BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.4.5//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:0-349@lisn.upsaclay.fr DTSTART;TZID=Europe/Paris:20251219T100000 DTEND;TZID=Europe/Paris:20251219T130000 DTSTAMP:20251210T154841Z URL:https://www.lisn.upsaclay.fr/evenements/repenser-la-selection-des-mode les-ml-a-laide-dune-ihm-durable/ SUMMARY:Repenser la sélection des modèles ML à l’aide d’une IHM dura ble DESCRIPTION:Jury\nAurelie BUGEAU\, Professor\, Université de Bordeaux\, Ra pporteure &\; Examinatrice\nInes DI LORETO\, Associate Professor\, Univ ersité de technologie de Troyes\, Rapporteure &\; Examinatrice\nAurél ien TABARD\, Maitre de conférences\, Université Claude Bernard Lyon\, Ex aminateur\nAnne-Laure LIGOZAT\, Professor\, Université Paris Saclay et É cole Nationale Supérieure d’Informatique pour l’Industrie et l’Entr eprise (ENSIIE)\, Examinatrice\nRésumé\nL’entraînement et le déploie ment de grands modèles exigent d’importantes ressources de calcul\, con tribuent aux émissions de carbone et accentuent les inégalités d’acc ès aux données et aux infrastructures. Pourtant\, la durabilité est enc ore rarement considérée comme un critère de sélection prioritaire\, so uvent reléguée derrière les objectifs de performance et d’efficacité . Un point de décision crucial\, mais largement négligé dans ce process us\, est la sélection du modèle\, où les développeurs choisissent entr e des modèles concurrents\, privilégiant souvent la précision ou la fam iliarité au détriment de l’efficacité et de la durabilité.\nL’inte raction homme–machine (IHM) se concentre sur les interactions entre les personnes\, la technologie et le contexte\, et offre des perspectives pré cieuses pour relever ces défis. En mettant l’accent sur les valeurs hum aines et la réflexion dans le processus de sélection des modèles\, les méthodes issues de l’IHM peuvent aider les praticiens à prendre en com pte les conséquences environnementales de leurs choix techniques. \;C ette thèse explore comment la durabilité peut être intégrée dans les flux de travail de l’apprentissage automatique (AA) en combinant les per spectives issues de l’IHM\, de l’apprentissage automatique et de la re cherche sur la durabilité. \;Elle propose des contributions théoriqu es\, empiriques et techniques visant à faire progresser la compréhension et la pratique vers un apprentissage automatique plus durable et centré sur l’humain. \;J’examine l’état actuel de la sensibilisation e t de la prise en compte de la durabilité au sein de l’IHM et de l’AA à travers des entretiens\, des questionnaires et une revue de littératur e approfondie. \;À partir de ces observations\, je présente un nouve au cadre de recherche sur la durabilité qui relie ces deux domaines et d éfinit de nouvelles orientations pour la recherche à leur intersection.\ nGrâce à des entretiens avec des praticiens de l’apprentissage automat ique\, j’ai mis en évidence le rôle crucial de la définition initiale du problème et de la sélection du modèle pour réduire l’impact envi ronnemental des applications d’IA. \;Mes résultats montrent que la sensibilisation à la durabilité reste limitée et souvent secondaire par rapport aux objectifs de performance lors du choix d’un modèle. \; Bien que les développeurs soient conscients des coûts énergétiques et infrastructurels associés aux grands modèles d’apprentissage automatiq ue\, ils manquent d’outils ou de cadres leur permettant d’évaluer ou de réduire ces effets. \;Ces constats ont conduit à la conception et à l’évaluation de Seleco\, une interface interactive qui guide les d éveloppeurs dans la définition de leurs tâches d’apprentissage automa tique et la sélection de modèles appropriés\, tout en tenant compte de leur consommation énergétique et de leur impact environnemental.\nNotre étude d’observation comparative structurée\, menée auprès de dévelo ppeurs professionnels en apprentissage automatique\, montre que la transpa rence sur la consommation d’énergie et l’empreinte environnementale d es modèles les incite à réfléchir à leurs choix et à intégrer la du rabilité dans leurs décisions quotidiennes. \;Au-delà de l’outil lui-même\, mes résultats démontrent que l’application des méthodes d e l’IHM aux processus d’apprentissage automatique peut favoriser des p ratiques plus durables et encourager les praticiens à mieux concilier per formance technique et responsabilité éthique ou environnementale. \; En conclusion\, cette thèse montre comment l’intégration d’une conce ption centrée sur l’humain\, d’une pratique réflexive et de considé rations de durabilité peut encourager des approches plus responsables et transparentes du développement de l’apprentissage automatique. CATEGORIES:IaH LOCATION:LISN Site Plaine – Digitéo\, 1 rue René THOM 91190 Gif-sur -Yvette\, France X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=1 rue René THOM 91190 Gif- sur-Yvette\, France;X-APPLE-RADIUS=100;X-TITLE=LISN Site Plaine – Digit éo:geo:0,0 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20251026T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR