Changes

<h2>Articles</h2>

<h2>Articles</h2>

<h3 style="text-decoration:none;">[https://derekalton.medium.com/building-a-framework-to-grow-ecosystems-a-rough-rough-draft-7b93ad73ed08 Construire un cadre pour faire croître les écosystèmes... une ébauche sommaire]</h3>

 

<p class="author">Derek Alton</p>

<h3 style="text-decoration:none;">[https://arxiv.org/abs/1811.10154 Arrêtez d'expliquer les modèles d'apprentissage automatique de la boîte noire pour les décisions à fort enjeu et utilisez plutôt des modèles interprétables]</h3>

<p>(En anglais - titre original : <strong>Building a framework to grow ecosystems… a rough rough draft</strong>) Tout écosystème commence par un socle de base. Ce sont les rivières et les ruisseaux, les montagnes et la terre, le soleil, la pluie et le climat général. C'est à partir de cette base qu'un écosystème se développe. Cette base doit présenter un certain niveau de durabilité pour que la vie s'installe. De même, un écosystème social a besoin d'une infrastructure de base stable et sûre pour se développer. Il peut s'agir d'une infrastructure physique telle que des routes et des bâtiments alimentés en électricité et en énergie hydraulique, mais comme nous vivons à l'ère du numérique, il s'agit de plus en plus d'une infrastructure numérique : des éléments tels que la connexion à large bande et le World Wide Web (et tous les protocoles qui le sous-tendent). Il est important de comprendre quelles sont les infrastructures nécessaires à la prospérité de votre écosystème et de veiller à ce qu'elles soient durablement disponibles.</p>

<p class="author">Cynthia Rudin</p>

<p>(En anglais - titre original : <strong>Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead</strong>) Des modèles d'apprentissage automatique en boîte noire sont actuellement utilisés pour des prises de décision à fort enjeu dans toute la société, causant des problèmes dans les soins de santé, la justice pénale et d'autres domaines. Certaines personnes espèrent que la création de méthodes permettant d'expliquer ces modèles boîte noire atténuera certains des problèmes, mais essayer d'expliquer les modèles boîte noire, plutôt que de créer des modèles interprétables en premier lieu, risque de perpétuer les mauvaises pratiques et peut potentiellement causer un grand tort à la société. La voie à suivre consiste à concevoir des modèles qui sont intrinsèquement interprétables. Cette perspective clarifie le gouffre entre l'explication des boîtes noires et l'utilisation de modèles intrinsèquement interprétables, souligne plusieurs raisons clés pour lesquelles les boîtes noires explicables devraient être évitées dans les décisions à fort enjeu, identifie les défis de l'apprentissage automatique interprétable et fournit plusieurs exemples d'applications où les modèles interprétables pourraient potentiellement remplacer les modèles de boîtes noires dans la justice pénale, les soins de santé et la vision par ordinateur.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://medium.com/opendatacharter/spotlight-a-plea-from-the-odcs-iwg-data-standardisation-matters-4d26329a18bb Un plaidoyer du Groupe de travail sur la mise en œuvre de la Charte des données ouvertes : la normalisation des données est importante]</h3>

<h3 style="text-decoration:none;">[https://eur-lex.europa.eu/legal-content/FR/TXT/?uri=COM:2017:134:FIN Cadre d’interopérabilité européen– Stratégie de mise en oeuvre]</h3>

<p class="author">Darine Benkalha</p>

<p class="author">Commission européenne</p>

<p>(En anglais - titre original : <strong>A plea from the ODC’s IWG: Data standardisation matters</strong>) Un récapitulatif de la réunion du groupe de travail sur la mise en œuvre de la Charte des données ouvertes qui s'est tenue en septembre 2021.</p>

<p>Le cadre d'interopérabilité européen (CIR) fait partie de la communication (COM(2017)134) de la Commission européenne adoptée le 23 mars 2017. Ce cadre donne des orientations spécifiques sur la manière de mettre en place des services publics numériques interopérables.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://www.statcan.gc.ca/fr/science-donnees/reseau/visualisations-donnees Créer des visualisations de données convaincantes]</h3>

<h3 style="text-decoration:none;">[https://www.statcan.gc.ca/fr/science-donnees/reseau/visualisations-donnees Créer des visualisations de données convaincantes]</h3>

