Presentation

LumiGuard

Ethics as a pillar of Progress

Définition du problème

Les utilisateurs naviguent sur le web et utilisent des outils d'IA sans se rendre compte des risques :

• Sécurité : mots de passe, clés API, données personnelles partagées par erreur dans des chats ou formulaires
• Biais et manipulation : réponses d'IA biaisées, stéréotypées ou éthiquement problématiques
• Arnaques et phishing : messages frauduleux de plus en plus sophistiqués

​

Méthodologie

Étapes :

1. Interview + état de la littérature
2. Organisation + stratégie de travail
3. Conception des prototypes + documentation
4. Évaluation : tests sur différents types de contenus (phrases biaisées, arnaques, données personnelles) et collecte de feedback
5. Livrables : Rapport + Codes (GitLab)

Results

Architecture technique :

1. Détection par règles
2. Classifieur ML local
3. Extension Chrome
4. Zéro données envoyées

​

​

5 catégories de détection implémentées :

• BIAS (biais/stéréotypes)
• SCAM (arnaques/phishing)
• PRIVACY (données personnelles)
• SECURITY (secrets/mots de passe)
• HARMFUL (contenu dangereux)

Conclusion

• Rappel de l’objectif du projet : alerter les utilisateurs face aux informations potentiellement nuisibles ou trompeuses
• Qu’est ce qui a été achevé?: Prototype visuel et première version fonctionnelle de l’extension
• Le but de cette extension: renforcer la protection des utilisateurs sur Internet, notamment des jeunes

Next Steps

• Implémentation du design

​

• Amélioration du prototype par un modèle de classification en machine learning plus robuste

​

• Fonctionnalitées supplémentaires

​

• Développer le projet avec Madame Constanza Farina de l’UNESCO

​

Présentation de notre équipe

Rayan

Tea

David

Photo prise lors du Hackathon

Hamimed

Other Hackathon participants:

• Timo
• Beniamin
• Anastasia

Mauro