Descriptif
À mesure que l’intelligence artificielle s’impose dans tous les secteurs, la sécurité des modèles, la résistance aux attaques pendant l’apprentissage et la protection des données sensibles deviennent des enjeux cruciaux pour garantir une IA fiable, éthique et résiliente. Cette UE aborde différents aspects de cette problématique, sous forme de cours magistraux, de TP et de projets : watermarking des modèles d’IA, apprentissage fédéré, fairness de l’IA, la confidentialité différentielles, les données synthétiques, l’IA générative, et les techniques de chiffrement avancées pour protéger les données.
Objectifs pédagogiques
Comprendre les problématiques de protection des données sensibles et personnelles dans le contexte de l'IA.
Maitriser les outils techniques permettant de mieux protéger les données sensibles et personnelles dans le contexte de l'IA.
effectifs minimal / maximal:
3/30Diplôme(s) concerné(s)
Parcours de rattachement
Pour les étudiants du diplôme Echange international non diplomant
Avoir des bases dans les algorihmes d'IA
Pour les étudiants du diplôme Diplôme d'ingénieur
Avoir des bases dans les algorihmes d'IA
Format des notes
Numérique sur 20Pour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 5 ECTS
- Crédit d'UE électives acquis : 5
Pour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
Evaluation par projet : réalisation, rapport et présentation
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 5 ECTS
- Crédit d'Option 3A acquis : 5
Programme détaillé
- CM et TP sur les biais, l'analyse des biais dans les données et les modèles, ainsi que les approches de mitigation, pre/in/post processing.
- CM et TP sur l'équité et la confidentialité différentielle dans le contexte de l'IA
- CM et TP sur les techniques de chiffrement pour protéger les données dans le contexte de l'IA.