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

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