L\u2019intelligence artificielle (IA) est pass\u00e9e de concepts th\u00e9oriques \u00e0 des applications concr\u00e8tes. Dans le domaine du transport, elle a conduit au d\u00e9veloppement d\u2019innovations de pointe qui promettent d\u2019am\u00e9liorer la mobilit\u00e9 \u00e0 l\u2019\u00e9chelle mondiale. Aujourd\u2019hui, les applications de l\u2019IA dans l\u2019\u00e9cosyst\u00e8me des transports sont multiples, allant de la gestion du trafic aux v\u00e9hicules autonomes.<\/p>\n\n\n\n
Cependant, l\u2019utilisation de l\u2019IA dans les transports soul\u00e8ve \u00e9galement des questions \u00e9thiques, car les algorithmes qui alimentent ces applications reposent sur les donn\u00e9es. Des erreurs de repr\u00e9sentation, des donn\u00e9es de mauvaise qualit\u00e9 ou biais\u00e9es peuvent entra\u00eener des accidents aux cons\u00e9quences potentiellement fatales. Ainsi, les parties prenantes doivent \u00eatre prudentes lors de la mise en \u0153uvre de l\u2019IA.<\/p>\n\n\n\n
L\u2019IA est un outil puissant, et avec un grand pouvoir viennent de grandes responsabilit\u00e9s. Cet article explore l\u2019\u00e9quilibre d\u00e9licat entre les consid\u00e9rations \u00e9thiques et les progr\u00e8s de l\u2019IA dans les transports.<\/p>\n\n\n\n
Les syst\u00e8mes bas\u00e9s sur l\u2019IA utilisent une quantit\u00e9 massive de donn\u00e9es, dont certaines en temps r\u00e9el. Il est donc essentiel de bien r\u00e9fl\u00e9chir avant de se lancer dans des projets aliment\u00e9s par l\u2019IA. Leur mise en \u0153uvre doit \u00eatre centr\u00e9e sur l\u2019humain, respecter le cadre l\u00e9gal et adh\u00e9rer \u00e0 des principes moraux.<\/p>\n\n\n\n
Les logiciels pilot\u00e9s par l\u2019IA fonctionnent gr\u00e2ce \u00e0 l\u2019int\u00e9gration avec d\u2019autres technologies, telles que le Cloud<\/strong> et les capteurs IoT. Cela implique une gestion soigneuse des diff\u00e9rentes plateformes n\u00e9cessaires \u00e0 la production de solutions d\u2019IA.<\/p>\n\n\n\n Le transport, pilier de la vie moderne, g\u00e9n\u00e8re quotidiennement une quantit\u00e9 \u00e9norme de donn\u00e9es. Par exemple, les v\u00e9hicules autonomes (AVs) collectent des donn\u00e9es via des cam\u00e9ras, radars, lidars, GPS et divers capteurs. Selon Intel, un v\u00e9hicule autonome peut g\u00e9n\u00e9rer jusqu\u2019\u00e0 4To de donn\u00e9es par jour 1<\/a><\/sup>.<\/p>\n\n\n\n Gr\u00e2ce \u00e0 l\u2019Edge Computing<\/strong>, les v\u00e9hicules deviennent des centres de donn\u00e9es mobiles. Ces donn\u00e9es proviennent des passagers, des pi\u00e9tons, des voitures, des cyclistes et de l\u2019environnement. Cependant, la commercialisation et la collecte massive de ces donn\u00e9es r\u00e9duisent le contr\u00f4le des individus sur leurs informations personnelles.<\/p>\n\n\n\n Les donn\u00e9es collect\u00e9es incluent des informations de localisation et des donn\u00e9es biom\u00e9triques. Russell Ruben, directeur marketing chez Western Digital, explique que certaines de ces donn\u00e9es sont trait\u00e9es en temps r\u00e9el avant d\u2019\u00eatre supprim\u00e9es, tandis que d\u2019autres sont stock\u00e9es pour entra\u00eener des mod\u00e8les d\u2019IA2<\/a><\/sup>. De plus, les AV personnels stockent des donn\u00e9es suppl\u00e9mentaires, notamment les pr\u00e9f\u00e9rences de l’utilisateur et des informations financi\u00e8res.