L'apprentissage fédéré permet d'entraîner des modèles d'intelligence artificielle de manière collaborative. Il représente ainsi une possible solution aux biais des IA, souvent induits par des entraînements sur des échantillons qui manquent de diversité. Dans le domaine de la santé, ces biais peuvent entraîner des problèmes d'équité entre les patients. Le projet EQUIHid étudie comment l'apprentissage fédéré pourrait ainsi permettre de développer des services de santé plus équitables.

StressID désigne une base de données multimodale pour l’identification du stress. Le projet constitue l’un des plus grands ensembles de modalités audios, vidéos et physiologiques récoltées sur de nombreux participants. Il vise à délivrer un protocole expérimental simple à reproduire. Maria Zuluaga, chercheuse au département Data Science à EURECOM, et sa doctorante Hava Chaptoukaev nous dévoilent toutes les facettes de StressID.

Depuis plusieurs d’années, une équipe d'IMT Atlantique collabore avec des médecins du CHU de Brest et une psychologue de la Fondation Bon Sauveur de Bégard pour détecter précocement des troubles psychiques comme la schizophrénie, ou réduire des rechutes suicidaires. Le succès de cette démarche qui repose sur l’utilisation d’outils numériques relève aussi bien de la robustesse de l’analyse et des modèles de décision développés par les scientifiques, que de la qualité des données de santé – garantie notamment par une bonne complétion par le personnel hospitalier.