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

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