diff options
Diffstat (limited to 'folio.tex')
| -rw-r--r-- | folio.tex | 41 |
1 files changed, 31 insertions, 10 deletions
@@ -5,7 +5,7 @@ \includegraphics[height=1.9cm]{INSA.png}
\end{center}
-\vspace{.3cm}
+%\vspace{.3cm}
\footnotesize
\centering
\begin{tabular}{|p{8.6cm}p{8.6cm}|}
@@ -14,12 +14,11 @@ \multicolumn{2}{p{17.2cm}}{}\\
\hline
&\\
- NOM : \textbf{Aalmoes}&DATE de SOUTENANCE : \textbf{(Date)}\\
- (avec précision du nom de jeune fille, le cas échéant)&\\
+ NOM : \textbf{Aalmoes}&DATE de SOUTENANCE : \textbf{10/12/2024}\\
&\\
Prénoms : \textbf{Jan}&\\
&\\
- \multicolumn{2}{|p{17.2cm}|}{TITRE : \textbf{Intelligence artificielle pour des services moraux}}\\
+ \multicolumn{2}{|p{17.2cm}|}{TITRE : \textbf{Intelligence artificielle pour des services moraux : concilier équité et confidentialité}}\\
&\\
&\\
&\\
@@ -32,9 +31,24 @@ &\\
&\\
R\'ESUM\'E :&\\
- \multicolumn{2}{|p{17.2cm}|}{\lipsum[4]}\\
- \multicolumn{2}{|p{17.2cm}|}{\lipsum[3]}\\
- \multicolumn{2}{|p{17.2cm}|}{\lipsum[2]}\\
+ \multicolumn{2}{|p{17.2cm}|}{
+L’intelligence artificielle (IA) est de plus en plus présente dans de nombreux domaines
+comme la santé, les médias ou les ressources humaines.
+Ces technologies induisent des risques pour la confidentialité des données personnelles des utilisateurs et peuvent introduire des biais discriminatoires rendant les décisions automatiques non équitables.
+Cette inéquité est étudiée à deux niveaux dans la littérature scientifique.
+L'équité individuelle cherche à s'assurer que les IA se comportent de la même manière à toutes choses égales, excepté un attribut sensible comme la couleur de peau.
+L'équité de groupe, quant à elle, cherche à comprendre les différences de traitement par les IA entre les minorités.
+
+Ma principale contribution vise à comprendre le lien entre l’équité de groupe et la confidentialité des attributs sensibles des utilisateurs.
+Notre approche théorique nous a amené à démontrer que, sous un certain aspect, la confidentialité et l’équité pouvaient travailler de concert pour créer des IAs plus fiables.
+Nous avons validé ces résultats en suivant une approche expérimentale en étudiant des bases de données et des algorithmes d'apprentissage standards.
+
+Pour ce faire nous commençons par présenter un état de l'art qui permet de mieux comprendre ce qu’est l’IA et quels sont les enjeux et les régulations.
+Nous verrons ainsi que l’équité et la confidentialité sont des points capitaux qu’il faut prendre en compte pour un développement moral de l’IA.
+Ensuite nous présenterons un nouvel algorithme d’apprentissage automatique que nous utiliserons pour construire une attaque d'inférence d'attributs sensibles.
+Enfin, les données synthétiques sont utilisées pour contourner les obligations légales de protection des données personnelles.
+Nous explorerons donc l’impact de l’utilisation des données synthétiques pour l'entraînement des IAs sur l'inférence d'attributs sensibles.
+ }\\
&\\
\multicolumn{2}{|p{17.2cm}|}{MOTS-CL\'ES : \textbf{Intelligence articielle, Equitée, Confidentialité, Privacy, Fairness}}\\
&\\
@@ -45,13 +59,20 @@ \end{tabular}}\\
&\\
&\\
- \multicolumn{2}{|p{17.2cm}|}{Directeur de thèse : \textbf{Methieu Cunche}}\\
+ \multicolumn{2}{|p{17.2cm}|}{Directeur de thèse : \textbf{Mathieu Cunche}}\\
&\\
&\\
- \multicolumn{2}{|p{17.2cm}|}{Président du Jury : \textbf{(président, nommé au moment de la soutenance)}}\\
+ \multicolumn{2}{|p{17.2cm}|}{Président du Jury : \textbf{BOUCHENAK Sara}}\\
&\\
\multicolumn{2}{|p{17.2cm}|}{Composition du Jury :}\\
- \multicolumn{2}{|p{17.2cm}|}{\hspace{1cm}\textbf{(Jury)}}\\
+ \multicolumn{2}{|p{17.2cm}|}{\textbf{
+ BOUCHENAK, Sara et
+ ALLARD, Tristan et
+ DECOUCHANT, Jérémie et
+ FRINDEL, Carole et
+ RUDAMETKIN, Walter et
+ PERROT, Michael
+ }}\\
&\\
\hline
\end{tabular}
|