Co-explainers: Redefining XAI from Post Hoc Justifications to Interactive Oversight & Trust

Valeur des informations & solidité de l’argumentation

La valeur principale de cette présentation réside dans sa proposition conceptuelle de faire évoluer l’IA explicable d’un outil statique vers un système interactif et itératif, intégrant le feedback humain et la gouvernance. L’argumentation est solide, s’appuyant sur des références académiques (comme les travaux de Eric Horvitz) et réglementaires (principes éthiques de la Commission européenne, normes du NIST). L’orateur illustre son propos avec des exemples concrets dans le domaine médical, montrant comment les co-explainers pourraient améliorer la prise de décision partagée entre médecin et système. Cependant, la présentation reste principalement conceptuelle, sans étude de cas détaillée ni validation empirique, ce qui limite la portée pratique des idées avancées. La discussion sur les biais de confirmation et les métriques d’évaluation est pertinente mais reste succincte.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est correcte : l’orateur cite des travaux académiques et des cadres réglementaires reconnus, mais sans fournir de références bibliographiques complètes dans la présentation. La qualité des sources est bonne, mais leur vérification est limitée par le format de la conférence. L’adéquation entre le titre et le contenu est bonne, le titre reflétant fidèlement la proposition de redéfinition de l’IA explicable. Les commentaires ne sont pas fournis, donc aucune analyse des tendances du public n’est possible.

Le titre reflète bien le contenu : la présentation propose effectivement de redéfinir l'IA explicable comme un système interactif et itératif, en opposition aux approches post hoc statiques.

7/10

Exposé de position d'un chercheur reconnu, appuyé sur des références académiques et réglementaires, mais sans démonstration empirique ni revue systématique.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 02:00Introduction : présentation du sujet et de l'approche des co-explainers.
• 05:00Discussion sur les raisons de l'IA explicable : opacité, confiance, et enjeux réglementaires.
• 10:00Définition de l'IA explicable et importance de l'audience et du contexte.
• 15:00Présentation des limites de l'approche statique et introduction des approches dynamiques.
• 20:00Proposition du cadre des co-explainers : boucle itérative en quatre étapes.
• 25:00Exemples d'application dans le domaine médical et discussion sur la collaboration humain-machine.
• 30:00Discussion sur la gouvernance de l'opacité et l'intégration de l'explicabilité dans les processus d'audit.
• 35:00Conclusion et perspectives : importance de la confiance et de la motivation cognitive.
• 40:00Session de questions-réponses : clarification entre explainability et explicability.
• 45:00Discussion sur les biais de confirmation et les métriques d'évaluation.

• ADIA Lab Symposium — Page officielle de l'événement où la conférence a été donnée.

• ADIA Lab Symposium — Page officielle de l'événement où la conférence a été donnée.