- 17
- 15
- 4
- 2
- 1
Khaled Belahcene
39
Documents
Presentation
PROJET DE RECHERCHE
-------------------
### Positionnement
Mon travail de recherche se positionne à la croisée des domaines de la *décision algorithmique* (décision
multicritères, choix social computationnel, décision dans l’incertain, théorie algorithmique
des jeux) et de la *représentation des connaissances et du raisonnement* (préférences, argumentation,
révision de croyances). Je m’intéresse à la prise de décision, et à l’aide à la prise de décision,
vues comme des processus complexes, impliquant diverses parties prenantes, exigeant de tenir
compte de points de vue divers et souvent conflictuels, en présence d’informations plus ou moins
complètes.
### Problématique
Plus particulièrement, je m’attache à outiller le processus d’aide à la décision de capacités explicatives.
Afin de pouvoir arbitrer entre différents compromis possibles entre points de vue
conflictuels, il est fréquemment nécessaire d’avoir recours à des raisonnements sur les préférences
du décideur. Ces raisonnements sont parfois portés par des modèles, caractérisés à la
fois par un certain nombre de propriétés normatives ou descriptives, ainsi que par une famille
paramétrée de fonctions réalisant l’agrégation des points de vue en une synthèse unique. Tandis
que l’élicitation des préférences s’attache à identifier ces paramètres préférentiels à partir d’informations
fournies par le décideur, le moteur d’explication cherche à produire un argumentaire
reliant ces informations, les propriétés caractéristiques du modèle choisi, et la recommandation
faite au décideur. Pour que cet argumentaire traduise la causalité entre prémisses et conclusion,
il s’avère fructueux de considérer les recommandations robustes vis-à-vis de l’information
incomplète concernant les préférences du décideur \[1, 3, 4\].
### Applications
L’introduction de cette capacité explicative tend à répondre à la fois à des demandes sociétales
(ex. consolider la confiance qu’un humain pleut placer dans un système (semi)-automatique) et à
des défis scientifiques (ex. comment l’argumentaire soit techniquement valide et convenablement
mis en forme de manière en faciliter son appropriation).
PERSPECTIVES
------------
### Extension à de nouveaux modèles d’évaluation
Mes travaux m’ont conduit à proposer deux moteurs d’explication pour des préférences fondée
sur un modèle de valeur additive \[1\], et d’investiguer les modèles de tri non-compensatoire fondés
sur des jugements relatifs \[3\] ou absolus \[2, 4\]. D’autres modèles plus complets, tels que les
modèles additifs généralisés, l’intégrale de Choquet, ou à points de référence multiples, méritent
considération.
### Amélioration computationnelle
La recherche d’explications constitue un défi computationnel. Une approche novatrice, fondée
sur des formulations en termes de satisfiabilité booléenne donnent des résultats prometteurs \[2\],
et mérite d’être investiguée (en particulier dans le cadre du PEPS SAT4EX).
### Inscription dans une procédure dialectique
La production d’un argumentaire appuyant le point de vue d’un agent artificiel contribue à
permettre à terme à la décision algorithmique de se soumettre à une procédure contradictoire.
Pour cela, il est nécessaire de formaliser le processus d’aide à la décision par un jeu de dialogue
permettant à l’utilisateur/décideur de prendre l’initiative.
### Révision du modèle d’évaluation
La plupart des procédures d’élicitation des préférences font l’hypothèse que le processus progresse,
sans rebroussement, et s’appuient par conséquent sur des modèles d’évaluation très
expressifs. Une autre approche, encore peu représentée, consiste à partir d’un modèle restrictif,
volontairement simpliste, et à réviser ce modèle à la demande (PEPS PULP).
### Gouvernance algorithmique
La défiance montante de la société à l’égard de la décision algorithmique doit être prise avec le
plus grand sérieux, et commence à se traduire en actes, en particulier par l’affirmation renouvelée
de la prééminence en droit du principe du contradictoire. Cette exigence nécessite l’invention
d’une gouvernance nouvelle, incorporant des instances de recours ou d’audit garantissant le
déroulement loyal d’un processus dialectique, par exemple dans le cadre de la justice prédictive
(\[4\], PEPS EMOJI).
