Depuis 2021, le pôle Data Science de Positive Thinking Company France a fait de l’XAI un fer de lance de son expertise Data & Analytics. Nous avons donc profité de la rentrée 2022 pour continuer d’affirmer cette direction, notamment via une série d’interventions sur ce sujet lors d’événements français et européens.
Qu’est-ce que l’« XAI » ?
L’Explainable Artificial Intelligence, en français « Intelligence Artificielle Explicable » est le domaine de la Data Science permettant de rendre transparents et explicables tous types de modèles de Machine Learning, notamment ceux qualifiés de “boite noire” (black box). Elle doit veiller à ce que les futurs utilisateurs puissent comprendre les intelligences artificielles et modèles de Machine Learning, leur faire confiance, les utiliser, et travailler avec elles de façon efficace et pertinente.
Co-animation avec Canal+ International d’une conférence XAI au Salon de la Data de Nantes
Nous avons initié cette rentrée XAI au Salon de la Data de Nantes qui a eu lieu le mardi 20 septembre dernier. En effet, notre sujet de présentation évoquait le travail que nous avons effectué début 2022 pour Canal+ International. En compagnie de notre client, le Directeur Analyse et Pilotage de la Performance, nous avons co-présenté cette conférence et le fruit de notre collaboration dans le domaine de l’XAI.
Un des points principaux de notre travail pour Canal+ International consistait en la sélection puis l’implémentation d’indicateurs d’explicabilité des modèles de Machine Learning (ML) utilisés dans le cadre de la prédiction d’attrition (ou churn prediction). Nous avons ainsi pu poser les bases techniques, méthodologiques, et stratégiques permettant d’implémenter puis d’intégrer les approches XAI dans les projets de Data Science / ML de Canal+ International.
Animation d’une Session Tech XAI au Salon du Big Data & AI de Paris
Le 26 septembre, c’est au Salon Big Data & AI Paris que nous avons animé un atelier Tech de 30 minutes. Le but était de partager de la connaissance concrète sur le sujet de l’XAI : indicateurs statistiques, technologies & outils spécialisés, et méthodologie de Machine Learning Intelligibility (MLI). Nous avons notamment pu présenter une vue d’ensemble des principaux indicateurs d’explicabilité (aussi bien globaux que locaux), ainsi que des cas d’usage réels permettant de saisir à quel point ce domaine est très concret. Nous avons également insisté sur la dimension ML Ops qui se doit d’être au centre de tout projet de Data Science ou de ML — et l’intégration des approches XAI ne déroge pas à la règle. Pour cet atelier Tech, l’audience était plutôt constituée de Data Scientists, ML Engineers, ML Ops, et Chief Data Officers. Les questions qui ont suivi ont donc beaucoup porté sur des aspects de statistiques, des prérequis nécessaires pour l’utilisation optimale des indicateurs XAI, et de l’intégration au sein d’une pipeline ML Ops.
Organisation d’un webinaire XAI & MLI en Europe
Enfin, le 29 septembre, notre représentant français du domaine Benjamin Cohen-Lhyver a co-animé un webinar avec Florian Hinzpeter, son homologue allemand, afin de présenter tout le spectre complexe de l’XAI et du MLI :
- expression des besoins métier,
- travail sur les données et Data Governance,
- travail sur les modèles et ML Engineering,
- insertion opérationnelle chez les métier,
- industrialisation du workflow de Data Science,
- best practices de ML Ops,
- implications éthiques et biais discriminatoires,
- numérique responsable,
- EU AI-Act…
Courant octobre, nous sommes invités à intervenir sur le sujet XAI au cours d’une soirée alumni de l’école d’ingénierie ESIEE-IT.
XAI et MLI au cœur des enjeux data des organisations
Le domaine du XAI / MLI est vaste, complexe mais passionnant et extrêmement pertinent, quel que soit le secteur d’activité, la maturité business ou les moyens disponibles. Nous savons, de par notre expérience du terrain, que cette méthodologie holistique permet de rendre tout le workflow de Data Science plus sain, efficace et robuste. C’est pour cela que Positive Thinking Company place l’IA explicable au cœur de toutes ses activités de Data Analyse, Data Science et de Machine Learning.
Grâce à nos
Auteur
