BulletinN o 113

Association française pour l’Intelligence Artificielle

AfIA

Juillet 2021N o 1131 PRÉSENTATION DU BULLETIN Le Bulletin de l’Association française pour l’Intelligence Artificielle vise à fournir un cadre de discussions et d’échanges au sein de la communauté universitaire et industrielle. Ainsi, toutes les contributions, pour peu qu’elles aient un intérêt général pour l’ensemble des lec- teurs, sont les bienvenues. En particulier, les annonces, les comptes rendus de conférences, les notes de lecture et les articles de débat sont très recherchés. Le Bulletin de l’AfIA publie également des dossiers plus substantiels sur différents thèmes liés à l’IA. Le comité de rédaction se réserve le droit de ne pas publier des contributions qu’il jugerait contraire à l’esprit du bulletin ou à sa politique éditoriale. En outre, les articles signés, de même que les contributions aux débats, reflètent le point de vue de leurs auteurs et n’engagent qu’eux-mêmes.

Édito

Ce Bulletin s’articule autour d’un dossier spécial très détaillé sur les Instituts Interdiscipli- naires en Intelligence Artificielle (3IA) et les chaires d’excellence (dites "hors 3IA"). Ce dossier a été coordonné par Laurent VERCOUTER et contribuera à donner une vue globale sur cette partie de l’action de recherche en IA menée en France. Vous trouverez ensuite un compte-rendu de la journée EGC & IA sur le thème « Évolution et dynamique des connaissances formelles », organisée le 18 mai 2021. Enfin, pour clôturer ce Bulletin, vous trouvez la rubrique habituelle des thèses et HDR soutenues pendant le 2e trimestre 2021 et dont nous avons eu connaissance via www.theses.fr. Un grand merci à tous ceux qui ont contribué à ce Bulletin et à Emmanuel ADAM pour sa relecture attentive. Bonne lecture à tous !

Gaël LEJEUNE Rédacteur

Juillet 2021N o 1131 SOMMAIRE DU BULLETIN DE L’AfIA

3 Dossier « Instituts et chaires en IA » Présentation du dossier spécial...... 4 3IA ANITI...... 5 3IA Côte d’Azur...... 16 3IA MIAI@Grenoble Alpes...... 28 3IA PRAIRIE...... 35 DATAIA Paris-Saclay...... 42 “Hi! Paris”...... 54 Alliance HumAIn...... 60 La Région Grand-Est : Intelligences Artificielles & Algorithmiques...... 66 Rennes - une IA souveraine au service de la vie publique...... 71 SCAI...... 78 Liste des chaires en Intelligence Artificielle...... 83

92 Comptes rendus de journées, événements et conférences Évolution et dynamique des connaissances formelles (EGC & IA ’21)...... 93

97 Thèses et HDR du trimestre Thèses de Doctorat...... 98 Habilitations à Diriger les Recherches...... 103

Juillet 2021N o 1132 Dossier « Instituts et chaires en IA »

Laurent VERCOUTER/ Inria Dossier réalisé par Coordination du plan national de recherche en IA [email protected] Présentation du dossier spécial

Laurent VERCOUTER Inria pour la mission de coordination du plan na- https:// www.inria.fr/ tional de recherche en IA [email protected]

