Responsables, transparents, explicables … autant de qualités que l’on attend des algorithmes pour pouvoir les mettre en œuvre en toute confiance, y compris dans des applications critiques. Le premier article de ce dossier fait le point sur la responsabilité des
Tout algorithme est, par définition, biaisé… par ses critères d’optimisation mais surtout par ses données. Il ne peut qu’être à l’image des valeurs et des choix de ses concepteurs. Biais mathématiques, biais commerciaux ou même sociétaux… comment les détecter et
L’explicabilité des algorithmes est un nouveau challenge pour les data scientists. Un pan de recherche à part entière. Pourquoi maintenant ? A cause de l’opacité de certaines méthodes de machine learning et de l’utilisation croissante d’algos pour des décisions personnalisées ou