<\/p>\n\n\n\n Le stockage des donn\u00e9es sur le Cloud<\/strong> pour le traitement et l\u2019entra\u00eenement des mod\u00e8les ouvre la porte \u00e0 des fuites de donn\u00e9es et des acc\u00e8s non autoris\u00e9s. Par exemple, des chercheurs en IA de Microsoft ont accidentellement expos\u00e9 38 To de donn\u00e9es en configurant mal un serveur Cloud3<\/a><\/sup>.<\/p>\n\n\n\n Une enqu\u00eate men\u00e9e par HiddenLayer, une entreprise de cybers\u00e9curit\u00e9, a r\u00e9v\u00e9l\u00e9 qu\u2019en 2023, environ 77 % des entreprises interrog\u00e9es avaient subi des violations li\u00e9es \u00e0 leurs solutions d\u2019IA 4<\/a><\/sup>. Selon Chris Sestito, PDG de HiddenLayer, l\u2019IA est la technologie la plus vuln\u00e9rable jamais d\u00e9ploy\u00e9e dans des syst\u00e8mes de production 5<\/a><\/sup>.<\/p>\n\n\n\n Les donn\u00e9es utilis\u00e9es pour l\u2019IA doivent \u00eatre trait\u00e9es dans le cadre des r\u00e9glementations l\u00e9gales en vigueur. Les entreprises doivent \u00eatre transparentes sur leurs processus. Par exemple, les autorit\u00e9s qui utilisent l\u2019IA pour g\u00e9rer le trafic doivent \u00e9viter de l\u2019exploiter \u00e0 des fins de surveillance.<\/p>\n\n\n\n Les d\u00e9veloppeurs d\u2019IA pour les transports doivent int\u00e9grer d\u00e8s la conception des principes de protection de la vie priv\u00e9e. Cela signifie inclure la confidentialit\u00e9 comme composante essentielle des mod\u00e8les d\u2019IA afin de limiter les atteintes \u00e0 la vie priv\u00e9e. Des strat\u00e9gies telles que le chiffrement des donn\u00e9es, des pratiques de cybers\u00e9curit\u00e9 robustes et l\u2019anonymisation des donn\u00e9es personnelles doivent \u00eatre prioritaires.<\/p>\n\n\n\n Des cadres r\u00e9glementaires solides comme le RGPD de l\u2019UE et le CCPA de Californie offrent des bases int\u00e9ressantes, bien que des am\u00e9liorations soient encore n\u00e9cessaires.<\/p>\n\n\n\n Les biais dans les solutions d\u2019IA proviennent souvent de donn\u00e9es non repr\u00e9sentatives ou d\u00e9fectueuses qui perp\u00e9tuent des in\u00e9galit\u00e9s. Si ces biais ne sont pas corrig\u00e9s, ils peuvent conduire \u00e0 des d\u00e9cisions discriminatoires.<\/p>\n\n\n\n Une \u00e9tude men\u00e9e par Georgia Tech a r\u00e9v\u00e9l\u00e9 que les modules de d\u00e9tection d\u2019objets dans les AVs avaient des performances insatisfaisantes pour d\u00e9tecter les personnes de couleur, exposant ces groupes \u00e0 des risques accrus d\u2019accidents6<\/a><\/sup>.<\/p>\n\n\n\n Les syst\u00e8mes d\u2019IA \u00e0 commande vocale trouvent de plus en plus leur place dans les v\u00e9hicules, tant pour des fonctionnalit\u00e9s embarqu\u00e9es qu\u2019externes. Cependant, les solutions de reconnaissance vocale automatis\u00e9e (ASR<\/strong>, Automated Speech Recognition) d\u00e9velopp\u00e9es avec des donn\u00e9es biais\u00e9es ou non diversifi\u00e9es peuvent pr\u00e9senter des lacunes7<\/a><\/sup>.<\/p>\n\n\n\n Ces lacunes peuvent \u00eatre dues \u00e0 des mod\u00e8les de discours vari\u00e9s, des accents r\u00e9gionaux ou des contextes mal interpr\u00e9t\u00e9s. Une \u00e9tude de l\u2019Universit\u00e9 de Stanford a mis en \u00e9vidence des disparit\u00e9s raciales significatives dans les syst\u00e8mes ASR. Selon cette recherche, les assistants vocaux \u00e9quip\u00e9s de capacit\u00e9s de traitement du langage naturel (NLP) identifient mal 35 % des mots prononc\u00e9s par des locuteurs noirs, contre 19 % pour les locuteurs blancs 8<\/a><\/sup>.