Pourquoi et comment construire une IA durable : Inclusive, sobre et sécurisée ?

Nos intervenants:

I. Eric Boniface, Directeur de Substra Foundation

Un nouvel espace émerge au croisement entre expansion de l’IA dans les organisations et les systèmes automatiques, et inquiétudes du public sur les données privées, la transparence et la robustesse des algorithmes.
Ce sont deux tendances puissantes qui commencent déjà à se percuter. Comment les réconcilier, les conjuguer ensemble ? Des solutions techniques et organisationnelles nouvelles sont indispensables pour cela, pour accorder un cadre de confiance qui manque aujourd’hui, pour rendre possible des collaborations nouvelles, prometteuses et sûres entre les entreprises, les institutions publiques et les citoyens.

Le référentiel de Data Science Responsable et de Confiance a été élaboré de manière ouverte et participative afin de permettre à chaque organisme d’évaluer son niveau de maturité sur ces nouveaux enjeux.

Eric Boniface, directeur de Substra Foundation vous proposera lors de cette intervention une présentation du référentiel et des différents risques qu’il tente d’adresser.

II. Laurent Wlodarczyk (CTO) et José Sanchez (Data Scientist/ML engineer)

Présentation de RML : Responsible Machine Learning

Axionable présentera son outils interne baptisé RML (Responsible Machine Learning) aidant à la réalisation de projet de Machine Learning Responsable. Cet outil inclut des fonctionnalités tels que la gestion de la qualité des données, la détection et suppression des bias, le calcul et suivi de l’impact carbone des entraînements réalisé jusqu’à la mise en production.