Rechercher
Contactez-nous Suivez-nous sur Twitter En francais English Language
 

De la Théorie à la pratique











Abonnez-vous gratuitement à notre NEWSLETTER

Newsletter FR

Newsletter EN

Vulnérabilités

Se désabonner

Intelligence Artificielle : Zoom sur les travaux R&D de l’IRT SystemX

juillet 2021 par IRT SystemX

Voici un aperçu des travaux de recherche menés par l’équipe Sciences des Données et IA de l’IRT SystemX, qui réunit 25 ingénieurs-chercheurs et 8 doctorants.

L’intelligence artificielle est l’un des domaines scientifiques et technologiques structurants de la feuille de route de l’IRT SystemX, dédié à la transformation numérique des entreprises, des services et des territoires. Sur ce domaine, l’institut s’attache à démultiplier ses transferts d’innovations vers les acteurs industriels, en mettant l’accent sur 4 secteurs applicatifs prioritaires : Mobilité et Transport autonome ; Industrie du Futur, Défense et sécurité, et Environnement et Développement durable.

SystemX est partie prenante de l’un des 5 Grands Défis choisis par le Conseil de l’Innovation en 2019, à savoir le Grand Défi « Sécuriser, certifier et fiabiliser les systèmes fondés sur l’intelligence artificielle » dont l’IRT SystemX a en charge d’animer et de structurer le volet technologique en collaboration avec une quinzaine de partenaires industriels et académiques. Ce défi vise à renforcer la confiance des systèmes à base d’IA ; en développant les capacités nécessaires pour concevoir, valider, déployer et maintenir en confiance ces systèmes. L’objectif visé est de positionner la France en tant que leader européen de la « certification » de l’IA. Ce Grand Défi se matérialise en partie par un programme de 45M€ sur 4 ans baptisé Confiance.ai.

SystemX a également lancé en début d’année un vaste programme de recherche sur l’hybridation de l’IA, baptisé « Intelligence Artificielle et Ingénierie Augmentée » (IA2). Réunissant une trentaine de partenaires industriels et académiques sur 5 ans, ce programme répond aux attentes des industriels qui conçoivent, développent et valident les systèmes, en combinant les technologies d’IA avec les méthodes déjà déployées par les ingénieries industrielles, afin d’en optimiser les performances opérationnelles et d’aider à la nécessaire transformation des métiers. A travers 6 projets R&D collaboratifs et un projet amont à vocation académique piloté par Marc Schoenauer d’Inria, l’IRT SystemX propose de développer des solutions hybridant trois approches de modélisation et de simulation : la modélisation physique des systèmes, l’utilisation de connaissances métier exprimés par des experts, et les modèles d’apprentissage basés sur les données réelles. Ce programme est inédit par son ampleur et son format.

Zoom sur les travaux de recherche en IA menés au sein des secteurs applicatifs de l’IRT SystemX :

- Transport et Mobilité
o Le projet CAB (Cockpit et Assistant Bidirectionnel), rattaché au programme IA2, a pour objectif d’améliorer la coopération homme-machine. Il vise à définir et évaluer un cockpit intelligent intégrant un agent virtuel qui augmentera en temps réel les capacités de prise de décision de l’opérateur de systèmes critiques ou de réseaux sensibles face à des situations complexes et/ou atypiques, et dont la particularité est qu’il apprenne de et à l’expert.
o Le projet EPI (Évaluation des Performances des systèmes de décision à base d’IA) s’intéresse à l’évaluation et à l’optimisation des performances des systèmes de décision qui embarquent de l’IA de type machine learning (réseaux de neurones) dans les domaines du transport autonome et des environnements complexes incertains comme le transport autonome routier et le maritime. L’ambition des acteurs du projet est de bâtir une méthodologie d’évaluation des performances des systèmes de décision à base de machine learning utilisant majoritairement des données simulées pour la phase d’apprentissage et des données réelles pour la phase de test et assurer ainsi la traçabilité et la reproductibilité des résultats de ce type de modèle.
o Le volet IA du projet IVA (Information Voyageurs Augmentée) porte sur la prédiction de la charge de l’ensemble du réseau de transport multimodal francilien à court et moyen terme, grâce au développement d’un assistant à la mobilité basé sur l’Intelligence Artificielle (modèle LSTM - Long Short-Term Memory encodeur-prédicteur, des réseaux de neurones récurrents adaptés à la gestion des données en flux). Le système vise également à détecter automatiquement l’impact des perturbations du réseaux sur les flux voyageurs.
o Le projet DOS (Détection des Obstacles et Signalisation latérale) s’inscrit dans la lignée du projet TAS (Transport Terrestre Autonome en Sécurité dans son Environnement), et s’intéresse à l’intégration de systèmes de décision dans les véhicules ferroviaires, en appui des conducteurs, en particulier en cas de situation dégradée (obstacles sur la voie, signalisation latérale difficilement lisible). Les travaux portent sur la définition d’outils d’analyse de scènes ferroviaires et de prise de décisions adaptées.

