Date : 2023-01-17
Lieu : Lyon

Appel à communication – Atelier EXPLAIN’AI 2023 (2ème édition)
— Soutenu par le GDR MADICS et l’association EGC—

Hébergé à la conférence EGC 2023 : https://egc2023.sciencesconf.org
— Le 17 janvier 2023 à Lyon —

+Présentation de l’atelier Explain’AI :
L’explicabilité dans le domaine de l’intelligence artificielle, et plus particulièrement en machine learning, est devenue aujourd’hui incontournable pour permettre à tout utilisateur de mieux prendre conscience et de mieux s’impliquer dans les décisions algorithmiques qui lui sont proposées.

Les utilisateurs de domaine (médecine, finance, assurance, chimie …) profitent désormais de systèmes permettant de lever, en partie, le voile sur le problème bien connu de « boite noire ». Ces systèmes posent cependant de nouveaux défis afin de toujours mieux considérer ces utilisateurs finaux. En particulier, se posent aujourd’hui des questions impliquant de nombreuses disciplines et portant par exemple : sur la représentation de ces explications, le besoin de les contextualiser ou d’interagir, le raisonnement , de mesurer leur fiabilité, de les rendre plus éthiques, conformes aux contraintes juridiques, de les adapter aux compétences et connaissance des utilisateurs.

Parmi les nouveaux défis cette année, on pourra s’intéresser plus particulièrement à :
– L’évaluation et la comparaison des méthodes d’explicabilité : quelle méthode choisir pour expliquer, dans quel cas, et pour quelle raison ?
– Comment expliquer un pipeline complet de traitement de données allant des prétraitements à l’exploitation des données ? Comment les choix réalisés impactent les explications qui peuvent être fournies ?

Cet atelier a pour ambition de rassembler largement tout chercheur investi dans la problématique de l’explicabilité ainsi que tout utilisateur concerné par sa pratique. Pour cette raison, il est co-organisé avec l’action HELP du GdR Madics.

L’objectif de cette demi-journée est de proposer un moment d’échange sur les intentions et avancées possibles liant données, utilisateurs et explications.

+Soumissions d’articles :
Deux types de soumissions sont possibles :
– articles courts : de 2 pages à 8 pages maximum
– articles longs : jusqu’à 12 pages

Les soumissions peuvent inclure tout travail de recherche original, applicatif, résumé de papiers internationaux, prise de position.
En particulier, les soumissions courtes de 2 pages seront tout à fait considérées afin de valoriser des nouveaux travaux ou apportant un cadre aux recherches et usages de l’explicabilité.
Les soumissions devront être soumises au format pdf exclusivement et devront impérativement utiliser le format RNTI.

Les articles doivent être soumis via Easy Chair à : https://easychair.org/conferences/?conf=explainai2023

+Dates importantes :
– Soumission des articles : 18 novembre 2022
– Notification aux auteurs : 04 décembre 2022
– Version finale des articles : 11 décembre 2022
– Journée de l’atelier : 17 janvier 2023

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Annonce en lien avec l’Action/le Réseau : HELP

Thème :

Explicabilité et gestion de l’information (incertitudes/inconsistances) dans les données géospatialisées

Présentation :

La gestion d’informations et de données hétérogènes reste un défi dans de nombreuses applications. L’hétérogénéité renvoie à des informations de nature différente, tels que des images numériques, des documents structurés et non structurés, des cartes analogiques, des données incomplètes et non fiables et des connaissances (au sens large du terme) qui sont souvent sous-exploitées dans les applications réelles.

Le but de ces journées est de discuter des modèles et des méthodes pour la représentation, la complétion, la fusion, la réparation et l’interrogation des informations et des données hétérogènes, avec un accent particulier sur les données géographiques et spatiales. En effet, dans dans des villes en expansion, obtenir des informations précises pour enrichir les données SIG (Système d’Information Géographique) des réseaux urbains (par exemples des réseaux souterrains d’eaux usées et des eaux de pluie) est un défi à relever tant du point de vue recherche fondamentale que du point de vue recherche appliquée.

Du : 2024-06-17

Au : 2024-06-18

Lieu : Arras

Site Web : https://sites.google.com/view/ech-2024/

Date : 2025-12-09
Lieu : Date : 09/12/2025 — 14h
Lieu : Université Paris 8
2 rue de la Liberté, 93526 Saint-Denis
Métro ligne 13 — Saint-Denis Université
Salle A2-201

Lien Zoom :
Sujet: Soutenance de thèse Gaël MAREC
Heure: 9 déc. 2025 02:00 PM Paris
Participer à la réunion Zoom :
https://us05web.zoom.us/j/86037881696?pwd=BCY3aY61f6tnhZgDiNBLY9JPmaXdeP.1

ID de réunion: 860 3788 1696
Code secret: 3Ldk1c

Résumé :
Cette thèse présente une approche automatique de détection de fake news multimodales enrichie par des graphes de connaissances. Dans une première partie, nous explicitons le contexte de massification de l’information dans lequel s’inscrit cette thèse, et présentons les principales typologies d’approches de détection (basées sur le contenu, la source ou le contexte). Notre état de l’art décrit les approches centrées sur le contenu, en particulier les modalités textuelles et visuelles, ainsi que celles enrichies par des connaissances. Nous mettons ainsi en évidence l’absence, dans la littérature, d’une méthode combinant multimodalité, explicabilité et intégration de connaissances externes.

Dans la seconde partie, nous exposons les prérequis formels et applicatifs du modèle. Nous y présentons une méthode de détection et de localisation des transformations d’images pour la détection et l’explicabilité de la modalité visuelle. Nous proposons également des outils s’appuyant sur les graphes de connaissances et la compréhension sémantique des grands modèles de langage pour structurer l’information visuelle ou textuelle, ainsi que les approches essentielles à l’exploitation de ces graphes via des représentations vectorielles apprises (ex. TransE, R-GCN).

Enfin, dans la troisième partie, nous détaillons notre système complet de détection, intégrant un module de fusion multimodale fondé sur un mécanisme de pondération des signaux. Celui-ci permet de combiner les modalités texte, image et connaissances pour produire un score de probabilité prédictif, explicable par les contributions de chacun des signaux d’entrée.

Jury :
• Lynda TAMINE LECHANI, Professeure – Université Paul Sabatier Toulouse (Rapporteure)
• Vincent CLAVEAU, Chargé de recherche – CNRS, Université de Rennes (Rapporteur)
• Nicolas JOUANDEAU, Professeur – Université Paris 8 (Examinateur)
• Nicolas TRAVERS, Maître de conférences – ESILV (DVHE) (Examinateur)
• Éric FILIOL, HDR – Thales, Head of Discipline CYBER, DATA & ALGO (Examinateur)
• Nédra MELLOULI, Professeure -Université Paris8/ESILV (Directrice de thèse)

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.