Posté par antistress (site Web personnel) le 26/12/22 à 11:43. Évalué à 5 (+2/-0). Dernière modification le 26/12/22 à 11:43.
Merci, je pense que les citoyens doivent suivre cette initiative avec la plus grande attention.
Par ailleurs, dans le communiqué de LQDN, je ne comprends pas où l’association veut en venir avec cette partie dont la conclusion n’est pour moi pas explicite :
Nous avions aussi demandé la liste des variables utilisées pour l’entraînement du modèle, c’est à dire sa phase de création. Cette question est importante car elle permet de comprendre l’étendue des données utilisées par l’algorithme. Et donc le degré d’intrusion dans la vie privée des allocataires que la construction d’un tel modèle nécessite.
[…] A défaut de réponse, nous nous en remettons à ce que, techniquement, tout·e data-scientist ferait pour entraîner un modèle le plus « précis » possible. Il suffirait de partir de l’intégralité des variables à sa disposition et, par itérations successives, décider lesquelles garder pour le modèle final. Dans cette hypothèse, ce serait alors la quasi-totalité des variables détenues par la CAF sur chaque allocataire qui serait utilisée pour l’entraînement de son modèle.
Posté par ǝpɐןƃu∀ nǝıɥʇʇɐW-ǝɹɹǝıԀ (site Web personnel) le 27/12/22 à 08:37. Évalué à 2 (+0/-0).
Le passage me paraît également obscur. Peut-être pourrait-on reformuler partiellement ainsi :
À défaut d’information précise sur les variables utilisées nous ne pouvons que considérés qu’il s’agisse d’une sélection opérée parmi l’ensemble de celles qui sont à la disposition de la CAF.
« IRAFURORBREVISESTANIMUMREGEQUINISIPARETIMPERAT » — Odes — Horace
Posté par antistress (site Web personnel) le 27/12/22 à 10:38. Évalué à 3 (+0/-0).
Oui, mais quel serait le pb alors puisque “tout·e data-scientist ferait pour entraîner un modèle le plus « précis” ?
Posté par Gil Cot le 28/12/22 à 01:15. Évalué à 3 (+1/-0).
On essaye d’entrainer les modèles avec les variables les plus pertinentes possibles (par exemple, ayant les adresses de messagerie utilisées par les allocataires, son usage n’apporte à priori rien je pense…) Dans le doute, on suppose que tout ce qui est disponible est utilisé, mais il faut préciser que ça reste une supposition (et dire pourquoi on fait cette hypothèse) même si beaucoup de gens prendront cela pour argent comptant malheureusement.
“It is seldom that liberty of any kind is lost all at once.” ― David Hume
Posté par antistress (site Web personnel) le 26/12/22 à 11:54. Évalué à 10 (+8/-1). Dernière modification le 26/12/22 à 11:59.
Dans son dernier rapport annuel sur la « lutte contre la fraude », nulle référence n’est faite à l’algorithme alors que celui-ci était mis à l’honneur, en première page, l’année précédente. La CAF précisant au passage qu’il était loué par la Cour des Comptes et l’Assemblée Nationale.
A sa place, la CAF a préféré cette année mettre en avant son équipe de contrôleur.ses dédiée à la « lutte contre la fraude à enjeux »22, c’est à dire des fraudes organisées (usurpation d’identités, faux documents, fraude au RIB) à grande échelle. Soit 30 agentes et agents qui d’après les dires de la CAF sont, ni plus ni moins, chargé·es de « protéger le système de sécurité sociale français des risques de pillage » et qui font rentrer la CAF dans « une nouvelle dimension de la lutte contre la fraude ».
A titre de comparaison, nous tenons à rappeler que ce sont pas moins de 700 contrôleuses et contrôleurs qui, guidé·es par son algorithme discriminatoire, sont chargé·es de traquer les moindre erreurs de déclaration faites par les plus précaires.
C’est exactement la démarche des entreprises qui font du green-washing : s’appuyer médiatiquement sur des éléments non-représentatifs de leur activité réelle pour propager un récit alternatif sans lien avec la réalité.
Ici on pourrait parler de lutte-contre-la-fraude-washing : la CAF fait croire que son modèle est la lutte contre la fraude alors que seuls 0,04% des personnels contrôleuses et contrôleurs y sont dédiés, les autres faisant la chasse aux plus précaires qui commettent des erreurs de déclaration
Le récit raconte encore moins la réalité si on considère que les cas de non-recours sont en fait beaucoup plus nombreux que les cas d’indus, frauduleux ou non, sur lesquels se concentrent les contrôleuses et contrôleurs :
Le sociologue Vincent Dubois ajoute que cette situation « interroge sur la réalité des slogans institutionnels “tous les droits rien que les droits” qui en fait est beaucoup plus tournée vers l’identification des indus, frauduleux ou non, que vers les cas de non-recours qui sont en fait beaucoup plus nombreux »
Posté par antistress (site Web personnel) le 26/12/22 à 12:21. Évalué à 2 (+0/-1). Dernière modification le 26/12/22 à 12:22.
rien ici
Posté par nlgranger le 26/12/22 à 17:58. Évalué à 4 (+3/-0). Dernière modification le 26/12/22 à 17:58.
0.04% -> 4.1%
Posté par antistress (site Web personnel) le 26/12/22 à 18:01. Évalué à 3 (+0/-0).
Ha vi merci !
Envoyer un commentaire
Suivre le flux des commentaires
Note : les commentaires appartiennent à celles et ceux qui les ont postés. Nous n’en sommes pas responsables.
Revenir en haut de page
Nuage de mots-clés
Lutte Contre Fraude Évalué Posté Antistress Site Modèle Sont Lutte Contre Dernière Modification Personnel Site Nous Allocataires Antistress Variables Fraude Washing Beaucoup Utilisées Alors Dernière Modification Washing Data Scientist Ferait Opacité LinuxfrPoints clés
- Nuage de mots-clés
- Identifiant Mot de passe Connexion automatique Posté par antistress (site Web personnel) le 26/12/22 à 11:43.
- Dernière modification le 26/12/22 à 11:43.
- Merci, je pense que les citoyens doivent suivre cette initiative avec la plus grande attention.
- Par ailleurs, dans le communiqué de LQDN, je ne comprends pas où l’association veut en venir avec cette partie dont la conclusion n…
