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

Trustworthy Trustworthiness Long Short-Term Memory Bayesian optimization Monitoring Adversarial attacks XAI AI Safety Boosted Decision Trees BDT Knowledge fusion Adversarial examples Machine learning Anomaly detection Classification Contextual Evaluation Adversarial physical attack Body of knowledge Neural Network AI systems AI-based systems Bayesian Optimization Aide à la décision Adversarial Training Explainability Branch-and-Bound algorithm Computer Vision and Pattern Recognition Confiance explicabilité Complexity Anomaly Calibration Bayesian inference Intelligence artificielle AI Engineering processes Reliability Confiance AI-Systems Engineering Autonomous system Intelligence Articifielle Trustworthiness Assessment Conformal Prediction Mixed Integer Programming Conformal prediction Knowledge extraction Vision par ordinateur Apprentissage automatique Sûreté de fonctionnement Artificial intelligence AI explainability ML Engineering AI Governance Arcadia Method Computer Vision Computer vision Explainable AI Multi-fidelity BO AI-Based Critical Systems Trustworthiness Attributes Artificial Intelligence Neural network Bias Detection Robustesse AI-Based Systems Concepts Knowledge graph Semantic segmentation System Identification Automated vehicle Uncertainty Assurance case Al monitoring Recurrent Neural Networks Adversarial Attacks Counterfactuals AI engineering AI System Characterization Realization theory Robustness Christoffel functions ODD Machine Learning Explicabilité Generative Models Attack transferability Collaboration Human-IA Certification AI component evaluation methodology AI Robustness Tools Assessment Neural Architecture Search Adversarial attack Distributed learning Case-based Assurance Cases Confidence calibration Body-of-Knowledge Sûreté Neural ODEs Anomaly Detection