En clôture de la journée de débats « AI for -à Nice - 3IA Côte d’Azur avec pour appli- Humanity » qui s’est tenue à Paris le 29 mars cations privilégiées la santé et le développe- 2018, le Président de la République a annoncé, ment des territoires. sur la base du rapport du député Cédric VIL- -à Paris - PRAIRIE avec pour applications LANI, la mise en place d’un programme na- privilégiées la santé et les transports. tional pour l’IA. Il mobilise un budget de 1,5 -à Toulouse - ANITI avec pour applications milliard d’euros sur 5 ans et comporte trois privilégiées le transport, l’environnement et axes stratégiques : les talents (disposer de la la santé. meilleure expertise en IA), la diffusion (diffuser La deuxième action du plan national de re- l’IA dans l’ensemble de l’économie et de l’ad- cherche en IA, présentée dans ce dossier spé- ministration) et l’éthique (engager un dialogue cial, est l’appel à projet publié par l’ANR en entre performance et humanité). Sa mise en avril 2019 pour le financement de chaires de œuvre, commencée en 2018 et prévue jusqu’en recherche et d’enseignement en IA, en dehors 2022, comporte un volet significatif dédié à la des sites des 3IA. 41 projets ont été sélection- recherche et à l’enseignement supérieur avec nés. Ces chaires sont réparties sur l’ensemble 45% du budget total qui y est consacré. Le du territoire et reflètent la diversité des théma- programme national de recherche en IA, dont tiques dans les projets soumis. la coordination a été confiée à INRIA, com- L’ensemble des activités de recherche et ré- porte un ensemble d’actions visant à propulser sultats marquants des 3IA et des chaires est la France parmi les champions de l’IA et faire trop important pour être décrit intégralement de la France le leader européen de la recherche dans ce bulletin. Vous y trouverez donc une en IA. présentation de chacun des 3IA auxquels nous Le dossier spécial de ce bulletin présente avons demandé de faire un choix (difficile) de deux actions phares du plan national de re- se limiter à quelques focus scientifiques (mais cherche en IA visant d’une part à la création vous pouvez trouver des informations complé- d’Instituts Interdisciplinaires d’Intelligence Ar- mentaires et plus englobantes sur leurs sites tificielle (3IA) et d’autre part au financement web). Les autres contributions du dossier pré- de chaires d’excellence, dites « hors 3IA », en sentent d’autres sites majeurs de la recherche compléments des chaires inclues dans les 3IA. française en IA, parfois structurés et soutenus Faisant suite à un appel à manifestation d’inté- par d’autres programmes que celui des 3IA, qui rêt lancé en juillet 2018 puis une évaluation et font un focus sur les chaires hors 3IA du site. une sélection par un jury international, quatre La dernière partie du dossier complète ces pré- projets de 3IA ont été labellisés : sentations avec la liste intégrale des lauréats de -à Grenoble - MIAI@Grenoble-Alpes avec l’appel chaire hors 3IA. pour applications privilégiées la santé, l’en- Nous vous souhaitons une agréable lecture vironnement et l’énergie. de ce dossier spécial !

Juillet 2021N o 1134 ANITI- Artificial and Natural Intelligence Toulouse Institute

Nicolas VIALLET Directeur Opérationnel Nicholas ASHER Directeur Scientifique Mohamed KAÂNICHE Directeur Scientifique Adjoint

Présentation générale de l’Institut ronnement, l’espace, les assurances, etc. L’am- bition est également de faire de Toulouse l’un ANITI est l’un des quatre instituts interdis- des leaders mondiaux de l’intelligence artifi- ciplinaires d’intelligence artificielle qui ont été cielle hybride, en intégrant trois piliers com- sélectionnés en avril 2019 par un jury interna- plémentaires : la recherche, la formation, et le tional dans le cadre du programme d’investis- développement économique. sement d’avenir PIA3 du plan VILLANI. L’am- bition d’ANITI est de rendre possible l’utilisa- Pour atteindre ces objectifs, ANITI s’ap- tion et le développement pérenne de l’IA dans puie sur 24 chaires sélectionnées par le jury des secteurs applicatifs critiques pour l’humain international, des chaires externes issues par (transport, mobilité, . . .) et dans l’industrie exemple de l’Université de Lisbonne, de Brown 4.0. L’état actuel des connaissances ne per- University et du MIT aux États-Unis et éga- met pas d’apporter les garanties requises par lement issues des laboratoires de recherche les applications ciblées par le projet en termes du site toulousain (IMT, IRIT, LAAS, TSE- de fiabilité, de robustesse et de capacité à ex- R, . . .). Chaque chaire est constituée d’une pliquer et interpréter les résultats des systèmes équipe réunissant des membres permanents intégrant des algorithmes d’IA, tout en assu- chercheurs et chercheuses , des doctorants rant leur acceptabilité sociale et viabilité écono- et doctorantes, des post-doctorants et post- mique. Les solutions explorées par ANITI pour doctorantes ainsi que des ingénieurs mis-à- répondre à ces défis et améliorer la confiance disposition par nos partenaires industriels. dans les systèmes d’IA et leurs performances L’institut a officiellement démarré en sep- visent à développer une nouvelle génération tembre 2019, pour une durée de 4 ans re- d’intelligence artificielle appelée IA hybride, as- nouvelable. Le projet est coordonné par l’Uni- sociant de façon intégrée des techniques d’ap- versité Fédérale de Toulouse Midi-Pyrénées. Il prentissage automatique pilotées par des don- rassemblera à terme plus de 200 chercheurs nées et des méthodes symboliques et formelles et chercheuses du site toulousain provenant permettant d’exprimer des contraintes et d’ef- des centres et instituts de recherche scien- fectuer des raisonnements logiques. L’enjeu tifique et technologique (CNRS, CNES, IN- est de développer les fondements théoriques RAE, IRT Saint-Exupery, ONERA), des univer- de cette approche et de proposer des solu- sités et écoles d’ingénieurs (UT3, UT1, UT2J, tions permettant son utilisation dans un large ENAC, INP Toulouse, INSA Toulouse, ISAE- spectre d’applications incluant les transports SUPAERO,. . .) ainsi qu’une trentaine de par- autonomes, l’industrie du futur, la santé, l’envi- tenaires industriels (Airbus, Continental, NXP,

