Le programme Confiance.ai dévoile les résultats de son AMI, centré sur ses défis scientifiques et technologiques
A la suite d’une évaluation des réponses conduite par le groupe de travail « animation scientifique » du programme Confiance.ai et d’une période de co-construction avec les proposants, le comité de pilotage a sélectionné une douzaine de sujets qui représentent un investissement de l’ordre de trois millions d’euros, une dizaine de thèses de doctorat et une demi-douzaine de séjours post-doctoraux au sein de l’IRT SystemX, pour le compte du programme.
Les travaux, dont la liste actuelle est donnée ci-dessous, sont de trois natures :
- des contributions scientifiques ponctuelles : études ponctuelles d’état de l’art, d’analyse ou de mise en œuvre de travaux de recherche existants
- la montée en maturité de travaux scientifiques (travaux de recherche plus appliquée à partir de résultats déjà obtenus par les laboratoires) ;
- la résolution d’un verrou scientifique amont (apporter des réponses aux défis identifiés par le programme), le plus souvent sous la forme d’une thèse de doctorat.
D’après Frédéric Jurie (Safran) responsable du groupe de travail « animation scientifique » du programme Confiance.ai, « ces contributions élargiront le spectre de nos recherches et complèteront naturellement celles qui se font déjà dans Confiance.ai ». Bertrand Braunschweig, coordonnateur scientifique du programme, déclare : « avec cet appel à manifestation d’intérêt nous avons réussi à mobiliser une communauté académique de très bon niveau dont la présence à nos côtés sera particulièrement importante au vu des nombreux défis scientifiques auxquels s’attaque le programme ». Patrice Aknin, directeur scientifique de l’IRT SystemX, conclut « le positionnement de doctorants et post-doctorants recrutés par SystemX et mis à disposition des projets dynamise le programme en amenant de nouvelles compétences, tout en articulant sur la durée les attentes des industriels avec le tissu académique ».
Découvrez les sujets retenus :
|
Laboratoire(s) |
Porteur(s) |
Titre |
| Institut de mathématique de Toulouse – ANITI | Jean-Michel Loubes et Joao
Marques-Silva |
Robustesse par l’équité |
| CRIL – Université d’Artois | Pierre Marquis | Explications intelligibles |
| CRISTAL – CNRS | Mihaly Petreczky | IA fiable pour les systèmes cyber-physiques à l’aide de la théorie de la commande |
| LAMIH – UPHF / CRISTAL – Université de Lille | Smaïl Niar et El-ghazali Talbi | Conception automatique multi-critères et optimisation des réseaux de neurones profonds |
| Inria KAIROS | Dumitru Potop-Butucaru | Réconcilier apprentissage et temps réel critique dans la spécification et l’implantation sûres et efficaces de systèmes temps-réel hautes performances |
| IRIT – Université de Toulouse | Thomas Carle et Christine Rochange | Analyse de la synchronisation des applications NN accélérées sur GPU à l’aide d’interprétation abstraite |
| LIP6 – Sorbonne Université | Sylvain Lamprier | Lissage aléatoire des réseaux de neurones en apprentissage par renforcement |
| LITEM Media Lab – IMT | Christine Balagué et Dominique Cardon | Plateforme d’autopsie de l’IA |
| LITIS – Insa Rouen | Stéphane Canu | Développement d’un solveur MIP efficace pour la mesure de la robustesse et l’entrainement de réseaux de neurones profonds |
| ONERA | Stéphane Herbin | Expression et validation d’un domaine opérationnel par exemples extrêmes pour les applications de vision par ordinateur |
| ONERA | Stéphane Herbin et Chan Hon Tong | Défense de fonctions de vision par ordinateur aux exemples adverses par « patch » |
| U2IS – ENSTA Paris | Goran Frehse et David Filliat | Supervision utilisant des distributions de probabilité basées sur des modèles |
