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

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