Bannière

Librairie

Équité algorithmique: à la jonction des mathématiques et de la philosophie

Présenté par

Institut intelligence et données

Conférences midi

Comment concevoir un modèle algorithmique équitable? Lors de ce webinaire présenté par Véronique Tremblay, scientifique de données chez Beneva, profitez de quelques pistes de solution et de réflexion sur cet important sujet. 

À propos de la conférence

Comment concevoir un modèle équitable? Pour répondre à cette question il faut d’abord se demander ce qu’est l’équité. Or, nous verrons que la notion d’équité ne fait pas consensus, tant sous l’angle philosophique que sous l’angle mathématique. Le modèle parfaitement et universellement équitable est inatteignable mais le scientifique de données doit néanmoins tenir compte de l’équité dans ses modèles. Quelques pistes de solution et de réflexion seront fournies lors de la présentation.

 À propos de la conférencière

Véronique Tremblay, scientifique de données et experte en IA responsable, Beneva

Véronique Tremblay occupe les postes de scientifique de données experte en IA responsable chez Beneva, de chargée de cours au département de mathématiques et de statistique de l’Université Laval et de doctorante en science de données à HEC Montréal. Formée en statistique, elle cumule plus d’une dizaine d’année d’expérience dans l’industrie, entre autres dans le secteur de l’assurance. 

Son rôle actuel chez Beneva est d’accompagner les équipes de scientifiques de données dans leur appropriation des concepts, méthodes et outils de l’IA responsable. Sa thèse doctorale porte plus spécifiquement sur l’utilisation responsable des modèles d’aide à la décision potentiellement discriminatoires. 

Véronique est aussi collaboratrice au balado IA Café et siège au Comité consultatif sur l’innovation technologique de l’AMF. Elle a récemment obtenu le prix de Responsible AI Leader of the Year de remis par Women in AI Amérique du Nord.

Découvrir

Projet en vedette

Le cancer de la prostate est le deuxième cancer le plus fréquent et la cinquième cause de décès par cancer chez les hommes. Pour améliorer les résultats de santé des patients, le traitement doit être personnalisé en se basant sur un pronostic précis. Il existe déjà des nomogrammes permettant d’identifier les patients à faible risque de récidive sur la base d’informations cliniques préopératoires, mais ces outils n’utilisent pas les images médicales des patients.

Lire plus