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

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