Journées d'Intelligence Artificielle Hybride : de l’intégration des connaissances et de l’humain à l’explication des modèles

8:30 - 9:30 (1h)

Accueil

Réception des participants

9:30 - 10:00 (30min)

Introduction

10:00 - 11:00 (1h)

A hitchhiker’s guide to Ontology

Amphi Michelin 2 Eiffel

Fabian M. Suchanek

11:00 - 11:30 (30min)

Pause café

11:30 - 12:30 (1h)

IA Hybride

Amphi Michelin 2 Eiffel

› A semiotic account of mental models for human stakeholders of XAI systems. - Clément ARLOTTI, IRT SystemX 11:30-11:37 (07min)

› BioHAN: a knowledge-based heterogeneous graph neural network for precision medicine on transcriptomic data - Victoria Bourgeais, Laboratoire Bordelais de Recherche en Informatique 11:37-11:44 (07min)

› ET: EXPLAIN TO TRAIN: LEVERAGING EXPLANATIONS TO ENHANCE THE TRAINING OF A MULTIMODAL TRANSFORMER - Meghna P Ayyar, Laboratoire Bordelais de Recherche en Informatique - Jenny BENOIS-PINEAU, Laboratoire Bordelais de Recherche en Informatique 11:44-11:51 (07min)

› Knowledge graph extension leveraging pre-trained language models - Nada Mimouni, CEDRIC, Cnam Paris 11:51-11:58 (07min)

› Integrating Domain Knowledge into Class-Incremental Learning - Eva Feillet, CEA LIST 11:58-12:06 (08min)

› An EXplainable RecommandER SYStem for the Nutrition Domain, combining Knowledge Graphs and Machine Learning - Combeau Alexandre, Données et Connaissances Massives et Hétérogènes - LISN 12:06-12:13 (07min)

› Dialogue explicatif pour la classification d'images - Dao THAUVIN, DTIS, ONERA, Université Paris Saclay [Palaiseau] 12:13-12:20 (07min)

› Mettre en place une approche hybride pour manager les avis techniques relatifs au retour d'expérience d'exploitation d'un équipement complexe sensible - Alain BERGER, ARDANS 12:20-12:27 (07min)

12:30 - 14:00 (1h30)

Pause déjeuner + Posters

14:00 - 15:00 (1h)

Concept-based Explainable AI (C-XAI): a paradigm shift in XAI

Amphi Michelin 2 Eiffel

Gabriele Ciravegna

15:00 - 16:00 (1h)

IA Hybride

Amphi Michelin 2 Eiffel

› IA hybride est-elle une solution pour l'explicabilité? Analyse sémiotique de deux approches de vision par ordinateur. - Stéphane Herbin, DTIS, ONERA, Université Paris Saclay [Palaiseau] 15:00-15:07 (07min)

› Associer modèle de langage et ingénierie d'ontologie : une étude de cas et perspectives - Maxence Gagnant, IRT SystemX 15:07-15:14 (07min)

› Comment détecter les hallucinations des LLMs ? - Grégoire Martinon, Capgemini 15:14-15:22 (08min)

› Explicabilité et interprétabilité d'un classifieur convolutionnel spatiotemporel à partir de mécanismes d'attentions et de fouille de ré-descriptions - Christophe Lin-Kwong-Chon, Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance 15:29-15:36 (07min)

› Knowledge Graph-Based Image Classification - Franck Anael MBIAYA KWUITE, Laboratoire d'Informatique Fondamentale d'Orléans, Laboratoire pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique 15:36-15:43 (07min)

› Supprimer pour expliquer les modèles profonds de classification d'image - Romain Giot, Laboratoire Bordelais de Recherche en Informatique 15:36-15:43 (07min)

› Lignes directrices pour assurer le contrôle humain d'un simulateur par apprentissage machine profond nécessitant une hybridation entre l'explication et la compréhension de ses spécifications formalisées par la théorie de la modélisation et de la simulation - Christophe DENIS, LIP6, Équipe de Recherche Interdisciplinaire sur les Aires Culturelles, Institut d'Histoire et de Philosophie des Sciences et des Techniques, Unité de modélisation mathématique et informatique des systèmes complexes [Bondy] 15:43-15:50 (07min)

16:00 - 17:00 (1h)

Pause café + Posters

17:00 - 18:00 (1h)

Knowledge Representation for eXplainable Artificial Intelligence

Amphi Michelin 2 Eiffel

Pierre Marquis

18:30 - 20:00 (1h30)

Cocktail