• LEN.IA - FR
  • LEN.IA - EN

LEN.IA



Évaluation éthique pour une IA digne de confiance



L'Évaluation éthique pour une IA digne de confiance proposée par le LEN.IA - Laboratoire d'éthique du numérique et de l'intelligence artificielle réunit des équipes multidisciplinaires afin de procéder à l'évaluation éthique de systèmes en intelligence numérique. Les ateliers indépendants, basés à Montréal, permettent à des experts en informatique, en génie, en philosophie, en éthique, en sciences sociales, en droit, dans les disciplines mobilisées par les systèmes évalués et les parties prenantes de conduire une analyse réflexive des enjeux soulevés par ces systèmes pour s'assurer qu'ils sont dignes de confiance.


Les ateliers sont organisés en s'appuyant sur l'expertise internationale développée autour de l'initiative Z-Inspection®, elle-même fondée sur les Lignes directrices en matière d'éthique pour une IA digne de confiance de la Commission européenne.


Afin de demander une Évaluation éthique pour une IA digne de confiance, contactez-nous.



listes des membres
évaluation éthique pour une ia digne de confiance



- Frédérick Bruneault, chercheur principal et partenaire

- Andréane Sabourin Laflamme, chercheuse et partenaire

- Roberto V. Zicari, conseiller



lABORATOIRES AFFILIÉS



The Ethical and Trustworthy AI Lab at Illinois Institute of Technology’s Center for the Study of Ethics in the Professions (Chicago, USA).


The Laboratory for Trustworthy AI at Arcada University of Applied Sciences (Helsinki, Finland).


Trustworthy AI Lab Venice at Venice Urban Lab (Venice, Italy).


Trustworthy AI Lab at the University of Copenhagen, (Copenhagen, Denmark).


The Trustworthy AI Lab at L3S Research Center Leibniz, University Hannover, (Hannover, Germany).


The Laboratory for Ethical and Trustworthy AI in Practice at the Swinburne University of Technology Sarawak Campus (Sarawak, Malaysia).



PUBLICATIONS
Z-Inspection®​



To explain or not to explain?—Artificial intelligence explainability in clinical decision support systems. PLOS Digit Health 1(2), February 2022.


On Assessing Trustworthy AI in Healthcare. Machine Learning as a Supportive Tool to Recognize Cardiac Arrest in Emergency Calls. Front. Hum. Dyn., July 2021.


Co-design of a Trustworthy AI System in Healthcare: Deep Learning based Skin Lesion Classifier. Front. Hum. Dyn., July 2021.


Z-Inspection®: A Process to Assess Trustworthy AI. IEEE Transactions on Technology and Society, 2021.


POUR VOIR LA LISTE COMPLÈTE, CONSULTEZ ​

z-inspection.org/publications/



Pour en savoir plus
sur Z-Inspection®



CLIQUEZ ICI





Z-inspection® est une marque déposée. Ce travail est distribué selon les termes et conditions de la licence Creative Commons (Attribution-NonCommercial-ShareAlike CC BY-NC-SA).



Contact


info@lenia.net

NOS MÉDIAS SOCIAUX



(Re)penser l'éthique de l'IA et de la transformation numérique



LEN.IA, s.e.n.c.

Montréal, Québec, Canada