index - Confiance.ai Accéder directement au contenu

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

 

Mots-clés

Neural Network Arcadia Method Christoffel functions Decision tree Neural Architecture Search Automated vehicle Generative Models Autonomous system Neural ODEs Adversarial physical attack Monitoring Deep Reinforcement Learning Robustness Adversarial Attacks Adversarial Training Semantic segmentation Trustworthiness Attributes Data-driven reachability AI-Systems Engineering Custom search space AI System Characterization Machine learning Confiance Collaboration Human-IA AI engineering Computer Vision and Pattern Recognition Computer Vision Adversarial examples Deep learning Confiance explicabilité AI-Based Critical Systems Adversarial attack Dempster Shafer theory Data Quality Conformal Prediction Distribution based method Data Stream Long Short-Term Memory Robustesse Bayesian Optimization Certification Anomaly detection Branch-and-Bound algorithm Multi-fidelity BO Neural network Robustness AI-based systems Realization theory Assurance Cases AI systems Explainability Case-based Data Analysis Distributed learning Data Visualization ED-324/ARP6983 Recurrent Neural Networks Edge computing Deep Ensembles Aide à la décision AI component evaluation methodology Sûreté de fonctionnement Assurance case Calibration Artificial intelligence Contextual Evaluation Cycle-accurate simulator Explicabilité Artificial Intelligence Explainable AI Anomaly Detection ODD Counterfactuals Critical systems Deployment AI-Based Systems Distributed Machine Learning Adversarial attacks Mixed Integer Programming Sûreté Deep neural network classifiers Adversarial Training Deep Reinforcement Learning Intelligence Articifielle Computer vision Bayesian inference Machine Learning Data trustworthiness Cryptography and Security Bias Detection Adversarial Attacks Data Stream Processing Attack transferability Anomaly Conformal prediction XAI System Identification Reliability Complexity Concepts Bayesian optimization AI Trustworthiness Assessment