Un collectif français d’envergure inédite pour concevoir et industrialiser des systèmes à base d’intelligence artificielle de confiance

Une stratégie nationale au service de l’ingénierie française

Pilier technologique du Grand Défi « Sécuriser, certifier et fiabiliser les systèmes fondés sur l’intelligence artificielle » lancé par l’Etat, Confiance.ai est le plus gros programme de recherche technologique du plan #AIforHumanity qui doit faire de la France un des pays leader de l’intelligence artificielle (IA)

Relever le défi de l’industrialisation de l’IA

Le déploiement à très grande échelle de systèmes industriels intégrant de l’IA est un enjeu crucial de compétitivité industrielle, économique et de souveraineté nationale. Le programme Confiance.ai porte donc une ambition forte : lever les verrous associés à l’industrialisation de l’IA et doter les acteurs industriels français de méthodes outillées adaptées à leurs ingénieries et construites sur des bases technologiques indépendantes. L’originalité du programme repose sur sa stratégie intégrative : il traite les défis scientifiques relatifs à l’IA de confiance et apporte des solutions tangibles, applicables dans le monde réel et industrialisables.

Fédérer les forces vives

Le programme Confiance.ai rassemble un collectif d’acteurs académiques et industriels français majeurs des domaines de la défense, des transports, de l’industrie manufacturière et de l’énergie qui ont décidé de mutualiser leurs savoir-faire scientifiques et technologiques de pointe. Le programme s’appuie sur une ingénierie et une culture mathématiques fortes associée à une excellence en intelligence artificielle pour établir de manière solidement argumentée la confiance dans les systèmes. Il est en cela, le symbole de l’approche culturelle française en matière de validation de l’intelligence artificielle.

 

Dernières publications

Chargement de la page

 

Mots-clés

Confiance explicabilité Body of knowledge Computer Vision Confidence calibration AI component evaluation methodology XAI AI Robustness AI-Based Systems AI-Based Critical Systems AI Realization theory Adversarial attack Vision par ordinateur Adversarial attacks Trustworthiness Attributes AI systems Explicabilité Monitoring Branch-and-Bound algorithm Anomaly detection Generative Models Concepts Artificial Intelligence Engineering processes AI System Characterization Knowledge fusion Sûreté Semantic segmentation Autonomous system Christoffel functions System Identification Bayesian Optimization Distributed learning Trustworthiness Assessment ML Engineering Intelligence artificielle Trustworthy Long Short-Term Memory Multi-fidelity BO Classification Neural ODEs Data Visualization Calibration Attack transferability Conformal Prediction Bayesian inference Assurance Cases Trustworthiness AI Governance Explainability Knowledge graph AI engineering AI Safety Adversarial examples AI-Systems Engineering Machine Learning Automated vehicle Body-of-Knowledge Bias Detection Anomaly Detection Certification Collaboration Human-IA Apprentissage automatique Adversarial Training Robustesse Computer vision Sûreté de fonctionnement Recurrent Neural Networks Trustworthy AI Aide à la décision Anomaly Adversarial physical attack Al monitoring Case-based Machine learning ODD Assurance case Data Analysis Neural Architecture Search Assessment Tools Intelligence Articifielle Robustness Neural Network Complexity Boosted Decision Trees BDT Bayesian optimization Confiance Adversarial Attacks Neural network Arcadia Method Computer Vision and Pattern Recognition Explainable AI Reliability Mixed Integer Programming Artificial intelligence AI explainability Knowledge extraction AI-based systems Uncertainty