• Prestations sociales : les « dérives » de la chasse à la fraude
    http://www.lemonde.fr/politique/article/2017/09/07/prestations-sociales-les-derives-de-la-chasse-a-la-fraude_5182321_823448.htm

    C’est un document qui permettra peut-être de déconstruire certaines idées reçues. Jacques Toubon, le défenseur des droits, a rendu public, jeudi 7 septembre, un rapport intitulé : « Lutte contre la fraude aux prestations sociales : à quel prix pour les droits des usagers ? » Un sujet sensible, reconnaît le défenseur des droits, à l’heure où « une rhétorique de la fraude [est] alimentée par des discours politiques “décomplexés” ».

    Selon la Délégation à la lutte contre la fraude, la fraude aux prestations sociales (allocations familiales, chômage, RSA…) représente 3 % du montant total de celle détectée en 2015, soit 677 millions d’euros. Et ne recouvre qu’un faible nombre de personnes. A la Caisse nationale d’allocations familiales (CNAF), par exemple, 0,36 % des bénéficiaires étaient concernés en 2016.

    Ce rapport fait suite à une augmentation « significative » depuis 2014 du nombre de réclamations d’allocataires, notamment auprès des délégués territoriaux du Défenseur des droits, liées « au durcissement de la lutte contre la fraude aux prestations sociales ». La politique mise en œuvre, est-il expliqué, est marquée par « certains excès et quelques dérives », « source de nombreuses atteintes aux droits des usagers » aux conséquences parfois dramatiques. Le texte s’appuie sur l’audition des principaux organismes de protection sociale et des cas concrets. Il formule des recommandations afin de mettre en place des règles plus cohérentes, mieux informer les allocataires et renforcer les droits de la défense.
    Erreurs et oublis de bonne foi

    Premier problème : la notion même de « fraude » qui ne fait l’objet d’aucune définition légale et qu’il conviendrait de clarifier. Cette lacune conduit, selon le Défenseur des droits, « à une mise en œuvre d’une définition extensive » et qui « tend à assimiler l’erreur et l’oubli » à la fraude. « Des oublis de toute évidence non intentionnels ou une appréciation purement subjective des faits par les organismes ne sauraient constituer un fondement à une qualification de fraude », souligne le rapport. Un phénomène, est-il précisé, aggravé par « les objectifs chiffrés de détection des fraudes imposés par l’Etat aux organismes ».

    L’information donnée par les caisses à l’usager concernant ses droits est jugée « parfois insuffisante ». C’est d’autant plus regrettable que le système est complexe, ce qui peut facilement provoquer erreurs et oublis de bonne foi. Il est, par exemple, rappelé l’obligation d’assurer le principe du contradictoire avant toute qualification frauduleuse. Le rapport s’interroge également pour savoir s’il existe un « ciblage des “suspects” » et met en garde contre l’usage du « data mining » qui vise à déterminer, grâce à des algorithmes, la probabilité qu’un usager fraude. Le Défenseur des droits s’inquiète notamment de certains critères qui selon lui peuvent s’avérer discriminatoires. Il est ainsi fait mention d’une circulaire interne à la CNAF datant de 2012 qui recommande de « cibl[er] les personnes nées en dehors de l’Union européenne ».

    #racisme #discrimination #chasse_aux_pauvres #data_mining #présumés_coupables #injustices

    https://seenthis.net/messages/627815 via mad meg


  • We need to talk about AI and access to publicly funded data-sets | TechCrunch
    https://techcrunch.com/2016/07/09/we-need-to-talk-about-ai-and-access-to-publicly-funded-data-sets
    https://tctechcrunch2011.files.wordpress.com/2016/06/shutterstock_330496148.png?w=764&h=400&crop=1

    we’re all, as individuals, used to getting Google freebies in exchange for sharing some of our data. But the thing is, the data trade off here — with the publicly funded NHS — is a rather different beast. Because the people whose personal data is being pumped into Google-owned databanks are not being asked for their individual consent to the exchange.

    Patient consent has not been sought in either of the current NHS collaborations. In the Moorfields project, where the data is being anonymized (or pseudonymized), NHS information governance rules allow for data to be shared for medical research purposes without obtaining patient consent (although NHS patients can opt out of supplying their data to all research projects) — so long as the relevant Health Research Authority clears the project. And DeepMind has applied to be cleared access in this case.

    #IA #santé #google #machine-learning #propriété_intellectuelle #data_mining

    https://seenthis.net/messages/509421 via Fil


  • Nous vous scrutons, bien que ce ne soit pas vous la cible
    https://reflets.info/nous-vous-scrutons-bien-que-ce-ne-soit-pas-vous-la-cible

    Comment repérer des criminels dans une foule, sans scruter la foule ? Comment connaître les habitudes des terroristes sans connaître celles des non-terroristes ? Comment établir des profils type, sans les comparer à un ensemble ? Comment créer des alarmes comportementales sans connaître les habitudes du plus grand nombre ? Comment fouiller la vie privée […]

    #Bienvenue_chez_Qosmos #France #Politique #Technos #caméras #Cybersurveillance #Data_mining #deep_learning #DPI #fraude #gouvernance_algorithmique #IOL #machine_learning #Qosmos #reconnaissance_faciale

    https://seenthis.net/messages/509227 via Reflets [RSS]


  • DeepMind founder Demis Hassabis on how AI will shape the future | The Verge
    http://www.theverge.com/2016/3/10/11192774/demis-hassabis-interview-alphago-google-deepmind-ai

    Just talking about the significance for AI (...) the other big thing you’ve heard me talk about is the difference between this and Deep Blue. So Deep Blue is a hand-crafted program where the programmers distilled the information from chess grandmasters into specific rules and heuristics, whereas we’ve imbued AlphaGo with the ability to learn and then it’s learnt it through practice and study, which is much more human-like.

    sur la capacité de l’approche :

    We think this algorithm can work without any supervision. The Atari games that we did last year, playing from the pixels — that didn’t bootstrap from any human knowledge, that started literally from doing random things on screen.

    #apprentissage #machine_learning #jeux_video #IA #go

    Q: The main future uses of AI that you’ve brought up this week have been healthcare, smartphone assistants, and robotics. (...)
    A: the sort of things you’ll see this kind of AI do is medical diagnosis of images and then maybe longitudinal tracking of vital signs or quantified self over time, and helping people have healthier lifestyles. (…) we’re just doing it all for free

    sur la capacité de calcul :

    AlphaGo doesn’t actually use that much hardware in play, but we needed a lot of hardware to train it and do all the different versions and have them play each other in tournaments on the cloud. That takes quite a lot of hardware to do efficiently, so we couldn’t have done it in this time frame without those [Google] resources.

    applications pour la #recherche :

    What I’m really excited to use this kind of AI for is science, and advancing that faster. I’d like to see AI-assisted science where you have effectively AI research assistants that do a lot of the drudgery work and surface interesting articles, find structure in vast amounts of data, and then surface that to the human experts and scientists who can make quicker breakthroughs.

    du #data_mining sur les publications

    http://seenthis.net/messages/468832 via Fil