ATELIER INTERACTIF EN LIGNE : EXPLAINABLE AI

Les algorithmes complexes d’IA basés sur de l’apprentissage sont, pour la plupart des parties prenantes, de véritables boîtes noires dont on comprend mal le fonctionnement et qu’il est difficile d’expliquer.
Or, le succès opérationnel d’un algorithme de Machine Learning ne repose pas uniquement sur la précision atteinte, mais aussi et surtout sur sa capacité à être « compris », en particulier pour des applications ayant un fort impact humain, social ou financier.

• Les équipes de Data Science savent que comprendre un modèle entrainé est indispensable pour se prévenir de biais et du surapprentissage, résultant dans de meilleurs résultats en pratique.
• L’expliquer est un élément clef pour établir la confiance, assurer une bonne adhésion de tous lors du déploiement des IA.
• Un autre aspect essentiel pour l’acceptation de ces algorithmes est de pouvoir quantifier l’impact d’une erreur de prédiction, de savoir quand et comment il se trompe. Ce contrôle de l’erreur est un prérequis essentiel pour les applications soumises à l’aval d’un régulateur (banques, assurances, …)

L’objectif de cette session est d’apporter un éclairage sur les enjeux liés à l’IA « explicable » et de partager les approches possibles pour mieux comprendre les algorithmes de ML.

Comprendre les enjeux liés à l’explicabilité des modèles de machine learning.

Découvrir les différentes approches possibles.

Prendre conscience des limites actuelles et des perspectives.

Confronter vos idées et convictions, voire vos projets.