Alors que l'intelligence artificielle (IA) s'intègre dans des domaines à haut risque tels que les soins de santé, la finance et la justice pénale, il est essentiel que les personnes responsables de la construction de ces systèmes pensent en dehors de la boîte noire et développent des systèmes qui sont non seulement précis, mais aussi transparents et dignes de confiance. Ce cours fournit une introduction complète à l'IA explicable (XAI), vous donnant les moyens de développer des solutions d'IA qui sont alignées sur les principes de l'IA responsable. À travers des discussions, des études de cas et des exemples du monde réel, vous acquerrez les compétences suivantes : 1. Définir la terminologie et les concepts clés de l'IAO, y compris l'interprétabilité, l'explicabilité et la transparence. 2. Évaluer les différentes approches interprétables et explicables, comprendre leurs compromis et leurs applications. 3. Intégrer les explications de l'IAO dans les processus de prise de décision pour améliorer la transparence et la confiance. 4. Évaluer les systèmes d'IAO en termes de robustesse, de respect de la vie privée et de considérations éthiques, afin de garantir un développement responsable de l'IA. 5. Appliquer les techniques XAI à des domaines de pointe tels que l'IA générative, en restant à la pointe des tendances émergentes. Ce cours est idéal pour les professionnels de l'IA, les scientifiques des données, les ingénieurs en apprentissage automatique, les gestionnaires de produits et toute personne impliquée dans le développement ou le déploiement de systèmes d'IA. En maîtrisant XAI, vous serez équipé pour créer des solutions IA qui sont non seulement puissantes, mais aussi interprétables, éthiques et dignes de confiance, résolvant des défis critiques dans des domaines tels que la santé, la finance et la justice pénale. Pour réussir ce cours, vous devez avoir une expérience dans la construction de produits IA et une compréhension de base des concepts d'apprentissage automatique tels que l'apprentissage supervisé et les réseaux neurones. Le cours couvrira des techniques et des applications d'IA explicables sans détails techniques profonds.