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

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