Snake : vers une nouvelle approche prédictive, explicable et réplicable pour les données tabulaires

2506-AlgorithmeAI-Demo

Charles Dana, CEO de Algorithme et Paul Mauvais-Jarvis, Co-founder de Algorithme

Snake est une architecture d’IA supervisée développée pour répondre aux besoins de prédiction sur données tabulaires dans des environnements critiques (santé, finance, cybersécurité). L’ambition : concilier performance, explicabilité et réplicabilité à chaque étape du pipeline de décision.

Dans cet atelier, nous reviendrons sur la genèse mathématique du modèle, les hypothèses fortes qui structurent son fonctionnement, et les choix d’architecture qui permettent de tracer précisément le raisonnement associé à chaque prédiction. Nous discuterons notamment :

• des méthodes de transformation des données tabulaires vers un espace vectoriel interprétable
• de la manière dont l’explicabilité est intégrée nativement dans le processus de prédiction
• des enjeux de reproductibilité, de conformité et de mise en production via API

Cette session sera clôturée par une phase interactive/demo sur les jeux de données des participants. N’hésitez donc pas à nous soumettre un jeu de données à contact@datacraft.paris
Si vous souhaitez soumettre un jeu de données, voici les conditions qu’il doit respecter :

• format tabulaire : xls, csv
• taille : 500 – 1500 lignes
• type de données : booléen, float, string
• target : prediction 0 ou 1

Pour davantage de précision sur les cas d’usages pertinents, vous pouvez consulter ces slides. Si vous ne préférez pas envoyer le dataset, pensez du moins à l’apporter le jour J !