Juillet 2021N o 1135 Renault, Thales, . . .) avec le soutien de la et la conception et la validation d’architectures Région Occitanie, Toulouse Metropole et le certifiables de systèmes autonomes critiques Rectorat de Toulouse. L’institut s’appuie éga- (par exemple dans le domaine aéronautique). lement sur l’écosystème d’innovation, notam- IA Collaborative : Ce programme vise à ment le pole de compétitivité ‘Aerospace Val- développer des assistants d’IA dotés de pro- ley’ et la SATT ‘Toulouse Tech Transfer’. priétés pertinentes et de capacités avancées pour améliorer l’interaction avec des humains, Projet scientifique ainsi que pour optimiser la prise de décision, la conception et l’exploitation opérationnelle dans Le projet scientifique d’ANITI s’articule au- les processus industriels. Les sujets incluent des tour de trois grands programmes intégratifs travaux fondamentaux sur le langage multimo- (IA acceptable, IA certifiable et IA collabora- dal ainsi que sur la robotique mobile avec des tive). capacités d’interaction physique afin de réali- IA acceptable : Ce programme s’attaque ser des tâches complexes de manière collabo- à deux grands ensembles de défis. Le premier rative. Les recherches portent également sur traite de différentes facettes de l’acceptabi- le développement de méthodes pour la détec- lité sociale, économique, juridique et éthique tion des anomalies et la maintenance prédictive de systèmes intégrant des algorithmes d’intel- qui soient efficaces et passent à l’échelle ainsi ligence artificielle. Le second se concentre sur que des techniques d’optimisation permettant les défis liés aux données. Il vise à développer de réduire la complexité des problèmes qui sur- des nouvelles solutions permettant : 1) la dé- gissent lors de la conception des systèmes. tection et l’élimination de biais dans la sélection et l’interprétation des données utilisées par les Les défis scientifiques traités dans ces trois modèles d’apprentissage ; 2) la prévention du programmes intégratifs, issus des projets des risque de ne pas prendre en compte des évé- chaires et des cas d’usage fournis par les par- nements rares dans le processus d’apprentis- tenaires industriels d’ANITI, sont déclinés en sage ; et 3) l’apprentissage des représentations douze thèmes interdisciplinaires faisant partici- de données hétérogènes, multi-sources, multi- per chacun plusieurs chaires et plusieurs indus- échelles et variables dans le temps ainsi que triels. Certains thèmes sont traités conjointe- l’apprentissage “pauvre en ressources” avec peu ment au sein de plusieurs programmes de re- de données annotées. cherche. IA certifiable : Ce programme a pour but La figure 1.1 illustre l’articulation des pro- d’étudier les fondements des modèles d’appren- grammes intégratifs et des thèmes. Ces thèmes tissage automatique pilotés par les données, sont destinés à évoluer au cours du projet. leurs propriétés, ainsi que les interactions entre Comme indiqué sur la figure 1.1, les ac- les modèles pilotés par les données et les mo- tivités de recherche menées dans le cadre de dèles analytiques, par exemple pour la simula- chaque programme intégratif ont donné lieu à tion efficace de processus physiques complexes. un ensemble de projets collaboratifs. À titre Les sujets abordés comprennent l’explicabilité d’exemple, COALA est un projet européen ac- ou interprétabilité des systèmes d’apprentis- cepté dans le cadre de l’appel H2020 ICT-38, sage, la robustesse, l’optimisation, la vérifica- lancé en octobre 2020, qui vise à développer un tion des garanties de performance, la proposi- assistant d’IA explicable pour soutenir la prise tion d’une approche IA hybride pour l’accélé- de décision, la maintenance prédictive et la for- ration de la simulation de modèles physiques, mation dans les processus de fabrication in-