Publications
- 2
- 2
- 2
- 2
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 22
- 20
- 12
- 11
- 9
- 7
- 3
- 3
- 3
- 3
- 3
- 3
- 3
- 2
- 2
- 2
- 2
- 2
- 2
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 19
- 10
- 8
- 4
- 3
- 1
- 3
- 2
- 1
- 1
- 1
- 1
|
Explications axiomatisées pour décisions équitables25e congrès annuel de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2024), Société française de recherche opérationnelle et d'aide à la décision, Mar 2024, Amiens, France
Conference papers
hal-04590407v1
|
|
Explications et caractérisation de décisions équitables18èmes Journées d'Intelligence Artificielle Fondamentale (JIAF-JFPDA 2024), Jean-Guy Mailly; François Schwarzentruber; Anaëlle Wilczynski, Jul 2024, La Rochelle, France. pp.68-78
Conference papers
hal-04763967v1
|
|
Principled Explanations for Robust Redistributive Decisions27th European Conference on Artificial Intelligence, Including 13th Conference on Prestigious Applications of Intelligent Systems (ECAI-PAIS 2024), Oct 2024, Santiago de compostela, Spain. pp.979 - 986, ⟨10.3233/FAIA240587⟩
Conference papers
hal-04647555v3
|
|
Les implicants premiers, un outil polyvalent pour l'explication de classification robuste17èmes Journées d'Intelligence Artificielle Fondamentale (JIAF-JFPDA 2023), Zied Bouraoui; François Schwarzentruber; Anaëlle Wilczynski, Jul 2023, Strasbourg, France. pp.146-155
Conference papers
hal-04310904v1
|
|
Explication de recommandations issues d’un modèle additif : de la conceptualisation à l’évaluation24e congrès annuel de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2023), ROADEF, Feb 2023, Rennes, France
Conference papers
hal-04108900v1
|
|
Opérateurs totalement informatifs et ordres linéaires partitionnés en révision de croyances17èmes Journées d’Intelligence Artificielle Fondamentale (JIAF-JFPDA 2023), Jul 2023, Strasbourg, France. pp.43-54
Conference papers
hal-04430609v1
|
|
Prime Implicants as a Versatile Tool to Explain Robust Classification13th International Symposium on Imprecise Probabilities: Theories and Applications (ISIPTA 2023), Enrique Miranda; Ignacio Montes; Erik Quaeghebeur; Barbara Vantaggi, Jul 2023, Oviedo, Spain. pp.461-471
Conference papers
hal-04310960v1
|
|
Fragment of the necessary decisions explained by an argument scheme in a non compensatory sorting modelFrom Multiple-Criteria Decision Aid to Preference Learning (DA2PL 2022), Nov 2022, Compiègne, France
Conference papers
hal-03897196v1
|
|
Explaining Robust Classification Through Prime Implicants15th International Conference on Scalable Uncertainty Management (SUM 2022), Oct 2022, Paris, France. pp.361-369, ⟨10.1007/978-3-031-18843-5_25⟩
Conference papers
hal-03895975v1
|
|
Explications de classifications robustes a l’aide d’implicants premiers31ièmes Rencontres Francophones sur la Logique Floue et ses Applications (LFA 2022), Benjamin Quost; Romain Guillaume, Oct 2022, Toulouse, France. pp.19-25
Conference papers
hal-04310851v1
|
|
Des explications par étapes pour le modèle additif16èmes Journées d'Intelligence Artificielle Fondamentale (JIAF 2022), Jun 2022, Saint-Etienne, France. pp.35-48
Conference papers
hal-03825214v1
|
Fragment explicable par schémas d'arguments des affectations nécessaires dans un tri non compensatoire16èmes Journées d'Intelligence Artificielle Fondamentale (JIAF 2022), Jun 2022, Saint-Étienne, France. pp.35-46
Conference papers
hal-03897250v1
|
|
|
Explaining Fairness-Oriented Recommendations using Transfers and Transitive ArgumentsFrom Multiple-Criteria Decision Aid to Preference Learning (DA2PL 2022), Khaled Belahcene; Sébastien Destercke, Nov 2022, Compiègne, France
