Data Science and Artificial Intelligence for Digitalized Industry and Services

L’accès à des bases de données massives, conjugué à une puissance de calcul sans cesse croissante, a ouvert la voie au développement de nouveaux outils d’Intelligence Artificielle (IA), à l’origine d’une révolution dans l’industrie et dans les services. Au cœur de l’IA, l’apprentissage statistique, dynamisé par l’internet des objets, peut maintenant s’appliquer à la quasi-totalité des processus industriels, de la conception d’un produit à son utilisation et aux services qui lui sont associés.

Après l’ère du big data analytics, de nouvelles attentes entrent désormais en jeu. Télécom Paris, avec le soutien de la Fondation Mines-Télécom, a réuni cinq grandes entreprises au sein de sa nouvelle chaire de recherche et d’enseignement Data Science & Artificial Intelligence for Digitalized Industry & Services (DSAIDIS) : Airbus Defence & Space, Engie, Idemia, Safran et Valeo.

Qu’ils soient destinés à l’aide à la décision dans des domaines sensibles (défense, santé, transport…) ou simplement à garantir la confiance dans une technologie avant son adoption, les systèmes d’intelligence artificielle doivent être capables de justifier leurs décisions, de prouver leur robustesse face aux attaques et aux erreurs, de conserver une trace de leur apprentissage et de permettre que leurs décisions puissent être interprétées.

Par ailleurs, lorsqu’ils sont embarqués dans un environnement mobile, les systèmes d’IA doivent pouvoir communiquer avec cet environnement, connaître leurs propres points faibles et continuer à s’améliorer au moyen d’interactions pertinentes. Pour les équipes de recherche de Télécom Paris, il s’agit là d’un ensemble de défis passionnants à relever, dont la résolution conditionnera l’utilisation pérenne de la science des données et des outils d’IA.

4 axes de recherche

• Axe 1 : Développement d’une analyse prévisionnelle des séries temporelles et des flux de données
• Axe 2 : Exploitation à grande échelle de données partiellement étiquetées et hétérogènes
• Axe 3 : L’apprentissage statistique au service d’une prise de décision fiable et rigoureuse
• Axe 4 : Un apprentissage qui dialogue avec son environnement

5 objectifs

• Mutualiser et enrichir les expériences industrielles et académiques,
• Faire émerger de nouvelles innovations,
• Permettre un financement pérenne des activités de recherche en intelligence artificielle et en science des données, sur des sujets méthodologiques cruciaux pour les applications,
• Préparer les collaborations contractuelles éventuelles bilatérales ou multilatérales,
• Proposer des formations à la hauteur des enjeux socio-économiques du domaine.