Juillet 2021N o 1136 Figure 1.1 – Programmes intégratifs et thèmes d’ANITI dustriels. DEEL (DEpendable Explainable Lear- Inde, en Allemagne, au Canada notamment via ning) est un projet de recherche collaborative le projet DEEL, ou aux États-Unis. associant des partenaires d’ANITI et des parte- Dans la suite nous mettons l’accent plus naires d’IVADO (The Institute for Data Valo- particulièrement sur sous-ensemble des douze rization) et du CRIACQ (Consortium for Re- thèmes de recherche développés dans ANITI. search and Innovation in Aerospace in Que- bec) au Canada, dans le but de développer des briques technologiques permettant le dévelop- Fair Learning pement de systèmes critiques d’IA fiables, ro- Ce thème a pour objectif de développer bustes, explicables et certifiables. ANITI contri- de nouvelles méthodes permettant de détec- bue également au programme « Confiance.ai » ter puis d’éliminer les biais indésirables dans porté par l’IRT SystemX, qui est un des pi- les jeux de données d’apprentissage, de vali- liers du grand défi « Sécuriser, certifier et fia- dation et de test ou dans les distributions de biliser les systèmes fondés sur l’intelligence ar- probabilités associées à une architecture d’ap- tificielle », qui vise à assurer la transparence et prentissage, que l’utilisateur final peut spéci- l’auditabilité des systèmes autonomes à base fier. Ce thème examine également comment d’intelligence artificielle. On peut noter égale- ces méthodes répondent aux exigences légales ment l’initiation d’autres collaborations au ni- et éthiques des systèmes d’IA. veau international avec notre contribution aux projets H2020 TAILOR (via le CNRS) et au Un premier défi de nos recherches est de projet CREATE avec Singapour porté par le fournir des définitions formelles et légales des CNRS, mais aussi via des collaborations avec biais qui peuvent conduire à des contrôles des instituts de recherche ou universités en traçables et réalisables de l’algorithme et qui peuvent également s’adapter à de grands vo-