- Industrie du futur
o Lancé en février 2020, le projet HSA (Hybridation Simulation Apprentissage), l’un des premiers projets du programme IA2, vise à concevoir de nouvelles approches d’apprentissage à hybrider avec les outils de simulations physiques classiques. Parmi les objectifs visés, on peut citer la réduction des coûts de simulation grâce à la création de méta-modèles, l’amélioration de la qualité des décisions prises lors des phases de conception basées sur la simulation, la résolution de problèmes physiques difficiles.
o Dans le cadre du projet MPO (Maintenance Prévisionnelle et Optimisation), dédié à l’optimisation des politiques de maintenance des systèmes de production, une thèse lancée en septembre 2019 porte sur la recherche de solutions pour intégrer simultanément des données numériques issues de capteurs et des données sémantiques apportées par les mainteneurs dans des modèles de maintenance enrichis.
o Le projet AMC (Agilité et Marge de conception), dont l’objectif est la création d’une méthodologie de gestion des marges dans la conception de systèmes complexes, s’attache à déployer une approche par simulation pour la production de données. Une thèse y est menée sur le sujet du Transfert Learning (apprentissage et test sur des corpus de données distincts).

- Défense et Sécurité
o Les partenaires du projet CTI (Cybersécurité du Transport Intelligent) ont travaillé sur une approche par apprentissage statistique (et non pas par règles) pour détecter les attaques et enrichir les Intrusion Detection Systems (IDS).

L’objectif du projet était de rendre possible cette approche sur des domaines d’application très variés comme l’automobile, le transport ferroviaire et l’aéronautique. Les travaux se poursuivent dans le cadre du projet RTI (Résilience du Transport Intelligent) qui adresse la validation de la résilience du contrôle des voitures autonomes et des flottes des drones face aux cybermenaces (communication à venir).
o Dans le cadre du projet SCA (Secure Cooperative Autonomous systems) s’est intéressé à la sécurisation des communications des systèmes de transport intelligents (ITS). Dans ce cadre, l’IRT et ses partenaires ont travaillé sur une approche par apprentissage statistique pour détecter les dysfonctionnements (misbehavior detection) des ITS, liés à un vieillissement ou résultant d’un acte de malveillance. Ces travaux se poursuivent dans le cadre du projet Trusted Autonomous Mobililty (TAM) centré sur la cybersécurité de bout en bout et la protection de la vie privée dans les Systèmes de Transport Intelligents Coopératifs (C-ITS)
o Enfin, dans le cadre de l’initiative BART (Blockchain Advanced Research & Technologies) qui réunit des chercheurs de l’Inria, de SystemX, de Télécom Paris et Télécom SudParis pour répondre aux défis blockchain des entreprises, une thèse est menée sur le thème de la data visualisation des données bitcoin pour aider à la détection de comportements malveillants.

- Environnement et Développement durable :
o Le projet PSE (Paris-Saclay Energies) vise notamment à développer des outils pour piloter les équilibres de production multimodale d’énergie, en fonction de la consommation, selon une approche basée sur l’apprentissage par renforcement (Reinforcement Learning).
o Un nouveau programme baptisé Alliance H@rvest est en construction avec AgroParisTech et Télécom Paris et sera lancé avant la fin de l’année 2021 sur les enjeux de la transformation numérique de la filière agricole intégrant l’IA et le déploiement d’IoT.




Voir les articles précédents

    

Voir les articles suivants