Objectifs de la chaire

L’objectif de la chaire est de construire de nouvelles méthodes d’apprentissage automatique pour obtenir des algorithmes. La présence de préjugés et de discrimination est bien reconnue dans l’apprentissage automatique. Au lieu de fournir des décisions qui semblent nettes et précises, les algorithmes peuvent perpétuer ou même exacerber les biais dans les données.

L’objectif de ce projet est de développer de nouveaux types d’algorithmes d’apprentissage automatique, qui, tout en étant capables de fournir des prévisions ou des prédictions efficaces, ne reflètent aucun biais dans leurs résultats et réalisent ainsi ce qu’on appelle aujourd’hui l’équité en décisions algorithmiques.

Le nombre d’articles de recherche dans ce domaine a augmenté de façon exponentielle au cours des dernières années et des contributions récentes dans le domaine ont proposé diverses définitions mathématiques et de nouveaux algorithmes. Pourtant, peu d’ouvrages ont réussi à mettre en avant des algorithmes qui s’appuient sur de solides garanties théoriques et une évaluation de qualité, qui sont des exigences incontournables pour pouvoir certifier le comportement équitable d’un algorithme.

Programmes : IA acceptable, certifiable et collaborative

Thèmes : Fair learning, explicabilité

Porteur :
Jean-Michel Loubès, PR UT3, IMT

Chercheurs associés :

Matthieu Serrurier (UT3, IRIT),

Béatrice Laurent (INSA Toulouse, IMT)

Site
https://perso.math.univ-toulouse.fr/loubes/

En savoir +

Jean-Michel Loubes, le mathématicien qui enseigne aux machines.

Le spécialiste des statistiques appliquées s’intéresse à l’apprentissage automatique. Son crédo : la surveillance des algorithmes, pour une intelligence artificielle éthique. 

Lire l’article sur Exploreur

fr_FRFrench