En salle MOOC de Polytech Dijon, Sébastien Guillemin, doctorant dans l’équipe SD du LIB, fera une répétition de sa soutenance de thèse, qu’il soutiendra le 27 octobre à 14h (dans la même salle).
Titre : Interprétation de données hétérogènes et multivariées
Résumé : L’intelligence artificielle trouve sa place dans de nombreux domaines au travers d’applications diverses. En particulier, les systèmes d’aide à la décision assistent les experts métier dans les actions à mener au sein de leur organisation, compte tenu d’un ensemble d’objectifs à atteindre et de ressources limitées. Les domaines critiques, où les décisions peuvent avoir des impacts majeurs sur les vies humaines (ex., justice, santé, etc.), imposent alors aux systèmes d’aide à la décision d’être interprétables, tant pour des raisons éthiques et légales que pour gagner la confiance des experts. Ces exigences s’appliquent également aux modèles d’intelligence artificielle sur lesquels reposent ces systèmes. Dans ce contexte, nous nous intéressons au domaine critique de l’appariement d’échantillons de stupéfiants, mis en place par le Service National de la Police Scientifique (SNPS). Ce processus, fondé sur l’analyse croisée de données issues de bases de données nationales et confidentielles, est actuellement manuel et sujet à des divergences d’interprétation entre experts.
Cette thèse propose une approche neurosymbolique, combinant approches symboliques et approches connexionnistes. Nous introduisons le langage logique Clause de Horn Pondérée (CHP), une extension du Semantic Web Rule Language (SWRL) permettant de formaliser les nuances de raisonnement des experts métier et de prendre en compte les données manquantes lors de l’inférence. Nous proposons également l’ontologie STUPS, qui modélise les connaissances des experts du SNPS. Celle-ci permet alors l’intégration de sources de données hétérogènes aux données multivariées, au sein d’une base de connaissances. Enfin, nous présentons une méthode pédagogique d’extraction de règles logiques à partir d’un modèle en boîte noire. Celle-ci permet de mettre en œuvre une approche semi-automatisée d’aide à la décision, interprétable et conforme aux raisonnements des experts. Nous conduisons également une série d’expérimentations reproductibles, mettant en évidence la pertinence et la faisabilité de l’approche proposée