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

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