Bootcamp : Aperçu statistique des systèmes d’IA modernes

Membre du comité responsable de l’atelier

L’objectif de ce bootcamp est de doter les statisticiens d’une maîtrise opérationnelle des outils d’IA avancés, en particulier les grands modèles linguistiques (LLM), l’apprentissage profond, l’apprentissage par renforcement, les agents et l’alignement de l’IA. Thèmes spécifiques abordés :

1. Alignement de l’IA dans une perspective statistique : transformer la sécurité, l’utilité et la non-toxicité en quantités mesurables (tests d’hypothèse, limites de risque, prédiction sélective/abstention) ; pratiquer le red teaming et l’audit avec contrôle des erreurs.
2. Apprentissage profond à travers le prisme statistique : généralisation sous décalage, robustesse, calibrage et cas où les limites permettent de prédire de manière significative le comportement de déploiement.
3. Modèles linguistiques à grande échelle (LLM)
4. Agents IA : boucles de décision avec incertitude et rétroaction ; politiques tenant compte des risques, journaux vérifiables et surveillance.
5. Raisonnement causal avec les LLM : distinction entre cibles prédictives et cibles causales ; analyses de sensibilité ; documentation des hypothèses pour des décisions défendables.
6. Apprentissage par renforcement : exploration fondée sur des principes statistiques, évaluation hors politique, ensembles de confiance et implications en matière de sécurité/équité.

Inscriptions à partir du 2 février.