Conference papers
hal-04310877v1
|
|
Explications de recommandations fondées sur des principes d'équité à l'aide de transferts16èmes Journées d'Intelligence Artificielle Fondamentale, Zied Bouraoui; Anaëlle Wilczynski, Jun 2022, Saint-Etienne, France
Conference papers
hal-04310862v1
|
Combining Fairness and Optimality when Selecting and Allocating Projects30th International Joint Conference on Artificial Intelligence (IJCAI 2021), Aug 2021, Montreal, Canada. pp.38-44, ⟨10.24963/ijcai.2021/6⟩
Conference papers
hal-03312854v1
|
|
|
Explaining Robust Additive Decision Models: Generation of Mixed Preference-Swaps by Using MILPFrom Multiple Criteria Decision Aid to Preference Learning (DA2PL 2020), Nov 2020, Trento (virtual), Italy
Conference papers
hal-03230519v1
|
|
Learning Interpretable Models using Soft Integrity Constraints12th Asian Conference on Machine Learning (ACML 2020), Nov 2020, Bangkok, Thailand. pp.529-544
Conference papers
hal-02944833v1
|
|
Equity in learning problems: an OWA approach14th International Conference on Scalable Uncertainty Management (SUM 2020), Jul 2020, Bolzano, Italy. pp.187-199, ⟨10.1007/978-3-030-58449-8_13⟩
Conference papers
hal-02944888v1
|
|
Comparing options with argument schemes powered by cancellation28th International Joint Conference on Artificial Intelligence (IJCAI-19), Aug 2019, Macao, Macau SAR China. pp.1537-1543, ⟨10.24963/ijcai.2019/213⟩
Conference papers
hal-02133034v1
|
A new efficient SAT formulation for learning NCS models: numerical results.In the 4th workshop from multiple criteria Decision aid to Preference Learning (DA2PL'18), Nov 2018, Poznan, Poland
Conference papers
hal-01956128v1
|
|
|
Accountable Approval Sorting27th International Joint Conference on Artificial Intelligence and 23rd European Conference on Artificial Intelligence (IJCAI-ECAI 2018), Jul 2018, Stockholm, Sweden
Conference papers
hal-01785011v1
|
Ranking with Multiple Points: Efficient Elicitation and Learning ProceduresIn the 4th wokshop from multiple criteria Decision aid to Preference Learning (DA2PL'18), Nov 2018, Poznan, Poland
Conference papers
hal-01956130v1
|
|
|
A Model for Accountable Ordinal Sorting26th International Joint Conference on Artificial Intelligence (IJCAI-2017), Aug 2017, Melbourne, Australia
Conference papers
hal-01523779v1
|
Une formulation SAT pour l’apprentissage de modèles de classement multicritères non-compensatoires11e Journées d'Intelligence Artificielle Fondamentale, Jul 2017, Caen, France
Conference papers
hal-01577816v1
|
|
Accountable classifications without frontiers.The EURO mini conference from multiple criteria Decision Aiding to Preference Learning (DA2PL'16), Nov 2016, Paderborn, Germany
Conference papers
hal-01956134v1
|
|
Learning Multiple Multicriteria Additive Models from Heterogeneous PreferencesAlgorithmic Decision Theory, 15248, Springer Nature Switzerland, pp.207-224, 2024, Lecture Notes in Computer Science, ⟨10.1007/978-3-031-73903-3_14⟩
Book sections
hal-04905016v1
|
|
Step-wise Explanations for the Additive Model2021
Preprints, Working Papers, ...
hal-03964933v1
|
|
Preference elicitation for a ranking method based on multiple reference profiles2019
Preprints, Working Papers, ...
hal-01862334v2
|
|
Learning Interpretable Models using Soft Integrity Constraints2019
Preprints, Working Papers, ...
hal-02360875v1
|
|
Towards accountable decision aiding : explanations for the aggregation of preferencesOther. Université Paris Saclay (COmUE), 2018. English. ⟨NNT : 2018SACLC101⟩
Theses
tel-02053792v1
|