Modératrice

Mme. Sophie Voinis, Journaliste

ALLOCUTION D'OUVERTURE

CONFÉRENCIERS D'HONNEUR 

Titre en cours de définition

Titre en cours de définition

QUELLES SONT LES NOUVELLES DONNÉES DES FILIÈRES AÉRONAUTIQUE ET SPATIALE ET QUELLES SYNERGIES TRANSECTORIELLES APPORTENT-ELLES ?

 COMMENT SONT DÉVELOPPÉES ET IMPLÉMENTÉES LES NOUVELLES SOLUTIONS ANALYTIQUES ET D'INTELLIGENCE ARTIFICIELLE DANS LES ENTREPRISES DES FILIÈRES AÉRONAUTIQUE ET SPATIALE ?

IA DES DONNÉES ET IA DES MODÈLES

Les succès impressionnants de l’approche « Deep Learning » dans le domaine de l’analyse de données, de la perception robotique, et de la génération de contenu, ont provoqué un engouement pour l’IA d’une ampleur jamais vue auparavant. Bien que ce soit une bonne chose pour la communauté de l’IA en général, l’excitation autour de ces résultats a tendance à masquer plus de 60 ans de recherche dans les autres disciplines de l’IA. Pourtant, du point de vue d’un homme d’affaire qui a besoin de solution d’IA aujourd’hui, beaucoup de ces techniques sont toujours pertinentes. De plus, d’un point de vue académique, certains des résultats les plus impressionnants ont été obtenus en mixant Deep Learning avec des approches plus classiques de l’IA. Cette présentation propose un survol des différents paradigmes existants dans le domaine de l’IA, et souligne leurs forces et leurs faiblesses respectives. Puis nous argumentons que la clef du succès dans beaucoup de situations pratiques est une décomposition intelligente du problème, et d’utiliser la bonne approche au bon endroit.

IA EXPLICABLE ET FIABLE (DEPENDABLE & EXPLAINABLE LEARNING – DEEL) POUR DES APPLICATIONS ET FONCTIONS CRITIQUES

Au-delà du succès spectaculaire de l’Intelligence Artificielle (IA) dans différents domaines, l’appliquer plus largement pour des fonctions ou systèmes critiques dans l’Aéronautique, le Spatial, le transport terrestre, etc. requiert des étapes supplémentaires. L’ambition est de maturer les technologies d’IA et les processus associés pour qu’ils puissent être qualifiés, voire certifiés. L’IRT Saint Exupéry a récemment lancé un programme intégré de R&T collaborative sur l’IA explicable et fiable nommé DEEL (Dependable & Explainable Learning). Il rassemble des experts industriels, des ingénieurs des data scientists, et des chercheurs pour résoudre les défis scientifiques et techniques pour l’application de l’IA aux systèmes et fonctions critiques. Ce programme sera réalisé en relation étroite avec IVADO et le CRIAQ à Montréal, ainsi qu’avec ANITI, la proposition toulousaine d’Institut Interdisciplinaire d’Intelligence Artificielle (3IA). Nous montrerons comment ce modèle étendu d’innovation ouverte peut accélérer l’ensemble du cycle d’innovation allant de la recherche fondamentale à des applications concrètes de l’IA aux véhicules autonomes, à l’aéronautique, au spatial.

ANITI (ARTIFICIAL AND NATURAL INTELLIGENCE TOULOUSE INSTITUTE) - LE PROJET 3IA TOULOUSAIN

Dans cet exposé, je présenterai ANITI, the artificial and natural intelligence Toulouse institute. Si l'IA empirique et basée sur les données, sous forme d'algorithmes d'apprentissage automatique, a permis de résoudre de nombreux problèmes, elle a des inconvénients qui la rende non intégrable dans des systèmes critiques tels que le pilotage des avions. L'ANITI s'attaquera à ces problèmes en mariant l'IA basée sur les données avec l'IA symbolique. Nous pensons que les deux ont besoin l'une de l'autre pour faire avancer la théorie et la pratique de l'IA au prochain niveau.  Je donnerai plusieurs exemples de l’IA hybride et leur lien avec des domaines d’application particuliers dans ANITI.

CONCLUSION