<\/p>\n\n\n\n Les fonctionnalit\u00e9s activ\u00e9es par la voix sont un v\u00e9ritable atout pour l\u2019industrie automobile, am\u00e9liorant l\u2019accessibilit\u00e9 dans divers \u00e9cosyst\u00e8mes de transport. Cependant, en l\u2019absence de donn\u00e9es d\u2019entra\u00eenement diversifi\u00e9es et de tests rigoureux, les syst\u00e8mes ASR risquent de ne pas r\u00e9pondre aux attentes de certaines communaut\u00e9s.<\/p>\n\n\n\n Des biais dans les donn\u00e9es d\u2019entra\u00eenement peuvent limiter l\u2019acceptation sociale et la confiance envers l\u2019IA. Une IA qui automatise et renforce les st\u00e9r\u00e9otypes peut causer des dommages aux utilisateurs du transport. Les parties prenantes doivent donc prendre des mesures proactives pour r\u00e9soudre les probl\u00e8mes qui contribuent aux in\u00e9galit\u00e9s. Les solutions locales doivent r\u00e9pondre aux besoins des populations locales tout en tenant compte des visiteurs et des usagers \u00e9trangers.<\/p>\n\n\n\n L\u2019IA identifie des motifs et corr\u00e9lations cach\u00e9s dans les donn\u00e9es, aidant les syst\u00e8mes et les op\u00e9rateurs \u00e0 prendre des d\u00e9cisions. Cependant, ces syst\u00e8mes sont souvent per\u00e7us comme complexes et opaques, ce qui suscite des inqui\u00e9tudes sur la transparence, la confiance et la responsabilit\u00e9.<\/p>\n\n\n\n Les syst\u00e8mes de deep learning sont critiqu\u00e9s pour leur nature de \u00ab\u00a0bo\u00eetes opaques\u00a0\u00bb, car il est difficile de comprendre comment leurs d\u00e9cisions sont prises. Par exemple, les v\u00e9hicules autonomes sont cens\u00e9s freiner en cas de d\u00e9tection d\u2019un pi\u00e9ton. Pourtant, si un accident survient, il est impossible de retracer le processus de \u00ab\u00a0r\u00e9flexion\u00a0\u00bb de l\u2019IA 9<\/a><\/sup>.<\/p>\n\n\n\n Le professeur Samir Rawashdeh de l\u2019Universit\u00e9 du Michigan souligne les d\u00e9fis li\u00e9s \u00e0 la robustesse des syst\u00e8mes de perception des v\u00e9hicules autonomes. Il explique que si un accident se produit parce qu\u2019un syst\u00e8me n\u2019a pas d\u00e9tect\u00e9 un pi\u00e9ton, cela pourrait \u00eatre d\u00fb \u00e0 une situation nouvelle pour laquelle le syst\u00e8me n\u2019a pas \u00e9t\u00e9 entra\u00een\u00e9.<\/p>\n\n\n\n Cependant, Rawashdeh remet en question la faisabilit\u00e9 de recueillir des donn\u00e9es d\u2019entra\u00eenement qui couvrent tous les sc\u00e9narios possibles, \u00e9tant donn\u00e9 l\u2019infinit\u00e9 de permutations dans les conditions de conduite r\u00e9elles : variations m\u00e9t\u00e9orologiques, types de routes ou niveaux d\u2019\u00e9clairage.<\/p>\n\n\n\n Des strat\u00e9gies pour r\u00e9soudre le probl\u00e8me des bo\u00eetes opaques incluent le d\u00e9veloppement d\u2019une IA explicable<\/strong> (XAI<\/strong>, Explainable AI). Ce cadre aide \u00e0 interpr\u00e9ter et comprendre les mod\u00e8les d\u2019IA, en caract\u00e9risant leur pr\u00e9cision, leur transparence et leurs r\u00e9sultats.<\/p>\n\n\n\n L\u2019IA explicable permet aux d\u00e9veloppeurs de v\u00e9rifier si les sorties des mod\u00e8les sont exactes en effectuant des simulations par rapport aux r\u00e9sultats attendus. Des techniques comme DeepLIFT<\/strong> peuvent \u00e9galement \u00eatre utilis\u00e9es pour tracer la d\u00e9pendance entre les entr\u00e9es et les sorties des syst\u00e8mes d\u2019IA 10<\/a><\/sup>.