L'Intelligence Artificielle centrée sur les données (Data Centric AI, ou DCAI) est une approche prometteuse qui place les données au cœur du processus d'apprentissage automatique, contrairement aux approches traditionnelles centrées sur les algorithmes et les architectures de modèles. Cette approche est axée sur la qualité, la quantité et la représentativité des données qui sont des facteurs clés de la fiabilité et de la robustesse des systèmes d’IA. La DCAI met aussi l'accent sur l’automatisation de tout le pipeline de la science des données incluant la préparation des données, leur nettoyage, leur annotation et leur représentation. Ce paradigme permet le développement de méthodes qui soient plus interprétables et équitables tout en ayant une interaction continue avec l’humain. L’objectif de l’atelier est de présenter les travaux des équipes francophones concernant l’IA centrée sur les données (data centric AI), et de fédérer les chercheurs travaillant sur cette thématique.

--- Dates Importantes ---

• Date de soumissions : 26/11/2024, 23 :59 heure de Paris 

• Notification aux auteurs : 13/12/2024 

• Date de l'atelier : 28/01/2025 

--- Thèmes (liste non exhaustive) ---

• Automatisation des pipelines de science des données 
  • Labellisation, augmentation, nettoyage, sélection, agrégation, représentation …
• Méthodes centrées sur les données pour l’apprentissage automatique et la fouille de données
  • Interprétabilité, confiance, éthique, biais, …
• Génération de jeux de données ou de Benchmarks
  • Génération assistée par des modèles, framework d’évaluation, … …
• Outils pour l’IA centrée sur les données
• Applications de méthodes centrées sur les données

-- Soumission –

Les articles pourront porter sur des travaux originaux ou correspondre à des travaux déjà acceptés dans des conférences internationales. Ils pourront aussi décrire des solutions mises en place par des entreprises.

Deux types de soumissions :

• Articles courts : 2 à 4 pages
• Articles longs : 8 à 12 pages 

Les soumissions devront être au format PDF exclusivement et devront utiliser le format RNTI latex : https://www.editions-rnti.fr/files/RNTI-202208.zip. Chaque article soumis sera évalué en double aveugle.