Allison Cohen est responsable des projets d’IA appliquée chez Mila. Dans ce contexte, Allison travaille en étroite collaboration avec des chercheurs en IA, des collaborateurs et des partenaires financiers pour professionnaliser les projets d’IA socialement bénéfiques et les déployer à grande échelle. Actuellement, son portefeuille de projets comprend une application de dé-biaisage et un outil pour aider la police dans ses enquêtes sur la traite des êtres humains. Allison est également impliquée dans le Global Partnership on Artificial Intelligence (GPAI), une organisation internationale chargée de développer les meilleures pratiques mondiales en matière d’IA. Au sein du GPAI, Allison travaille avec le comité sur la découverte de médicaments sur une série de recommandations politiques conçues pour catalyser un processus de R&D basé sur l’IA qui produit des médicaments distribués équitablement et mieux alignés sur les résultats des soins de santé. Allison est titulaire d’un baccalauréat en développement international de l’Université McGill et d’une maîtrise en affaires mondiales de l’Université de Toronto.

Il existe un phénomène problématique et pourtant omniprésent dans le domaine de la recherche et du développement de produits d’IA : nous arrivons trop tard pour nous demander si les algorithmes que nous avons développés sont construits à des fins précises. Pourquoi ? Parce que nous avons interprété à tort l’expression  » adapté à l’objectif  » comme signifiant  » techniquement faisable « . Cette définition occulte des considérations d’égale importance, notamment le paysage culturel, social, politique et juridique qui imprègne la conception de l’outil et détermine son utilité. Lors de la création de produits d’IA, les chercheurs ne sont confrontés aux questions de réflexion multidisciplinaire qu’au moment où ils sont sur le point de soumettre un article ou de lancer leur outil. Cependant, à ce stade du projet, une foule de décisions pertinentes ont déjà été prises, consciemment ou non, qui influencent l’utilité des algorithmes. Ces décisions commencent avant même que l’algorithme n’ait été entraîné ou que les données n’aient été collectées. Dans cet exposé, il sera question des points d’inflexion importants qui sont trop souvent manqués dans le cycle de vie du développement de produits. Ces points d’inflexion offrent aux chercheurs en IA et aux développeurs de produits la possibilité de s’assurer que la technologie qu’ils construisent est adaptée à l’objectif visé.