Git Stars Git Stars

#explainable-ai Dépôts

Découvrez 49 dépôts GitHub open source actifs associés à #explainable-ai, cumulant 137,847 étoiles au total (soit une moyenne de 2,813 étoiles par projet). Le projet en tête de ce thème est KindXiaoming/pykan, avec 16,291 étoiles.

49
Total des Dépôts
137,847
Nombre total d'étoiles
2,813
Moyenne d'Étoiles/Dépôt
1
KindXiaoming/pykan

Réseaux de Kolmogorov Arnold

KindXiaoming
⭐ 16,291 Jupyter Notebook 👤 KindXiaoming User 🕐 Mis à jour 2025-01-19 📅 Créé 2024-04-27
2
semantica-agi/semantica

Couche sémantique native des graphes pour une IA d’entreprise digne de confiance

semantica-agi
⭐ 14,701 Python 👤 semantica-agi Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-06-25
3
jacobgil/pytorch-grad-cam

Explicabilité avancée de l'IA pour la vision par ordinateur. Support pour CNN, Vision Transformers, Classification, Détection d'objets, Segmentation, Similarité d'images et plus.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Mis à jour 2026-11-01 📅 Créé 2017-05-31
4
kmario23/deep-learning-drizzle

Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!

kmario23
⭐ 12,995 HTML 👤 kmario23 User 🕐 Mis à jour 2026-08-22 📅 Créé 2018-11-26
5
marcotcr/lime

Lime : Explication des prédictions de tout classificateur d'apprentissage automatique

marcotcr
⭐ 12,080 JavaScript 👤 marcotcr User 🕐 Mis à jour 2024-07-25 📅 Créé 2016-03-15
6
interpretml/interpret

Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-05-03
7
obss/sahi

Inférence découpée/tuilée indépendante du framework + UI interactive + tracés d'analyse d'erreurs

obss
⭐ 5,609 Python 👤 obss Organization 🕐 Mis à jour 2026-11-01 📅 Créé 2021-01-30
8
christophM/interpretable-ml-book

Livre sur l'apprentissage automatique interprétable

christophM
⭐ 5,420 Jupyter Notebook 👤 christophM User 🕐 Mis à jour 2026-07-07 📅 Créé 2017-03-22
9
astroautomata/PySR

Apprentissage symbolique en Python et Julia

astroautomata
⭐ 4,301 Python 👤 astroautomata Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-09-14
10
microsoft/tensorwatch

Débogage, surveillance et visualisation pour Python Machine Learning et Data Science

microsoft
⭐ 3,477 Jupyter Notebook 👤 microsoft Organization 🕐 Mis à jour 2026-03-30 📅 Créé 2019-05-15
11
trustgraph-ai/trustgraph

L’environnement d’exécution d’ontologies open source pour les agents d’IA.

trustgraph-ai
⭐ 3,159 Python 👤 trustgraph-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-07-10
12
alan-ai/alan-sdk-web

Le Système d'Auto-Codage pour Votre App — Alan AI SDK pour le Web

alan-ai
⭐ 2,422 👤 alan-ai Organization 🕐 Mis à jour 2026-10-30 📅 Créé 2019-10-23
13
microsoft/responsible-ai-toolbox

Responsible AI Toolbox est une suite d'outils fournissant des interfaces utilisateur et des bibliothèques pour l'exploration et l'évaluation des modèles et des données qui permettent une meilleure compréhension des systèmes d'IA. Ces interfaces et bibliothèques permettent aux développeurs et aux parties prenantes des systèmes d'IA de développer et de surveiller l'IA de manière plus responsable, et de prendre de meilleures mesures basées sur les données.

microsoft
⭐ 1,858 TypeScript 👤 microsoft Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-07-06
14
rentruewang/aioway

L'IA arrive. Un rêve d'apprentissage profond automatique. Une approche RDBMS de l'apprentissage profond. Déclaratif, explicable, évolutif, optimisable, facile à déployer, toutes ces bonnes choses.

rentruewang
⭐ 1,820 Python 👤 rentruewang User 🕐 Mis à jour 2026-11-20 📅 Créé 2021-11-17
15
Trusted-AI/AIX360

Interprétabilité et explicabilité des données et des modèles d'apprentissage automatique

Trusted-AI
⭐ 1,809 Python 👤 Trusted-AI Organization 🕐 Mis à jour 2026-09-05 📅 Créé 2019-07-11
16
wangyongjie-ntu/Awesome-explainable-AI

Une collection de matériel de recherche sur l'IA/ML explicable

wangyongjie-ntu
⭐ 1,660 Markdown 👤 wangyongjie-ntu User 🕐 Mis à jour 2026-08-19 📅 Créé 2020-02-16
17
csinva/imodels

