Je suis biaisé, tu es biaisé, l’IA est biaisée… Les données sont quantitatives mais pas objectives. Les algorithmes sont performants mais discriminants.

L’équité n’est pas un terme de votre fonction de coût ? Alors votre algorithme ne va pas se gêner. Quels sont les biais algorithmiques que l’on rencontre fréquemment en Data Science ? Comment les mesurer et les corriger ?

-----

Ça vous intrigue ?

Alors venez assister à notre 4ème MTI Talk qui aura pour thème “Biais algorithmiques et équité : tutoriel” !

Dans ce tutoriel, sera pris un cas d’usage fil rouge : le recrutement, qui peut très vite mal tourner si on l’automatise naïvement.

Il sera animé par deux speakers de chez Quantmetry, un cabinet de conseil pure-player en intelligence artificielle.

Grégoire Martinon, diplômé de l’ENS Paris-Saclay et docteur en astrophysique, qui a rejoint Quantmetry en 2017. Après avoir fait plusieurs missions dans les secteurs de l’énergie, du transport, de la banque et des télécoms, il est devenu leader de l’expertise IA de confiance. Cette expertise s’articule autour des grands thèmes réglementaires de l’Union Européenne, en particulier, la transparence, la robustesse, l’équité ou encore l’impact environnemental des algorithmes.

Philippe Neveux, diplômé en 2019 de l’école d’ingénieur EISTI/CyTech, a intégré l’expertise d’IA de Confiance de Quantmetry : Reliable AI. Les trois piliers scientifiques de cette expertise étant : l’intelligibilité des modèles de machine learning, leur robustesse ainsi que la maîtrise de leurs biais.