Avenir de l’XAI

Fondamentaux de l’IA explicable (XAI)

Folkert Stijnman

ML Engineer

Progrès des techniques d’interprétabilité

Plus de complexité, plus de besoin d’XAI
Méthodes sophistiquées, agnostiques au modèle
Outils de visualisation
Interfaces interactives

capture d’écran du titre de l’article « XAI for All: Can Large Language Models Simplify Explainable AI? »

¹ Mavrepis, P., Makridis, G., Fatouros, G., Koukos, V., Separdani, M. M., & Kyriazis, D. (2024). XAI for All: Can Large Language Models Simplify Explainable AI?. arXiv preprint arXiv:2401.13110.

Relever le défi de la montée en charge

Les techniques d’XAI sont très coûteuses en calcul
L’XAI doit suivre l’essor de l’IA
Intégration au cloud

un graphique représentant plusieurs systèmes d’IA

Approches interdisciplinaire de l’XAI

graphique montrant des personnes de milieux divers travaillant ensemble

Relier l’IA aux sciences sociales et humaines
Collaboration entre chercheurs en IA, éthiciens, psychologues et sociologues
Intégrer le design UX

Défis à venir

Essor de l’usage des LLM
Régulations en hausse, p. ex. l’AI Act de l’UE
Veiller à la vie privée, aux biais et à l’éthique de tout système d’IA

graphique montrant un avenir où l’IA croît

¹ https://artificialintelligenceact.eu/

Passons à la pratique !

Fondamentaux de l’IA explicable (XAI)