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

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