Juillet 2021N o 1137 lumes de données à utiliser dans des applica- donné naissance au logiciel gems-ai (http:// tions du monde réel. De plus, la compréhen- www.gems-ai.com). La valorisation de ces ré- sion du biais n’est pas la même selon la mo- sultats se fait également via la start-up Maa- dalité des données. Un thème de recherche thics qui a été fondée en 2018 par des cher- important est d’élaborer un modèle concep- cheurs contribuant à ces deux chaires (http: tuel de l’étiologie du biais dans des données //www.maathics.com/). On peut noter éga- linguistiques, ce qui apporte, avec nos études lement l’organisation en 2020 sur ce thème en droit sur ce sujet, une dimension SHS im- du workshop ‘Law and Machine Learning’ dans portante à ce thème. Il s’agit aussi de com- le cadre de la conférence ICML-2020 et d’un prendre la nature et les conséquences épisté- Workshop Franco-indien ‘India Kolkatta’(Ex- mologiques des biais (distribution de l’échan- plainable and Fair Machine Learning). tillon d’apprentissage, échantillonnage de l’en- semble de données, contraintes juridiques ou Explicabilité techniques) ainsi que l’effet de la satisfaction des conditions d’équité (Fairness conditions) L’explicabilité ou l’interprétabilité des pré- sur la performance du système d’IA. dictions des algorithmes d’apprentissage auto- matique est une condition indispensable pour Un intérêt particulier est également porté rendre les systèmes d’IA acceptables pour le à l’application de ces méthodes à des sys- grand public et pour leur intégration dans les tèmes critiques qui doivent satisfaire à des exi- systèmes critiques du futur et leur certifica- gences de certification. Ces travaux sont me- tion. Dans le cadre d’ANITI nous explorons nés notamment dans le cadre du projet DEEL. trois types d’approches. La première a pour ob- Dans les applications industrielles, le biais peut jectif de construire des explications en partant provenir d’une représentation déséquilibrée des de l’idée qu’un algorithme d’apprentissage en- conditions de fonctionnement et d’environne- traîné sur des données fˆ peut, comme toute ment, d’un mauvais étiquetage ou d’une des- machine de Turing, être traduit dans un en- cription incomplète des données conduisant à semble de formules Tˆ dans un langage lo- des corrélations erronées. Un des défis dans ce f gique. Avec Tˆ, nous pouvons fournir une ex- contexte est de comprendre les effets de la f plication dite abductive, développant pourquoi distribution de l’échantillon de données d’ap- la machine a prédit π pour une entrée x (ex- prentissage et l’erreur de généralisation afin de primée aussi avec un ensemble de formules lo- garantir que les performances de l’algorithme giques Xx ) avec une preuve Tˆ,Yx ` π pour restent robustes aux modifications de leur en- f un sous ensemble Yx ⊂ Xx minimal. Cette ap- vironnement (apprentissage par transfert, ap- proche a produit des résultats récents publiés prentissage par consensus, protection contre à NeurIPS-2019, NeurIPS-2020 et à AIAI2020 les conditions adverses). Différents cas d’usage ([9], [8], [11]). Nous avons démontré pour plu- par exemple du domaine des transports ou de la sieurs types de systèmes d’apprentissage qu’on santé sont considérés pour valider nos travaux. peut fournir ces explications en temps polyno- Ces travaux, qui s’appuient principale- mial avec la perspective de fournir des explica- ment sur les chaires portées par Jean-Michel tions de certains systèmes ML en temps réel. LOUBES et Céline CASTETS RENARD, Cette méthode sert aussi à fournir des garan- ont fait l’objet de plusieurs publications par ties de performance (en lien avec le thème de exemple à la conférence ICML 2019 ([6]), et l’optimisation pour assurer une meilleure robus- dans [3] sur des aspects juridiques. Ils ont aussi tesse des modèles IA).

