index - Confiance.ai

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

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