Vers une intelligence artificielle garantissant la confidentialité des données dans les syste

 

Jean-François Toubeau est chercheur FNRS post-doctorant à l’Université de Mons.

Désireux de tirer parti de l’intelligence artificielle afin d’améliorer l’exploitation des systèmes énergétiques, sa recherche est à l’intersection du Machine Learning et de l’optimisation en environnement incertain.

Ses  travaux de recherche actuels se concentrent sur le développementde nouveaux algorithmes de Machine Learning collaboratif capable de préserver la confidentialité des données.

Pour ce faire, l’apprentissage fédéré (Federated Learning) est utilisé pour garantir que les données locales ne soient pas échangées lors de la phase d’entrainement. Ensuite, la méthodologie est enrichie via l’utilisation de confidentialité différentielle (Differential Privacy), qui consiste à injecter du bruit pour réduire le risque que le modèle puisse révéler les données brutes.

Ce projet, développé en collaboration avec le professeur Yi Wang (The University of Hong Kong), a reçu le prix IIF-SAS (10 000 $) décerné chaque année par l’International Institute of Forecasters.

Le succès de notre transition énergétique repose principalement sur la bonne coordination entre les acteurs du système qui doivent s’associer pour extraire le plein potentiel de leurs ressources.

En mutualisant les données personnelles dans une procédure de Machine Learning qui garantit la confidentialité des informations privées, on améliore non seulement la performance des outils de prédictions et de décisions, mais également la satisfaction et l’engagement de tous les acteurs.

Il s’agit d’une étape essentielle vers une meilleure gestion des systèmes énergétiques modernes, ce qui permet de réduire la facture d’énergie, tout en améliorant la sécurité d’approvisionnement.

Pour en savoir d’avantage sur ses travaux, consultez ResearchGate

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.