<p class="author">Alden Chen, Statistique Canada</p>

<p class="author">Alden Chen, Statistique Canada</p>

<p>La visualisation des données est un élément clé de nombreux projets de science des données. Pour certains intervenants, notamment les spécialistes du domaine et les cadres qui ne sont pas nécessairement des experts techniques, il s'agit de la principale voie par laquelle ils voient, comprennent et interagissent avec les projets de données. Par conséquent, il est important que les visualisations communiquent des renseignements aussi clairement que possible. Trop souvent, les visualisations sont entravées par certains défauts courants qui les rendent difficiles à interpréter ou, pire encore, sont trompeuses. Cet article passe en revue trois pièges courants de la visualisation que les communicateurs de données et les consommateurs de données devraient comprendre, ainsi que quelques suggestions pratiques pour les contourner.</p>

<p>La visualisation des données est un élément clé de nombreux projets de science des données. Pour certains intervenants, notamment les spécialistes du domaine et les cadres qui ne sont pas nécessairement des experts techniques, il s'agit de la principale voie par laquelle ils voient, comprennent et interagissent avec les projets de données. Par conséquent, il est important que les visualisations communiquent des renseignements aussi clairement que possible. Trop souvent, les visualisations sont entravées par certains défauts courants qui les rendent difficiles à interpréter ou, pire encore, sont trompeuses. Cet article passe en revue trois pièges courants de la visualisation que les communicateurs de données et les consommateurs de données devraient comprendre, ainsi que quelques suggestions pratiques pour les contourner.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p>Le gouvernement du Canada cherche de plus en plus à utiliser l’intelligence artificielle pour prendre ou aider à prendre des décisions administratives afin d’améliorer la prestation des services. Le gouvernement s’est engagé à le faire d’une manière compatible avec les principes fondamentaux du droit administratif, comme la transparence, la responsabilisation, la légalité et l’équité procédurale. Sachant que cette technologie évolue rapidement, la présente Directive continuera d’évoluer afin de veiller à ce qu’elle soit pertinente.</p>

<p>Le gouvernement du Canada cherche de plus en plus à utiliser l’intelligence artificielle pour prendre ou aider à prendre des décisions administratives afin d’améliorer la prestation des services. Le gouvernement s’est engagé à le faire d’une manière compatible avec les principes fondamentaux du droit administratif, comme la transparence, la responsabilisation, la légalité et l’équité procédurale. Sachant que cette technologie évolue rapidement, la présente Directive continuera d’évoluer afin de veiller à ce qu’elle soit pertinente.</p>

<p class="recco">Recommandé par Statistique Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par Statistique Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://www.mccarthy.ca/fr/references/blogues/techlex/le-projet-de-loi-95-de-la-volonte-de-letat-quebecois-de-permettre-un-acces-et-une-utilisation-optimale-de-ses-donnees Le projet de loi 95 : De la volonté de l’État québécois de permettre un accès et une utilisation optimale de ses données]</h3>

<h3 style="text-decoration:none;">[https://www.mccarthy.ca/fr/references/blogues/techlex/le-projet-de-loi-95-de-la-volonte-de-letat-quebecois-de-permettre-un-acces-et-une-utilisation-optimale-de-ses-donnees Le projet de loi 95 : De la volonté de l’État québécois de permettre un accès et une utilisation optimale de ses données]</h3>

<p>(En français) Dans le monde de la recherche, cette réforme était souhaitée depuis longtemps notamment par le Scientifique en chef du Québec et les fonds de recherche pour qui l’accès à ces données sera d’une grande utilité.</p>

<p>(En français) Dans le monde de la recherche, cette réforme était souhaitée depuis longtemps notamment par le Scientifique en chef du Québec et les fonds de recherche pour qui l’accès à ces données sera d’une grande utilité.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://www.stateofopendata.od4d.net/ L'état des données ouvertes]</h3>

<h3 style="text-decoration:none;">[https://www.stateofopendata.od4d.net/ L'état des données ouvertes]</h3>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://arxiv.org/abs/1811.10154 Arrêtez d'expliquer les modèles d'apprentissage automatique de la boîte noire pour les décisions à fort enjeu et utilisez plutôt des modèles interprétables]</h3>

<h3 style="text-decoration:none;">[https://www.statcan.gc.ca/fr/science-donnees/ressources Ressources en science des données]</h3>

<p class="author">Cynthia Rudin</p>

<p class="author">Réseau de la science des données pour la fonction publique fédérale</p>

