IA et éthique pour l’amélioration du service public
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Koné, Lalla Aicha
Date de soutenance : 15-10-2024

Directeur(s) de thèse : Deruyver, Aline - Haouba, Ahmedou

Rapporteur(s) : Vion-Dury, Juliette - Sallantin, Jean
Membre(s) du jury : Collet, Pierre - Ould Salihi, Mohamed Lemine - Diallo, Mamadou Tourad - Nanne, Mohamedade Farouk

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique

Mots-clés libres : Intelligence artificielle (IA), Éthique, Prédiction de séries temporelles courtes, Programmation génétique, Filtre de Kalman, Conformité éthique, Normes socioculturelles, Gouvernements, Ingénierie de propmt, LLMs
Mots-clés :
  • Intelligence artificielle - Morale
  • Secteurs public et parapublic
Résumé : Cette thèse explore l'intégration éthique de l'IA dans le secteur public, en particulier pour les pays en développement, malgré des données limitées. La première contribution propose un modèle combinant programmation génétique et filtre de Kalman, optimisé pour les séries temporelles courtes, appliqué aux statistiques d'admission au baccalauréat en Mauritanie. Ce modèle améliore la précision des prévisions et promet des avancées dans le secteur éducatif. La seconde contribution introduit deux applications web pour ajuster dynamiquement les normes éthiques en IA, une pour les gouvernements, l'autre pour les développeurs, favorisant une conformité aux valeurs locales. Ces innovations offrent un déploiement responsable de l'IA, aligné sur les normes socioculturelles locales d'une région donnée.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2024STRAD044
Type de ressource : Thèse