Action transversale

Recherche responsable

L'action transversale Recherche responsable comprend trois sous-thématiques : Impacts environnementaux du numérique Éthique de l'IA Science ouverte

Événements

L’action transversale Recherche responsable comprend trois sous-thématiques :

  • Impacts environnementaux du numérique
  • Éthique de l’IA
  • Science ouverte

Impacts environnementaux du numérique

Compte tenu de l’omniprésence du numérique, il est plus que jamais indispensable de comprendre comment nos usages des outils numériques impactent l’environnement . Il s’agit ici de l’étude des impacts directs du numérique sur l’environnement, en considérant les impacts énergétiques mais également les problèmes de pollution, d’épuisement des ressources, etc. Des méthodologies d’évaluation d’impact environnemental existent, mais ne sont pas toujours adaptées au numérique, et les données sont difficiles à obtenir dans ce domaine. En outre, les effets indirects, notamment les effets rebonds, ne sont généralement pas pris en compte alors qu’ils sont très importants pour le numérique. Le pendant de cette étude concerne la réduction des impacts environnementaux du numérique : développement de systèmes sobres, c’est-à-dire ayant un impact minimal sur l’environnement, et résilients, c’est-à-dire capables de fonctionner en cas de difficulté d’accès à certaines ressources (énergie, réseau mondial…).

Publication
Unraveling the Hidden Environmental Impacts of AI Solutions for Environment Life Cycle Assessment of AI Solutions
https://hal-amu.archives-ouvertes.fr/hal-03650884

Éthique de l’IA

La puissance de l’IA et notamment de l’apprentissage machine et son utilisation massive dans beaucoup d’objets numériques posent des enjeux inédits, et pourraient conduire à des dérives, que les différents acteurs et plus largement la société doivent anticiper. L’éthique de l’IA couvre en fait plusieurs aspects que les chercheurs doivent intégrer dans leurs études, créations de solutions et sur leur communication. Le développement des outils numériques (agents conversationnels, robots sociaux et tous les systèmes de décisions fondés sur des approche neuronales) et leur déploiement doivent se faire dans un contexte qui respecte nos valeurs éthiques. Ces valeurs telles que l’équité, la non-discrimination, la loyauté, le nudge (incitation) pour les systèmes d’apprentissage à base de réseaux de neurones et les corpus utilisés sont un sujet de recherche qui intéresse les départements Sciences et Technologies des Langues et Science des Données. Deux chaires ont été obtenues sur ces sujets : HUMAAINE et HUMANIA. Dans cette recherche sur l’éthique, l’objectif de recherche est également de démystifier et démocratiser ces sujets auprès du plus grand nombre.

Science ouverte

Le troisième pan de cette action concerne les recherches associées à la science ouverte qui vise à construire un écosystème dans lequel la science est plus reproductible, donc plus cumulative, plus fortement étayée par des données, plus transparente, et d’accès plus universel. Les défis à relever sont nombreux depuis la conception de plate-formes d’échanges de données capables de supporter des volumes de données très important dans un contexte hautement distribué jusqu’à
la conception de solutions pour indexer, comparer, annoter de très larges jeux de données. Les défis se situent également dans la conception de pipelines d’analyse reproductibles qu’il convient de pouvoir échanger, re-exécuter, indexer et comparer. Ces problématiques sont au cœur des activités du département Science des Données mais nécessitent des collaborations étroites avec les départements Sciences et Technologies des Langues et Algorithmes, Apprentissage et Calcul.
Construire des pipelines reproductibles d’annotation de données par extraction d’informations dans les textes pose des défis à la croisée du TALTraitement Automatique des langues et de la science des données. De même les données de sciences ouvertes, comme par exemple les données LOD (Linked Open Data) forment de très grands graphes de données dont la structure est particulièrement complexe. Naviguer dans ces graphes ou les interroger efficacement pose des problèmes d’algorithmique des graphes particulièrement importants à traiter en collaboration avec le département Algorithmes, Apprentissage et Calcul et des problèmes de visualisation interactive à traiter en lien avec l’action Visualisation. Un projet interne au LRI entre Science des Données et Algorithmes, Apprentissage et Calcul dans ce contexte porte sur la recherche de clés de données dans les grands graphes RDF du LOD.

Coordination