XAI : Explications Contrastives Bi-factuelles

Description du projet

Ce projet, réalisé dans le cadre du Master Informatique - DAC (Sorbonne Université), porte sur la mise en œuvre d'un système d'IA Explicable (XAI) basé sur les explications contrastives bi-factuelles.
Il s'appuie sur la théorie de Tim Miller et vise à identifier les causes contrastives expliquant pourquoi une décision est prise dans un contexte donné et une autre dans un contexte différent.

Équipe

• Faten Racha Said
• Ahmed Abdelaziz Mokeddem
• Yacine B. D. Chettab

Encadré par Isabelle Bloch et Marie-Jeanne Lesot.

Fonctionnalités

• Implémentation des définitions formelles de Tim Miller (causes, actual causes, partial causes).
• Algorithmes pour l'identification des causes et explications contrastives bi-factuelles.
• Optimisations des fonctions AC et BC afin de réduire la complexité computationnelle.
• Développement d'une première interface graphique (CausaLytics) pour tester le modèle.
• Étude expérimentale : comparaison des temps d'exécution entre approche naïve et optimisée.

Résultats

• Implémentation validée sur des cas tests illustratifs (plateforme d'admission MonMaster simulée).
• Optimisations significatives réduisant les temps de calcul (jusqu'à plusieurs ordres de grandeur).