L’objectif de cet axe de recherche est le développement d’applications à base d’IA dans des domaines stratégiques, telles que l’industrie du futur, la mobilité, ou la santé.
Le sujet du développement responsable de l’IA doit s’ancrer dans une réalité concrète pour prendre corps. Le CEA-List porte ainsi ses efforts sur la création d’applications à base d’IA. Ses cas d’usage sont destinés à des domaines sensibles tels que la santé, la mobilité ou l’industrie.
Ils s’appuient sur des recherches sur trois domaines cœurs de l’IA :
Les projets internes du CEA-List permettent de couvrir les aspects de recherche amont. Les grands projets structurants collaboratifs et ceux menés dans le cadre de partenariats permettent d’aborder les aspects plus opérationnels.
Dans le cadre d’un partenariat avec Airbus, les équipes du CEA-List ont mis au point un système utilisant le Machine Learning pour classifier automatiquement la nature des défauts dans des structures composites. Les défauts sont actuellement qualifiés manuellement.
Ces premiers travaux précurseurs dans le domaine du CND ont permis de démontrer le potentiel de l’IA pour le diagnostic automatisé sur ce type d’application. L’étude a été réalisée avec une version prototype du logiciel CIVA Data Science dont la commercialisation est prévue en 2022.
La collaboration vise à enrichir les outils d’enquête et de contrôle dont disposent les agents de la direction générale de la Concurrence, de la Consommation et de la Répression des fraudes (DGCCRF) en s’appuyant sur l’intelligence artificielle. Les besoins spécifiques de la DGCCRF ont été étudiés afin de mettre en place des outils à base de traitement automatique de la langue (TAL), qui permettent aux agents de trouver plus facilement l’information pertinente dans l’ensemble des documents à leur disposition.
Dans le cadre du projet IA4NETWORK pour la DGA, les équipes du CEA-List ont mis au point un système de surveillance de réseau filaire (par exemple, Ethernet) à base de Machine Learning capable de prévoir avec une haute précision le taux d’occupation futur d’une interface.
Lorsque le taux prévu atteint 100 %, il devient probable qu’une congestion survienne. Le système peut alors mettre en œuvre les contremesures aptes à empêcher l’occurrence de celle-ci, en utilisant l’environnement logiciel de gestion de réseau NEON.
Pilier technologique du Grand Défi « sécuriser, certifier et fiabiliser les systèmes fondés sur l’intelligence artificielle », le programme Confiance.ai, lancé en janvier 2021, ambitionne de relever le défi de l’industrialisation de l’intelligence artificielle dans les produits et services critiques.
Les partenaires du programme se sont concentrés sur 6 premiers cas d’usage : la compréhension de scène à partir d’une caméra, l’inspection par vision de soudure, la prédiction de demande en air liquide, l’interprétation de photos aériennes, le contrôle industriel visuel, ou encore l’évitement des collisions aériennes pour les systèmes de drones.
Ces cas d’usages pratiques ont permis d’évaluer la pertinence de 20 premiers composants technologiques ou briques méthodologiques qui sont intégrés dans une première version de l’environnement de confiance. Parmi ces briques : l’évaluation de la robustesse de réseau de neurones, la quantification d’intervalle de confiance de prédictions, la génération des modèles robustes à certaines perturbations, les méthodes pour construire et caractériser les jeux de données.
La collaboration avec l’équipementier automobile Valeo illustre la démarche de R&D globale autour de l’IA. L’histoire a commencé en 2016, lorsque le CEA remporte le challenge international Kitti portant sur la détection et la localisation de véhicules dans une image, dans un contexte de conduite autonome.
Le potentiel énorme de la technologie, tout comme la capacité du CEA-List à accompagner le transfert industriel, ont séduit Valeo qui décide de créer un laboratoire commun avec l’institut. L’objectif : produire des résultats opérationnels pouvant s’intégrer dans les démonstrateurs de véhicule autonome de l’équipementier. C’est aujourd’hui le cas, avec une IA développée par le CEA-List capable de détecter en temps réel tous les éléments de l’environnement (piétons, autres véhicules, etc.), à 360° autour du véhicule.
Les travaux portent aujourd’hui sur la définition d’une architecture électronique embarquée optimale, des outils d’optimisation du code dans un contexte de production de masse et la mise en place des méthodologies de qualification de la confiance.