Juillet 2021N o 1138 La deuxième approche utilise des tech- Optimisation pour l’IA niques statistiques, en particulier des méthodes de transport, pour construire un couplage entre Ce thème qui est central dans ANITI et deux distributions, une distribution pour x où fait l’objet des travaux de plusieurs chaires, fˆ(x) 6= π et une autre pour un point y ou un vise à étudier les fondements théoriques de dif- ensemble de points où fˆ(y) = π. On peut alors férentes techniques d’optimisation afin d’op- fournir une explication et une réponse à la ques- timiser les méthodes d’apprentissage automa- tion « pourquoi fˆ(x) 6= π ? » en fournissant un tique basées sur des réseaux de neurones et couplage, qui est dans certains cas 1 − 1, entre de mieux comprendre d’un point de vue théo- les distributions sur les deux points. Ceci en- rique leurs conditions de convergence, de sta- traîne un ensemble de clauses contrefactuelles bilité et de robustesse, ainsi que leur capa- qui expriment les conditions minimalement suf- cité de généralisation. Ce sujet est aussi cen- fisantes pour avoir π, étant donné x. Nous tral pour la certification de systèmes IA utilisés avons montré que cette méthode peut sous cer- dans des systèmes critiques. Une spécificité de taines conditions capter les mêmes contrefac- l’approche toulousaine est de s’appuyer aussi tuels qu’une approche causale ou structurelle des techniques de la théorie des jeux pour étu- qui vise à trouver la structure causale derrière dier le comportement des systèmes d’appren- les observations. tissage, en particulier les problèmes de ban- dits et les réseaux adverses génératifs (GAN). Une autre spécificité toulousaine c’est l’étude Une troisième approche s’empare de l’IA des approches d’optimisation semi-algébriques hybride et promet d’apporter une scalabilité et des certificats de positivité associés à travers des explications aux réseaux de neurones com- l’exploitation de la parcimonie et/ou symétrie plexes avec des garanties de la logique. En com- présentes dans les applications en grande di- plément, nous avons aussi développé une ap- mension, ou toute autre propriété structurelle proche statistique avec la théorie du transport à découvrir sur ces applications. optimal. La théorie des contrefactuels, dont Un des objectifs est de mieux comprendre la sémantique définit à la fois une logique et les problèmes liés aux techniques de différen- décrit une fonction de transport, fournit un ciation algorithmique et de descente de gra- pont entre ces deux approches. Ce pont nous dient qui sont très répandues pour le calcul nu- permettra d’exploiter les atouts des deux ap- mérique de dérivées pendant les phases d’en- proches : la souplesse de l’approche transport traînement des algorithmes d’IA, et qui parfois avec la rigueur de l’approche logique. Ce thème sont utilisées en dehors de leur cadre de vali- a des liens importants avec le thème sur le dité théorique, notamment dans des domaines ‘Fair Learning’, car les modèles contrefactuels non lisses. Ceci permettra d’avoir plus de ga- nous donnent une perspective intéressante sur ranties sur le comportement des réseaux de l’étude du biais. neurones et d’améliorer la robustesse des al- gorithmes d’apprentissage profond vis-à-vis de Ces travaux s’appuient notamment sur la variation des entrées, des données d’entrai- les chaires de Joao MARQUES SILVA, Leila nement, de leur distribution, . . . La robustesse AMGOUD et de Loubes LOUBES. Joao est aussi examinée de façon indépendante via MARQUES SILVA, initialement à l’université des analyses du pire cas sur des modèles de de Lisbonne, a été recruté au CNRS et a re- grande taille, via des modèles contrefactuels ou joint Toulouse de manière permanente. des approches statistiques.