<\/p>\n\n\n\n Dans un environnement de transport impr\u00e9visible et dynamique, les v\u00e9hicules autonomes peuvent \u00eatre confront\u00e9s \u00e0 des dilemmes \u00e9thiques complexes. L\u2019un des exemples les plus c\u00e9l\u00e8bres pour illustrer ce d\u00e9fi est le \u00ab\u00a0probl\u00e8me du tramway\u00a0\u00bb.<\/p>\n\n\n\n Dans le contexte des AVs, ce dilemme se pose lorsque le v\u00e9hicule doit prendre des d\u00e9cisions en une fraction de seconde, choisissant entre deux issues potentiellement pr\u00e9judiciables. Par exemple, un AV pourrait se retrouver dans une situation o\u00f9 il doit choisir entre percuter un groupe de pi\u00e9tons ou d\u00e9vier et mettre en danger ses passagers.<\/p>\n\n\n\n Cela soul\u00e8ve des questions sur les principes \u00e9thiques et les cadres de d\u00e9cision \u00e0 int\u00e9grer dans les syst\u00e8mes d\u2019IA. Les AVs doivent-ils prioriser la s\u00e9curit\u00e9 de leurs passagers ou celle des pi\u00e9tons ? Ou doivent-ils \u00eatre programm\u00e9s pour minimiser les dommages globaux ?<\/p>\n\n\n\n Trouver un \u00e9quilibre entre ces priorit\u00e9s conflictuelles et d\u00e9terminer les compromis appropri\u00e9s exige une r\u00e9flexion approfondie et un dialogue continu entre les \u00e9thiciens, les d\u00e9cideurs politiques et les acteurs de l\u2019industrie.<\/p>\n\n\n\n Un rapport de PwC indique que l\u2019IA et l\u2019automatisation pourraient ajouter plus de 15 000 milliards de dollars \u00e0 l\u2019\u00e9conomie mondiale d\u2019ici 2030 11<\/a><\/sup>. Cependant, cela se fera au prix de d\u00e9placements d\u2019emplois et d\u2019impacts sur le march\u00e9 du travail. Le Forum \u00e9conomique mondial estime que l\u2019IA pourrait entra\u00eener la perte de 75 millions d\u2019emplois dans le monde d\u2019ici 2025 12<\/a><\/sup>.<\/p>\n\n\n\n L\u2019industrie du transport est particuli\u00e8rement concern\u00e9e : une fois que les AVs atteindront une autonomie compl\u00e8te, les chauffeurs de taxis et de services de covoiturage risquent de perdre leur emploi.<\/p>\n\n\n\n Par exemple, Baidu, g\u00e9ant chinois des moteurs de recherche, exploite un service de robotaxis \u00e0 Wuhan. L\u2019adoption rapide de ce service et ses tarifs bas suscitent des inqui\u00e9tudes parmi les chauffeurs locaux, qui voient leurs emplois menac\u00e9s 13<\/a><\/sup>.<\/p>\n\n\n\n Face \u00e0 ces menaces, les travailleurs du secteur des transports devront se former \u00e0 de nouvelles comp\u00e9tences. Les autorit\u00e9s comp\u00e9tentes doivent veiller \u00e0 ce que les projets d\u2019IA dans le transport soient centr\u00e9s sur l\u2019humain, augmentant les capacit\u00e9s des travailleurs plut\u00f4t que de les remplacer.<\/p>\n\n\n\n En juin 2022, un robotaxi Cruise a bless\u00e9 plusieurs passagers. Selon le rapport d’accident, l\u2019enqu\u00eate a conclu que les d\u00e9cisions prises par le v\u00e9hicule \u00e9taient \u00ab\u00a0inacceptablement risqu\u00e9es\u00a0\u00bb 14<\/a><\/sup>. Dans un autre incident, un robotaxi Cruise a percut\u00e9 un bus par l\u2019arri\u00e8re en raison d\u2019une erreur dans le mod\u00e8le de pr\u00e9diction15<\/a><\/sup>.<\/p>\n\n\n\n Ces incidents, ainsi que d\u2019autres, ont mis en lumi\u00e8re les probl\u00e8mes de s\u00e9curit\u00e9 des v\u00e9hicules autonomes. Ces v\u00e9hicules reposent sur des technologies sophistiqu\u00e9es qui collectent et traitent des donn\u00e9es avant de prendre des d\u00e9cisions. Le moteur d\u2019IA, bas\u00e9 sur des r\u00e9seaux neuronaux, est form\u00e9 avec de nombreuses images pour des t\u00e2ches comme la d\u00e9tection d\u2019objets. Cependant, ce moteur peut rencontrer des difficult\u00e9s dans des situations peu communes, ce qui peut conduire \u00e0 des d\u00e9cisions contestables.