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

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