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

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