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

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