Communication Dans Un Congrès Année : 2025

Concevoir une IA explicable, appropriable et de confiance : approche située par et pour les métiers

Résumé

Les récents progrès de l'intelligence artificielle (IA) ont permis des innovations dans de nombreux domaines, notamment grâce aux techniques de machine learning et de deep learning. Cependant, ces techniques, souvent perçues comme opaques, soulèvent d'importants défis en matière de transparence et d'explicabilité, en particulier dans les contextes de prise de décision. Pour y répondre, un courant appelé intelligence artificielle explicable (Explainable AI ou XAI) a émergé, visant à améliorer la compréhension de ces technologies. Toutefois, les recherches actuelles en XAI restent majoritairement technocentrées, en négligeant le contexte d'usage et l'activité des utilisateurs. Ce projet de thèse propose donc une approche anthropocentrée, cherchant à comprendre et à transformer l'activité humaine à travers la co-conception d'un dispositif d'aide au diagnostic.

Fichier principal
Vignette du fichier
Doctoriales ARPEGE 2025 - Bennani, Bobillier-Chaumon, Frejus (2025) .pdf (260.92 Ko) Télécharger le fichier

Dates et versions

hal-05142244 , version 1 (03-07-2025)

Licence

Identifiants

  • HAL Id : hal-05142244 , version 1

Citer

Ranya Bennani, Marc-Eric Bobillier Chaumon, Myriam Fréjus. Concevoir une IA explicable, appropriable et de confiance : approche située par et pour les métiers. Doctoriales Arpège 2025, Association Arpège, Jul 2025, Paris, France. ⟨hal-05142244⟩
494 Consultations
198 Téléchargements

Partager

  • More