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

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