… et apport de l’explication contextualisée La représentation la plus simple d’un « phénomène » que l’on cherche à modéliser se fait via des variables compréhensibles, et « statiques ». Cela est parfois suffisant
Xplique [1] est une bibliothèque Python dédiée à l’explicabilité de modèles d’intelligence artificielle, développée par l’IRT Antoine de Saint Exupéry [2] et l’Université Paul Sabatier à Toulouse. Bien qu’embarquant des
Cette réglementation s’inscrit dans la suite du RGPD. Elle détermine, tous secteurs confondus, la criticité des cas d’usage, selon 4 niveaux de risques : interdits à l’IA, à haut et
En juillet 2021, l’ACPR organisait un « tech sprint » sur l’explicabilité des modèles IA. AI-vidence, avec quelques partenaires (Nicolas Béguin de SoyHuce, Jean-Matthieu Schertzer.) ont pu tester leur approche d’explicabilité régionale