Paquet ML interprétable 🔍 pour une modélisation prédictive concise, transparente et précise (compatible avec sklearn).

csinva
⭐ 1,631 Jupyter Notebook 👤 csinva User 🕐 Mis à jour 2026-11-13 📅 Créé 2019-07-04
18
alexgreensh/attention-span

Faites parler vos agents comme des humains. Des styles de sortie adaptés au TDAH pour Claude Code, Codex et d’autres outils. Pour que vous puissiez vous concentrer sur le contenu, pas sur les tokens.

alexgreensh
⭐ 1,601 Python 👤 alexgreensh User 🕐 Mis à jour 2026-10-30 📅 Créé 2026-08-04
19
interpretml/DiCE

Générez des explications contrefactuelles diverses pour tout modèle d'apprentissage automatique.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Mis à jour 2025-07-13 📅 Créé 2019-05-02
20
ModelOriented/DALEX

Langage agnostique au modèle pour l'exploration et l'explication

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Mis à jour 2026-07-15 📅 Créé 2018-02-18
21
valeman/awesome-conformal-prediction

Une liste organisée par des professionnels de superbes vidéos, tutoriels, livres, articles, thèses de doctorat et de master, articles et bibliothèques open-source sur la prédiction conforme.

valeman
⭐ 1,346 👤 valeman User 🕐 Mis à jour 2026-11-05 📅 Créé 2021-12-10
22
albermax/innvestigate

Une boîte à outils pour iNNvestiguer les prédictions des réseaux de neurones !

albermax
⭐ 1,305 Python 👤 albermax User 🕐 Mis à jour 2025-04-11 📅 Créé 2017-12-13
23
EthicalML/xai

XAI - Une boîte à outils d'eXplicabilité pour l'apprentissage automatique

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Mis à jour 2025-11-29 📅 Créé 2019-01-11
24
AI4Finance-Foundation/FinRL-Tutorials

FinRL® Tutorials. S'il vous plaît, mettez une étoile.

AI4Finance-Foundation
⭐ 1,203 Jupyter Notebook 👤 AI4Finance-Foundation Organization 🕐 Mis à jour 2025-03-28 📅 Créé 2018-09-19
25
fraunhoferportugal/tsfel

Bibliothèque d’extraction de caractéristiques de séries temporelles (TSFEL) : plus de 60 caractéristiques statistiques, temporelles, spectrales et fractales pour la classification et la régression de séries temporelles, ainsi que le traitement du signal en Python

fraunhoferportugal
⭐ 1,116 Python 👤 fraunhoferportugal Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2019-01-09
26
dswah/pyGAM

[CONTRIBUTEURS BIENVENUS] Modèles Additifs Généralisés en Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Mis à jour 2026-04-21 📅 Créé 2017-01-19
29
salesforce/OmniXAI

OmniXAI : Une bibliothèque pour l'IA explicable

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2022-02-17
30
DmitryRyumin/ICCV-2023-25-Papers

Articles ICCV 2023-2025 : Découvrez les recherches de pointe d'ICCV 2023-25, la conférence de premier plan en vision par ordinateur. Restez à jour sur les dernières nouveautés en vision par ordinateur et en apprentissage profond, avec le code inclus. ⭐ Soutenez le développement de l'intelligence visuelle !

DmitryRyumin
⭐ 972 Python 👤 DmitryRyumin User 🕐 Mis à jour 2025-11-07 📅 Créé 2023-09-04
31
aerdem4/lofo-importance

Importance en Laissant une Fonctionnalité de Côté

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 Mis à jour 2025-02-14 📅 Créé 2019-01-14
32
flyingdoog/awesome-graph-explainability-papers

Articles sur l'explicabilité des GNN

flyingdoog
⭐ 821 👤 flyingdoog User 🕐 Mis à jour 2026-11-12 📅 Créé 2021-11-01
33
astroautomata/SymbolicRegression.jl

Régression Symbolique Distribuée Haute Performance en Julia

astroautomata
⭐ 819 Julia 👤 astroautomata Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2021-01-14
34
mmschlk/shapiq

Valeurs de Shapley et interactions de Shapley pour l’apprentissage automatique

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Mis à jour 2026-11-20 📅 Créé 2023-10-17
35
castorini/daam

Cartes d'attribution de diffusion attentive pour l'interprétation de Stable Diffusion.

castorini
⭐ 785 Jupyter Notebook 👤 castorini Organization 🕐 Mis à jour 2024-04-05 📅 Créé 2022-10-08
36
deel-ai/xplique

👋 Xplique est une boîte à outils pour l'explicabilité des réseaux de neurones

deel-ai
⭐ 761 Python 👤 deel-ai Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2020-04-05
37
FuRongJun-1999/dsh-memory

Exploration des architectures d’AGI en boîte blanche : métacognition (boucle d’auto-conscience), apprentissage continu (volant d’inertie du savoir), modèle du monde (espace conditionnel + graphe spatiotemporel sémantique), auto-amélioration (discipline d’amorçage), pipeline en boîte blanche sans LLM et garde-fous de confiance auditables.

