SMASH 2026 EN

Symposium sur Responsabilité des Modèles, la Durabilité et la Santé

SMASH 2026

4 au 5 novembre 2025 @ Mila

Plus d'infos bientôt !

À propos

Le Symposium sur la Responsabilité des Modèles, la Durabilité et la Santé (SMASH) est un événement interdisciplinaire axé sur l’opérationnalisation de l’IA de manière sûre et responsable. L’objectif de cet événement est d’identifier les défis et de proposer des solutions techniques, éthiques et réglementaires liés à la sécurité de l’IA, à la confidentialité des données, à l’interopérabilité des modèles et à leur responsabilité. Ce symposium explorera ces thèmes de recherche à travers le prisme de la santé et de la durabilité.

Le secteur de la santé adopte rapidement l’IA, et les connaissances qui en découlent sont susceptibles d’éclairer les futures recherches en matière de développement durable.

Image montrant la silhouette de Montréal

Appel à contributions

Nous invitons les chercheur·se·s à soumettre des résumés étendus de 4 pages dans les domaines de recherche définis ci-dessous.

Sécurité du ML, confidentialité, responsabilité des modèles et alignement :

  • Sécurité et alignement des systèmes de ML
  • Traçabilité des systèmes de ML et des logiciels
  • Applications des technologies de protection de la vie privée : confidentialité différentielle, apprentissage fédéré, etc.
  • Performance du ML et méthodes d’évaluation comparative
  • Provenance des systèmes de ML
  • Cas d’utilisation de la sécurité pour les systèmes d’IA avancés

Soumissions interdisciplinaires en droit et en sciences sociales :

  • Acceptation des technologies du ML par les cliniciens, les patient·e·s et les administrateur·rice·s
  • Évaluation et communication des risques liés au ML
  • Considérations éthiques lors du déploiement des systèmes de ML
  • Réglementation des technologies du ML

Les contributions à SMASH de nature appliquée sont également les bienvenues, telles que des études de cas sur le déploiement du ML avec des données sensibles.

Applications dans le domaine de la santé :

  • Applications de l’IA en santé (administration, médecine de précision, soins aux patient·e·s, diagnostic)
  • Utilisation des données de patient·e·s dans la recherche en ML
  • Métriques, suivi (monitoring) et évaluation comparative (benchmarking) du ML en santé

Méthodes pour la durabilité du ML :

  • Métriques de comptabilisation des émissions du ML
  • Études de cas et applications liées à la durabilité du ML
  • Informatique durable et conception de systèmes
  • Méthodes de comptabilité environnementale appliquées au ML

« Durabilité, santé et sécurité… voilà une combinaison surprenante. Quelle est l’idée ? »

Vous n’avez pas tort. Mais c’est en quelque sorte le point ! Nous sommes fermement convaincus que la création d’espaces qui traversent les frontières académiques génère des perspectives enrichissantes.

Cet événement explore la manière dont l’IA dans les domaines de la durabilité et de la santé suit des trajectoires réglementaires et opérationnelles parallèles, et comment ces domaines pourraient bénéficier d’un échange mutuel d’idées, de pratiques de gouvernance et d’outils.

Dates clés

  • 1 juillet 2026: Ouverture des soumissions
  • 31 août 2026: Date limite de soumission des articles
  • 25 sept. 2026: Notification des décisions aux auteurs
  • 15 oct. 2026: Date limite pour la version finale des articles

Comment soumettre

Veuillez cliquer sur le lien suivant pour accéder au portail de soumission OpenReview:

Soumission OpenReview.

Tous les auteurs et auteur.e.s doivent remplir un formulaire pour confirmer que leur profil OpenReview est complet et tout auteur qualifié peut se voir assigner des évaluations.

Détails de la soumission

Les soumissions doivent comprendre un résumé détaillé de une à quatre pages. Nous vous invitons à utiliser un modèle LaTeX ou RTF à colonne unique et recommandons le modèle ICLR 2025 (OpenReview).

Toutes les soumissions seront évaluées en fonction de leur pertinence, de leur impact, de leur intérêt pour la communauté, de leur qualité technique et de leur clarté. Il n’y aura pas de période de réfutation. Les résumés exceptionnels seront sélectionnés pour des présentations orales, et toutes les soumissions acceptées seront invitées à faire l’objet d’une présentation par affiche.

Les soumissions sont évaluées en simple aveugle ; les noms des auteur·rice·s doivent donc apparaître sur les PDF soumis.

Principes directeurs

  • Le partenariat plutôt que la concurrence
  • Un terrain d'entente plutôt que des différences
  • Le pragmatisme plutôt que l'exagération
  • Des questions plutôt que des réponses
  • La nuance plutôt que les platitudes

Conférenciers invités

  • Finale Doshi-Velez, Harvard University
  • Vrushali Gaud, Google Sustainability
  • Emma Kondrup, Mila, McGill University
  • Lyse Langlois, International Observatory on the Societal Impacts of AI and Digital Technology (OBVIA)
  • Hugo Larochelle, Mila, McGill University, Université de Montréal
  • Jesse Michel, Tutor Intelligence
  • M. Alejandra Parra-Orlandoni, Harvard Kennedy School
  • Joaquin Vanschoren, TU Eindhoven, AMORE

Comité de programme

  • Audrey Durand, Université Laval
  • Samer Faraj, McGill University
  • Jin L.C. Guo, McGill University
  • Bettina Kemme, McGill University
  • Maroussia Lévesque, Harvard Law School, Queen's University
  • Doina Precup, Google Deepmind, Mila, McGill University
  • Parthasarathy (Partha) Ranganathan, Google
  • Adriana Romero-Soriano, FAIR at Meta, Mila, McGill, CIFAR

Partenaires

  • Institute for Transforming Healthcare, McGill University
  • Réseau santé numérique
  • Akinox
  • Google Sustainability
  • Obvia
  • CDSI
  • Mila
  • MLCommons
  • Jetty

Lieu

Mila, 6650 Rue Saint-Urbain, Montréal, QC H2S 3H1