<\/p>\n\n\n\n La s\u00e9curit\u00e9 des syst\u00e8mes d\u2019IA destin\u00e9s au grand public est cruciale. Toute solution d\u2019IA qui nuit ou perturbe n\u00e9gativement les usagers suscite de la m\u00e9fiance. Les solutions bas\u00e9es sur l\u2019IA doivent donc faire l\u2019objet de tests rigoureux et de simulations continues pour renforcer l\u2019apprentissage des syst\u00e8mes.<\/p>\n\n\n\n L\u2019IA transforme le secteur des transports avec des applications telles que l\u2019optimisation des itin\u00e9raires et une meilleure gestion du trafic. Cependant, les pr\u00e9occupations \u00e9thiques, notamment en mati\u00e8re de vie priv\u00e9e, soulignent la n\u00e9cessit\u00e9 d\u2019une mise en \u0153uvre prudente des projets d\u2019IA. Des strat\u00e9gies appropri\u00e9es doivent \u00eatre adopt\u00e9es pour garantir que les risques ne l\u2019emportent pas sur les avantages.<\/p>\n\n\n\n Par exemple, un cadre l\u00e9gislatif appropri\u00e9 peut fournir une plus grande clart\u00e9 et un \u00e9quilibre entre les projets d\u2019IA et les risques associ\u00e9s. Cependant, \u00e0 l\u2019heure actuelle, les lois accusent un retard par rapport aux avanc\u00e9es spectaculaires de l\u2019IA.<\/p>\n\n\n\n En outre, les autorit\u00e9s et les entreprises doivent concevoir des projets centr\u00e9s sur le public tout en tenant compte des consid\u00e9rations \u00e9thiques. Des normes et strat\u00e9gies doivent \u00eatre \u00e9tablies, notamment en ce qui concerne l\u2019implication des parties prenantes, l\u2019\u00e9ducation des utilisateurs, la tra\u00e7abilit\u00e9 et l\u2019utilisation d\u2019une IA explicable. En fin de compte, les applications \u00e9thiques de l\u2019IA b\u00e9n\u00e9ficieront d\u2019une meilleure acceptation et d\u2019une confiance accrue.<\/p>\n\n\n\n L\u2019IA dans le secteur des transports offre des perspectives prometteuses en termes d\u2019efficacit\u00e9, de s\u00e9curit\u00e9 et de durabilit\u00e9. Cependant, la prise en compte des consid\u00e9rations \u00e9thiques est essentielle pour une mise en \u0153uvre r\u00e9ussie. Une approche proactive pour att\u00e9nuer les risques li\u00e9s \u00e0 la vie priv\u00e9e, aux biais algorithmiques et \u00e0 la s\u00e9curit\u00e9 est cruciale pour instaurer la confiance du public et surmonter les pr\u00e9occupations actuelles.<\/p>\n\n\n\n En \u00e9tablissant des cadres \u00e9thiques solides, des normes et des lignes directrices, les d\u00e9veloppeurs de syst\u00e8mes d\u2019IA peuvent garantir que cette technologie est d\u00e9ploy\u00e9e de mani\u00e8re \u00e0 respecter les droits individuels, promouvoir l\u2019\u00e9quit\u00e9 et prioriser les besoins des acteurs du secteur des transports.<\/p>\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" L\u2019intelligence artificielle (IA) est pass\u00e9e de concepts th\u00e9oriques \u00e0 des applications concr\u00e8tes. Dans le domaine du transport, elle a conduit au d\u00e9veloppement d\u2019innovations de pointe qui promettent d\u2019am\u00e9liorer la mobilit\u00e9 \u00e0 l\u2019\u00e9chelle mondiale. Aujourd\u2019hui, les applications de l\u2019IA dans l\u2019\u00e9cosyst\u00e8me des transports sont multiples, allant de la gestion du trafic aux v\u00e9hicules