seront analysées par l'IA. Vos données personnelles ne seront pas utilisées pour améliorer l'analyse de l'apprentissage automatique.

OpenAI n'utilise pas les données soumises et générées par notre API pour entraîner les modèles d’OpenAI ou pour améliorer l'offre de services de celle-ci.

OpenAI n'utilisera pas les données soumises par les clients via notre API pour entraîner ou améliorer nos modèles, à moins que vous ne décidiez explicitement de partager vos données avec nous à cette fin.

L'analyse pilotée par l'IA est traitée sur les systèmes d'OpenAI et ceux de nos fournisseurs de services de confiance dans le monde entier. Notre fonction Régions d'IA vous permet de choisir où vos données sont traitées pour les fonctions alimentées par l'IA. Vous pouvez facilement sélectionner votre région préférée : les États-Unis ou l'Europe.


Nous pouvons également envoyer certaines parties du contenu à des sous-traitants tiers (soumis à des obligations de confidentialité et de sécurité) à des fins d'annotation des données et de sécurité.

Un nombre limité d'employés autorisés d'OpenAI, ainsi que des entrepreneurs tiers spécialisés soumis à des obligations de confidentialité et de sécurité, peuvent voir et accéder au contenu de l'utilisateur uniquement si nécessaire pour les raisons suivantes : (1) enquêter sur un abus ou un incident de sécurité ; (2) vous fournir une assistance si vous nous contactez pour des questions concernant votre compte ; (3) se conformer à des obligations légales ; ou (4) lorsque nous affinons nos modèles en utilisant des données soumises par l'utilisateur (sauf si vous avez choisi de ne pas le faire), nous utilisons également des techniques de filtrage des IIP pour réduire la quantité de données personnelles utilisées. L'accès au contenu est soumis à des contrôles d'accès techniques et limité uniquement au personnel autorisé sur la base du besoin de savoir. En outre, nous surveillons et enregistrons tous les accès au contenu utilisateur et le personnel autorisé doit suivre une formation à la sécurité et à la protection de la vie privée avant d'accéder au contenu utilisateur.

ATLAS.ti travaille avec OpenAI directement via une interface, et nos clients n'utilisent pas l'interface web de l'outil ChatGPT. Cependant, le logiciel et le modèle derrière le logiciel OpenAI intégré et leur outil ChatGPT sont similaires.

L'IA utilise diverses techniques qui permettent aux machines d'être artificiellement intelligentes. L'apprentissage automatique est un sous-ensemble de l'IA, et l'apprentissage profond est un sous-ensemble de l'apprentissage automatique.
L'apprentissage automatique fait référence à la capacité d'une machine à penser sans être programmée de l'extérieur. Alors que les appareils sont traditionnellement programmés avec un ensemble de règles sur la manière d'agir, l'apprentissage automatique permet aux appareils d'apprendre directement à partir des données elles-mêmes et de devenir plus intelligents au fil du temps, à mesure que davantage de données sont collectées.
L'apprentissage en profondeur est une technique d'apprentissage automatique qui utilise plusieurs couches de réseaux neuronaux pour extraire des caractéristiques de plus en plus élevées des données d'entrée brutes. Par exemple, dans le traitement d'images, les couches inférieures du réseau neuronal peuvent identifier les bords, tandis que les couches supérieures peuvent identifier les concepts pertinents pour un être humain, tels que les lettres ou les visages.