LFI
Explications certifiées pour les décisions de modèles robustes
Donnerstag, 16. Oktober 2025Zeitplan : 14:00
Hénoïk WILLOT (LIP6, Sorbonne Université)
Résumé : Durant cet exposé, nous étudierons comment apporter des explications aux décisions prises dans le cadre de modèles d’aide à la décision crédaux. L’apprentissage classique d’un modèle paramétrique est confronte à la qualité de l’information disponible. Elle peut être disponible en trop petite quantité (ex : apprentissage des préférences d’un utilisateur), de manière trop déséquilibrée (ex : classification avec une classe rare) ou, de manière générale, entachée d’erreurs ou incertaine. Trouver une valeur précise à ces paramètres risquerait alors de prendre des décisions non robustes, car trop peu d’information disponible, voir arbitraire, car un léger changement des poids changerait la décision. Une solution possible est d’utiliser un ensemble crédal de modèles, défini comme l’ensemble de tous les modèles vérifiant l’information disponible. La prise de décision est ensuite adaptée pour ne prendre que les décisions unanimes sur l’ensemble (de manière sceptique), induisant une indécision partielle du modèle. L’objectif est d’apporter des explications sur ces décisions et indécisions afin d’améliorer la confiance de l’utilisateur vis-à-vis du modèle. Nous étudierons deux situations d’aide à la décision: – la représentation des préférences de l’utilisateur à l’aide d’une somme pondérée ordonnée (Ordered Weighted Averaging), où le modèle robuste nous permettra de faire le lien avec l’apprentissage robuste des préférences, et de définir des explications sous forme de preuve utilisant les propriétés caractérisant le modèle. – la classification probabiliste, où nous étendrons formellement les notions d’explications par impliquant premiers et par contre-factuelles pour les décisions et indécisions des modèles robustes.
Cet exposé reviendra également sur les objectifs et problématiques du projet Horizon Europe DOMINO-E et sur nos contributions sur l’optimisation de plan de réservation sous plusieurs types d’incertitudes.
Bio : Hénoïk Willot a effectué sa thèse dans l’équipe « Connaissance, Incertitude, Données » (CID) du laboratoire Heudiasyc de l’Université de Technologie de Compiègne, sous la supervision de Sébastien Destercke et de Khaled Belahcene. Il a ensuite effectué un postdoctorat d’un an à l’ONERA de Toulouse, dans l’équipe « Exigences Décision Optimisation » (EDO) du « Département Traitement de l’Information et Systèmes » (DTIS), dans le cadre du projet Horizon Europe « DOMINO-E ». Hénoïk Willot est depuis septembre nouveau maître de conférences dans l’équipe « Learning Fuzzy and Intelligent systems » (LFI) du LIP6 à Sorbonne Université.
Lien Zoom : disponible sur la page https://lfi.lip6.fr/seminaires/ le jour du séminaire.
Ce séminaire est organisé conjointement avec le Chapitre Français de l’IEEE Computational Intelligence Society
salle Jacques Pitrat, n°105, couloir 25-26, 1er étage (accès par la tour 26), LIP6, Sorbonne Université, Campus Pierre et Marie Curie, 4 place Jussieu, 75005 Paris
Mehr Informationen hier …