FuRongJun-1999
⭐ 734 Python 👤 FuRongJun-1999 User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-08-14
38
privacytrustlab/ml_privacy_meter

Privacy Meter : Une bibliothèque open-source pour auditer la confidentialité des données dans les algorithmes statistiques et d'apprentissage automatique.

privacytrustlab
⭐ 715 Jupyter Notebook 👤 privacytrustlab Organization 🕐 Mis à jour 2025-04-26 📅 Créé 2020-04-08
39
johnmarktaylor91/torchlens

Inspectez, visualisez et intervenez sur n’importe quelle opération dans n’importe quel réseau neuronal. Capturez chaque activation et chaque gradient, le graphe de calcul complet et plus de 800 champs de métadonnées, sans modifier le code du modèle. Compatible avec PyTorch, JAX, TensorFlow, MLX, PaddlePaddle et tinygrad. Validé sur plus de 6 400 modèles. Conçu pour les chercheurs et leurs agents d’IA.

johnmarktaylor91
⭐ 714 Python 👤 johnmarktaylor91 User 🕐 Mis à jour 2026-11-17 📅 Créé 2022-10-14
40
tomhartke/knowledge-graph-from-GPT

Utiliser GPT pour organiser et accéder à l'information, et générer des questions. L'objectif à long terme est de créer un assistant de recherche semblable à un agent.

tomhartke
⭐ 692 Jupyter Notebook 👤 tomhartke User 🕐 Mis à jour 2025-10-21 📅 Créé 2023-02-13
41
understandable-machine-intelligence-lab/Quantus

[JMLR 2023] Quantus est une boîte à outils d'IA explicable pour l'évaluation responsable des explications de réseaux de neurones

understandable-machine-intelligence-lab
⭐ 682 Jupyter Notebook 👤 understandable-machine-intelligence-lab Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2021-03-18
42
lynote-ai/ai-text-detector

Un détecteur de texte IA open source permettant d’identifier le contenu généré par l’IA dans les dissertations, les articles et les documents. Il prend en charge la détection au niveau du document et de la phrase, avec une classification du contenu humain, généré par l’IA ou mixte, des résultats explicables et le développement de modèles multilingues.

lynote-ai
⭐ 671 Python 👤 lynote-ai Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2026-05-25
44
ScalaConsultants/Aspect-Based-Sentiment-Analysis

💭 Analyse de sentiment basée sur les aspects : Transformer & ML explicable (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 Mis à jour 2026-09-07 📅 Créé 2020-01-08
45
Cartus/Automated-Fact-Checking-Resources

Liens vers les publications de conférences/journaux sur la vérification automatique des faits (ressources pour l'article TACL22/EMNLP23).

Cartus
⭐ 569 👤 Cartus User 🕐 Mis à jour 2025-02-23 📅 Créé 2021-07-09
46
wayveai/Driving-with-LLMs

Implémentation PyTorch pour l'article "Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving"

wayveai
⭐ 566 Python 👤 wayveai Organization 🕐 Mis à jour 2024-09-26 📅 Créé 2023-05-23
47
BCG-X-Official/facet

IA explicable par l'homme.

BCG-X-Official
⭐ 533 Jupyter Notebook 👤 BCG-X-Official Organization 🕐 Mis à jour 2026-10-28 📅 Créé 2020-08-05
48
polyaxon/traceml

Moteur pour le suivi, la visualisation, l'explicabilité, la détection de dérive et les tableaux de bord IA/ML/données pour Polyaxon.

polyaxon
⭐ 533 Python 👤 polyaxon Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2016-03-25
49
tensorflow/lattice

Méthodes Lattice dans TensorFlow

tensorflow
⭐ 520 Python 👤 tensorflow Organization 🕐 Mis à jour 2024-07-30 📅 Créé 2017-09-22

Foire aux questions

1

Quel est le dépôt #explainable-ai le plus populaire sur GitHub ?

Le projet #explainable-ai open source le mieux classé sur GitHub est KindXiaoming/pykan, avec 16,291 étoiles. Réseaux de Kolmogorov Arnold

2

Quels langages de programmation sont les plus utilisés dans les dépôts #explainable-ai ?

Parmi les projets #explainable-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, JavaScript.

3

Comment le classement des dépôts #explainable-ai est-il calculé ?

Nous suivons 49 dépôts open source actifs associés à #explainable-ai (500+ étoiles), totalisant 137,847 étoiles, avec une moyenne de 2,813 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.