Organisé par le comité des services d’accréditation de la SSC

L’atelier « IA causale pour données du monde réel » offre une approche concise, rigoureuse et pratique de l’inférence causale contemporaine, guidant les chercheurs depuis la spécification des questions et l’identification basée sur les graphes orientés acycliques (DAG) jusqu’à l’estimation défendable et l’analyse de sensibilité des données de santé observationnelles. Les participants apprendront à appliquer la feuille de route causale (Causal Roadmap) et à mettre en oeuvre des outils de pointe en R et Python, notamment la construction de DAG et la découverte causale, les méthodes de propension, le calcul g, l’estimation TMLE avec SuperLearner, le double apprentissage automatique et la validation générative basée sur VAE. Ils repartiront avec des ressources reproductibles permettant d’étayer des affirmations causales transparentes et révisables par les pairs.