autonomes. Cependant, l\u2019utilisation […]<\/p>\n","protected":false},"author":8,"featured_media":7618,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"Data is the New Oil in the Future of Automated Driving | Intel Newsroom<\/a>\",\"id\":\"9c0f653f-2ca5-4654-ad72-a84a799bc18d\"},{\"content\":\"How Data Unlocks the Future of Autonomous Vehicles<\/a>\",\"id\":\"f989d382-bdc9-41c6-a1f8-1ee7f32f1487\"},{\"content\":\"Types of Risks in AI - Data Leakage<\/a>\",\"id\":\"193fc565-a93d-4a49-9935-b0929afc38a8\"},{\"content\":\"HiddenLayer\u2019s 2024 AI Threat Landscape Report<\/a>\",\"id\":\"b4c8bde1-62e7-4302-ac88-e343eb5ce679\"},{\"content\":\"Study: 77% of Businesses Have Faced AI Security Breaches<\/a>\",\"id\":\"31755e28-00a0-4092-aa0d-3cca001b7c6c\"},{\"content\":\"Research Reveals Possibly Fatal Consequences of Algorithmic Bias | College of Computing<\/a>\",\"id\":\"06b9891c-5270-4bd8-9d3f-8860d51a013b\"},{\"content\":\"Voice-activated Devices: AI\u2019s Epic Role in Speech Recognition<\/a>\",\"id\":\"78dffad4-93fe-4ca1-9689-734f049699b2\"},{\"content\":\"Understanding algorithmic bias and how to build trust in AI: PwC<\/a>\",\"id\":\"43008042-dfe4-45be-ab5c-d40951787e7a\"},{\"content\":\"AI's mysterious \u2018black box\u2019 problem, explained | University of Michigan-Dearborn<\/a>\",\"id\":\"f9b49d22-f71d-4918-a85f-065c3001e105\"},{\"content\":\"What is Explainable AI (XAI)? | IBM<\/a>\",\"id\":\"edd9eb19-04dd-422b-8a3c-1f94a239bab6\"},{\"content\":\"PwC\u2019s Global Artificial Intelligence Study: Sizing the prize<\/a>\",\"id\":\"9ef7d687-cd42-4bce-9ba0-111cb3cc4464\"},{\"content\":\"The Impact of AI on Job Roles, Workforce, and Employment: What You Need to Know<\/a>\",\"id\":\"b31f2960-b8e9-48d0-8d59-c88660fdaef5\"},{\"content\":\"Super cheap robotaxi rides spark widespread anxiety in China -CNN Business<\/a>\",\"id\":\"fed821c4-8515-45a7-9bfe-b53d760ae152\"},{\"content\":\"Cruise Unacceptably Risky \u2013 Part 1 \u2014 Retrospect<\/a>\",\"id\":\"e5ea5328-61d1-467b-996b-f6ce18cea6d3\"},{\"content\":\"Why we do AV software recalls | Cruise<\/a>\",\"id\":\"3e945da4-2427-4b4d-bf9b-9afe8c7cd66e\"}]"},"categories":[142],"tags":[203],"class_list":["post-7606","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-societe","tag-transport"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7606","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=7606"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7606\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/7618"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=7606"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=7606"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=7606"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Prot\u00e9ger la confidentialit\u00e9 des donn\u00e9es personnelles et pr\u00e9venir les abus<\/h3>\n\n\n\n
Aborder les biais algorithmiques et promouvoir l\u2019\u00e9quit\u00e9<\/h3>\n\n\n\n
Biais dans les applications de reconnaissance vocale automatis\u00e9e<\/h4>\n\n\n\n
Naviguer dans les dilemmes \u00e9thiques de la prise de d\u00e9cision par l\u2019IA<\/h3>\n\n\n\n
Les dilemmes de prise de d\u00e9cision dans les v\u00e9hicules autonomes<\/h4>\n\n\n\n
Impact sur l\u2019emploi et le march\u00e9 du travail<\/h3>\n\n\n\n
Pr\u00e9occupations li\u00e9es \u00e0 la s\u00e9curit\u00e9<\/h2>\n\n\n\n
\u00c9quilibrer les b\u00e9n\u00e9fices et les risques<\/h2>\n\n\n\n
Conclusion<\/h2>\n\n\n\n