ATELIER AI ACT DAY - Explicabilité

Présentation des intervenants

• Thomas Bouché, Data scientist à la MAIF
• Guillaume Vignal, Data scientist à la MAIF
• David Cortés, Co-fondateur & Président de AI-vidence
• Laurent Michel, Co-fondateur de AI-vidence
• Pierre Hulot, Directeur Data Science chez AI-vidence
• Xavier Lioneton, COO de datacraft

Points abordés : 

• Rappel sur les notions d’explicabilité (locale et globale), de valeurs de Shapley et de drift des données : rendre le fonctionnement et les résultats des modèles plus intelligibles et transparents pour les humains

• Présentation des outils de la MAIF : Shapash pour l’explicabilité locale et Eurybia pour le drift

• Introduction à la notion de l’explicabilité régionale : améliorer l’interprétabilité et apporter des garanties

• Présentation du cas d’usage : Données de l’ADEME - Baromètre des représentations sociales du changement climatique : base de données de l'ensemble des vagues de ce baromètre depuis l’année 2000

• Prise en main de la librairie Shapash (ou autres librairies), mise en place de différentes approches (locale, régionale ou globale...) sur des modèle de régression ou de classification, interprétation, échanges

N’hésitez pas également à retrouver les slides ici et à retrouver les codes sur GitHub.
De nombreux ateliers sont à venir, alors n'hésitez pas à jeter un oeil à notre agenda pour vous inscrire !