<p>(En anglais - titre original : <strong>Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead</strong>) Des modèles d'apprentissage automatique en boîte noire sont actuellement utilisés pour des prises de décision à fort enjeu dans toute la société, causant des problèmes dans les soins de santé, la justice pénale et d'autres domaines. Certaines personnes espèrent que la création de méthodes permettant d'expliquer ces modèles boîte noire atténuera certains des problèmes, mais essayer d'expliquer les modèles boîte noire, plutôt que de créer des modèles interprétables en premier lieu, risque de perpétuer les mauvaises pratiques et peut potentiellement causer un grand tort à la société. La voie à suivre consiste à concevoir des modèles qui sont intrinsèquement interprétables. Cette perspective clarifie le gouffre entre l'explication des boîtes noires et l'utilisation de modèles intrinsèquement interprétables, souligne plusieurs raisons clés pour lesquelles les boîtes noires explicables devraient être évitées dans les décisions à fort enjeu, identifie les défis de l'apprentissage automatique interprétable et fournit plusieurs exemples d'applications où les modèles interprétables pourraient potentiellement remplacer les modèles de boîtes noires dans la justice pénale, les soins de santé et la vision par ordinateur.</p>

<p>Pour les passionnés de science des données : Trouvez des ressources, des formations, des outils et des communautés.</p>

 

<h3 style="text-decoration:none;">[https://medium.com/opendatacharter/spotlight-a-plea-from-the-odcs-iwg-data-standardisation-matters-4d26329a18bb Un plaidoyer du Groupe de travail sur la mise en œuvre de la Charte des données ouvertes : la normalisation des données est importante]</h3>

<p class="author">Darine Benkalha</p>

<p>(En anglais - titre original : <strong>A plea from the ODC’s IWG: Data standardisation matters</strong>) Un récapitulatif de la réunion du groupe de travail sur la mise en œuvre de la Charte des données ouvertes qui s'est tenue en septembre 2021.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<h3 style="text-decoration:none;">[https://www.cigionline.org/publications/patching-our-digital-future-unsustainable-and-dangerous/ Le rafistolage de notre avenir numérique est insoutenable et dangereux]</h3>

<h3 style="text-decoration:none;">[https://www.statcan.gc.ca/fr/science-donnees/reseau/systemes-automatises Utilisation responsable des systèmes décisionnels automatisés du gouvernement fédéral]</h3>

<p class="author">Melissa Hathaway</p>

<p class="author">Benoit Deshaies, Secrétariat du Conseil du Trésor du Canada, et Dawn Hall, Secrétariat du Conseil du Trésor du Canada</p>

<p>(En anglais - titre original : Patching Our Digital Future Is Unsustainable and Dangerous) Ces dernières années, le monde a été témoin d'un nombre alarmant de cyberincidents très médiatisés, de pratiques préjudiciables dans le domaine des technologies de l'information et des communications (TIC) et d'actes répréhensibles à l'échelle internationale dus à une mauvaise utilisation des TIC. Au cours des 30 dernières années, une vulnérabilité unique et stratégique a été apportée à la société, en permettant à des produits commerciaux prêts à l'emploi, mal codés ou mal conçus, d'imprégner et d'alimenter chaque aspect de notre société connectée. Ces produits et services, qui présentent des faiblesses exploitables, sont devenus le ventre mou des systèmes gouvernementaux, des infrastructures et services essentiels, ainsi que des activités des entreprises et des ménages. La cyber-insécurité mondiale qui en résulte représente un risque croissant pour la santé, la sécurité et la prospérité publiques. Il est essentiel de devenir beaucoup plus stratégique dans la façon dont les nouvelles technologies numériques sont conçues et déployées, et de tenir les fabricants de ces technologies responsables de la sécurité numérique et de la sûreté de leurs produits. L'industrie technologique a rapidement mis sur le marché des produits vulnérables - maintenant, il est crucial de travailler ensemble pour réduire les risques créés et guérir notre environnement numérique aussi vite que la société le peut. Cet article a d'abord été publié dans le cadre de la récente série d'essais du CIGI, Governing Cyber Space during a Crisis in Trust.</p>

<p>Les scientifiques des données jouent un rôle important dans l'évaluation de la qualité des données et la mise au point de modèles pour appuyer les systèmes décisionnels automatisés. Une compréhension du moment où la Directive s'applique et de la manière de satisfaire à ses exigences peut appuyer l'utilisation éthique et responsable de ces systèmes. En particulier, l'exigence en matière d'explication et l'orientation (Ligne directrice sur les services et le numérique, section 4.5.3 ) du Secrétariat du Conseil du Trésor du Canada (SCT) sur la sélection des modèles sont d'une grande importance pour les scientifiques des données.</p>

<p class="recco">Recommandé par la Communauté des données du GC</p>

<p class="recco">Recommandé par le Bureau du DPI du Canada, Secrétariat du Conseil du Trésor du Canada, un partenaire de la Communauté des données du GC.</p>

<!-- *** WEBSITES *** -->

<!-- *** WEBSITES *** -->