Projet développé pour le Challenge 2 du Hackathon 2024 co-organisé par le PEReN et la Commission Européenne. Il vise à évaluer la robustesse des modèles d'apprentissage automatique face à des attaques adversariales, en utilisant des techniques de RAG (Retrieval-Augmented Generation) pour analyser des documents réglementaires et extraire des réponses précises à partir de données structurées.

Projet développé pour le Challenge 2 du Hackathon 2024 co-organisé par le PEReN et la Commission Européenne. Il vise à évaluer la robustesse des modèles d'apprentissage automatique face à des attaques adversariales dans le cadre de la régulation numérique. Le système utilise des techniques de RAG (Retrieval-Augmented Generation) pour extraire et synthétiser des informations à partir de documents réglementaires.

Ce projet vise à analyser des jeux de données socio-économiques pour identifier et corriger les biais présents dans les algorithmes d'apprentissage automatique. Il permet aux chercheurs et aux décideurs publics d'évaluer l'équité des modèles prédictifs et d'améliorer leur robustesse face aux discriminations systémiques.