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

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