Avec le développement de technologies permettant de collecter, stocker et analyser de manière automatique et en temps quasi-réel des masses de données, de nature et format variés, nous sommes entrés dans l’ère de l’intelligence artificielle généralisée. Des progrès considérables ont été réalisés ces dernières années dans de nombreux domaines, la vision par ordinateur, la reconnaissance vocale ou la recherche automatique d’information par exemple. Combinés à la transformation digitale, ces algorithmes transforment profondément l’Industrie aujourd’hui. Ils sont déjà à l’œuvre dans de nombreux « systèmes intelligents », pour des applications aussi variées que la biométrie, le véhicule à délégation partielle, les moteurs de recommandation ou les assistants virtuels. L’intelligence artificielle peut être utilisée entre autres pour concevoir des systèmes de maintenance prédictive des infrastructures complexes, tels que des réseaux de transport d’énergie ou des aéronefs, détectant suffisamment tôt les « signaux faibles » annonciateurs de dysfonctionnements, permettant ainsi le remplacement des composants avant leur probable défaillance et assurant une plus grande pérennité au service prodigué ou encore des véhicules de transport à la fois sûrs et totalement autonomes. Les opportunités sont indéniables et on peut prévoir que ce corpus de connaissances et techniques à l’interface des mathématiques et de l’informatique, en progrès constant depuis plusieurs décennies, sera encore à l’origine de nom- breuses innovations à fort impact sociétal, économique ou scientifique dans un avenir proche, pour peu qu’il se confronte aux enjeux de la société moderne.
Les défis scientifiques demeurent en effet nombreux, relatifs à la complexité de l’information susceptible de nourrir l’IA d’une part (axe scientifique 1), à la difficulté des tâches que l’on souhaite déléguer (au moins en partie) à des systèmes intelligents et autonomes dans le futur (axe scientifique 2). Et dans bien des cas, le niveau de délégation qui sera accordé à ces systèmes dépendra en grande partie des réponses que la recherche méthodologique apportera aux enjeux d’éthique, de fiabilité et de frugalité énergétique, afin de rendre l’Intelligence Artificielle acceptable, apte à produire des décisions interprétables par l’utilisateur final, l’humain (axe scientifique 3).
La chaire AI4I vise à mener une activité de recherche de pointe en IA au service d’une industrie transformée par le numérique. Bien qu’étroitement entremêlés pour la mise au point d’applications industrielles, trois thématiques scientifiques pourront structurer cette activité.