Formation Data Science : S'approprier les bonnes pratiques de l'Intelligence Artificielle responsable

Comme le dit Rabelais en son temps : « Science sans conscience n'est que ruine de l'âme ». Par les données sensibles qu'elle recueille, analyse et interprète, la Data Science se doit de prendre en considération ce proverbe afin d'éviter de créer de nouveaux scandales médiatiques, ou plus pragmatiquement d'entrer dans les mauvaises grâces du RGPD.

L’éthique des données implique donc l’étude et l’adoption de pratiques, d’algorithmes et d’applications qui respectent les droits fondamentaux des personnes et les valeurs de la société. Les enjeux sont multiples : entre responsabilité juridique de l'entreprise, protection des données personnelles de l'utilisateur et biais discriminatoires des algorithmes, la Data Science peut très vite aboutir à de mauvaise pratiques si elle n'est pas encadrée.

Cette formation Data Science : S'approprier les bonnes pratiques de l'Intelligence Artificielle responsable a pour objectif de permettre aux data scientists ainsi qu'à leurs managers d'appréhender les enjeux et les leviers d'action existants pour développer et implémenter des systèmes d'IA plus responsables. Les mises en pratique proposées vous permettront de découvrir et manipuler les principales librairies Python favorisant l'interprétabilité et la vigilance (biais discriminatoires).

Objectif opérationnel :

Savoir intégrer les problématiques éthiques dans son projet de Data Science en contournant les difficultés et biais les plus fréquents.

Objectifs pédagogiques :

À l'issue de cette formation Intelligence Artificielle Responsable, vous serez en mesure de :

• Prendre conscience des problèmes d’éthique en Data Science
• Découvrir les différentes typologies de problèmes
• Appréhender les responsabilités de chacun
• Favoriser l'interprétabilité des modèles
• Détecter les biais discriminatoires et les corriger

Public :

Ce cours Intelligence Artificielle Responsable s'adresse prioritairement aux data scientists. Il intéressera également les managers, analystes, statisticiens, architectes et développeurs.

Prérequis :

Pour suivre cette formation Intelligence Artificielle Responsable, les participants doivent posséder des connaissances préalables en data science et en machine learning ainsi qu'en programmation ou en scripting. Des notions en statistiques sont un plus.

Présentation croisée et attentes des participants

Définition des concepts liés à la Data et à l'Intelligence Artificielle (IA)

Présentation des différentes typologies de problème

Responsabilités juridiques
Protection des données personnelles
Biais discriminatoires
Présentation des 5 piliers de l'IA Responsable

Interprétabilité : pouvoir expliquer ses modèles

L'interprétabilité pour qui ?
Les sources de complexité
Le trade-off Performance vs Interprétabilité
Les outils (Eli5, Lime, Shap)

Mise en pratique

Démonstration au travers d'un cas d'usage

La vigilance : connaître ses données

L'origine des biais
Des vérifications à tous les niveaux
Les outils (AI Fairness 360)

Mise en pratique

Démonstration au travers d'un cas d'usage

Clôture

Retour d’expérience
Questions/Réponses
Évaluation de la session

Formation avec apports théoriques, échanges sur la thématique, complétés de travaux pratiques et de mises en situation. Les travaux pratiques constituent 40% du temps de formation.