Atelier aux Transnumériques 2026 : Résilience et confidentialité de l’IA et de l’IA distribuée
Présentation de l’événement
Cet atelier, organisé dans le cadre des Trans Numériques de Rennes (du 2 au 5 Février 2026), traite de la résilience et la confidentialité de l’IA et de l’IA distribuée.
L’événement propose un regard croisé entre trois projets issus de trois PEPR (Programmes et Équipements Prioritaires de Recherche) distincts :
- Projet IPoP (Interdisciplinary Project on Privacy) — PEPR Cybersécurité
- Projet SSF-ML-DH (Safe, Secure, and Fair Machine Learning in Healthcare) — PEPR Santé Numérique
- Projet REDEEM — PEPR IA
Ce dialogue vise à couvrir largement les problématiques de l’IA de confiance et à identifier des synergies structurantes entre ces domaines.
Informations Pratiques
- Date : Mardi 3 Février 2026
- Lieu : Couvent des Jacobins (Salle : Dortoirs), Rennes
- Événement Parent : Trans Numériques de Rennes
Programme de la journée
Session 1 [10:45 – 12:45]
| Horaire | Sujet | Intervenant(s) |
|---|---|---|
| 10:45 | Présentation des projets IPoP, SSF-ML-DH et REDEEM | — |
| 10:55 | Understanding the bias induced by Local Differential Privacy | Jean Dufraiche |
| 11:15 | Privacy preserving Federated learning with Byzantine aggregators and asynchronous communications | Mathieu Gestin & Achille Desreumaux |
| 11:45 | Generalized Leverage Score for Scalable Assessment of Privacy Vulnerability | Valentin Dorseuil |
| 12:05 | DecLearn: Python package for private decentralized learning | Marc Tommasi |
| 12:25 | Paname: Privacy Auditing of AI Models | Aurélien Bellet & Antoine Boutet |
Session 2 [14:00 – 17:45]
| Horaire | Sujet | Intervenant(s) |
|---|---|---|
| 14:00 | Three Flavors of Privacy Auditing | Aurélien Bellet |
| 14:30 | PriviRec: Confidential and Decentralized Graph Filtering for Recommender Systems | Mohamed Maouche |
| 15:00 | Unified Privacy Guarantees for Decentralized Learning via Matrix Factorization | Dimitri Lereverend |
| 15:30 | Pause | — |
| 16:00 | Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation | César Sabater |
| 16:30 | Certified Per-Instance Unlearning Using Individual Sensitivity Bounds | Hanna Benarroch |
| 17:00 | On Scalable Confidential and Byzantine Robust Decentralized Learning | Ousmane Touat |
| 17:30 | Conclusion | — |