Juillet 2021N o 1139 Un autre volet des nos recherches sur l’op- de problèmes examinés incluent le raisonne- timisation porte sur des algorithmes capables ment avec des préférences et des incertitudes de traiter simultanément des problèmes d’op- (réseaux bayésiens, CSP temporels, etc.) mais timisation numérique et des propriétés (ou aussi réseaux CP, approches logiques, algèbre contraintes) logiques avec garanties ou certifi- de points et d’intervalles, . . .. cats, permettant d’imposer des contraintes sur Parmi les résultats marquants d’ANITI la sortie des modèles appris. Le principal défi cette année, on peut citer les travaux initiés à relever ici est que le raisonnement logique par Bolte BOLTE et Edouard PAUWELS sur automatisé en logique propositionnelle est déjà la théorie des champs conservatifs multiva- NP complet, et donc non calculable en pra- lués basée sur un nouveau calcul différentiel tique. De plus, souvent l’expressivité de la lo- qui promet des grandes avancées pour l’en- gique propositionnelle ne suffit pas pour expri- traînement des réseaux de neurones. Ces tra- mer les contraintes voulues. Différentes tech- vaux ont fait l’objet d’une ‘Spot’ présenta- niques complémentaires sont explorées dans tion à NeurIPS-2020 [1]). Notons également ANITI pour réduire la complexité et amélio- que Pauwels PAUWELS a obtenu la médaille rer le passage à l’échelle. Par exemple, un des de Bronze du CNRS en 2020. Dans le thème objectifs sera d’améliorer l’état de l’art de la de l’optimisation dans des modèles graphiques, résolution, avec garantie, de problèmes de dé- les chercheurs ANITI ont démontré que le sol- cision/optimisation sur des modèles graphiques veur ‘toulbar2’ (qui exploite des formules lo- discrets pondérés avec des contraintes permet- giques) et qui intègre des résultats dévelop- tant de capturer à la fois des problèmes de rai- pés par les chercheurs de la chaire portée par sonnement de type SAT/CSP et une fonction Thomas SCHIEX est plus efficace sur des pro- numérique décomposable en améliorant les mi- blèmes complexes que les meilleurs compéti- norants utilisés et en guidant éventuellement teurs en réseaux neuronaux [2] ou même que mieux la recherche d’une solution, éventuel- des ordinateurs quantiques comme le 2000qbits lement avec une preuve vérifiable. Les appli- de D-WAVE 1. cations incluent par exemple l’optimisation de la conception de molécules et protéines dans le domaine de la santé ou du développement Langage, robotique et neurosciences pour durable, ainsi que des problèmes de planifica- l’IA tion temporelle (ordonnancement) et d’optimi- ANITI a l’ambition de développer des ro- sation de configurations dans l’industrie du fu- bots assistants et des ‘cobots’ dotés de capaci- tur. Des applications dans le domaine du diag- tés avancées de communication, d’interaction nostic et de la maintenance prédictive, ou de avec des humains et de mouvement, afin de l’explicabilité de modèles IA sont aussi envisa- réaliser des tâches complexes nécessitant éven- gées. tuellement des interactions physiques, des ini- La compilation de connaissances est aussi tiatives croisées et un partage de l’espace avec un sujet d’actualité dans ce thème ; la com- des humains. Ces évolutions permettront de ré- pilation est en effet une méthode d’optimi- pondre aux besoins de l’industrie 4.0 pour as- sation permettant de résoudre des problèmes sister les ouvriers dans les usines du futur, par trop complexes (NP hard ou au delà) avec exemple pour inspecter des zones difficiles d’ac- des approximations tractables. Des exemples cès d’un avion ou pour intervenir sur des lignes 1. https://www.biorxiv.org/content/10.1101/752485v1

Juillet 2021N o 113 10 d’assemblage. Dans de nombreux cas, comme selage, ouvrir une porte, etc. qui impliquent des illustré par la figure 1.2, ces assistants devront décisions nombreuses et des actions de pla- être capables de répondre à des requêtes et de nification et de contrôle très complexes. Nos concevoir des plans avec des humains de ma- travaux portent sur l’analyse des fondements nière interactive, et ils devront être capables de mathématiques du mouvement. L’objectif est demander des clarifications et des explications d’utiliser simultanément des approches basées lorsqu’ils ne comprennent pas une demande ou sur des modèles, telles que le contrôle prédictif, une action. et des méthodes basées sur des données uti- lisant des techniques d’apprentissage par ren- Cette ambition nécessite la levée de forcement, et d’étudier les liens entre ces deux plusieurs verrous techniques et conceptuels. types d’approches. Parmi les faits marquants, D’abord, il y a le problème de données pour les chercheurs impliqués dans la chaire ANITI l’apprentissage dans ce domaine. En raison des portée par Nicolas MANSARD ont réalisé une difficultés de capture de telles informations, première mondiale cette année : le contrôle pré- nous explorons des méthodes d’apprentissage dictif du corps complet d’un robot humanoïde nécessitant peu de données, combinées à des [5]. Des collaborations ont été initiées égale- techniques d’apprentissage profond dans des ment avec l’institut Max Planck sur ce sujet. architectures hybrides. Ensuite, nous compre- nons encore peu de façon précise comment Un autre sujet développé dans le cadre des les informations non linguistiques durant une chaires portées par Rachid ALAMI et Frédéric conversation s’intègrent aux informations lin- DEHAIS concerne l’étude des capacités cog- guistiques pour transmettre un message au nitives des robots avancés, en particulier, le contenu sémantique plus complet. Nous avons développement et l’apprentissage de facultés besoin donc d’étudier les fondements de ce de perception et de décision. Les applications processus pour mieux concevoir l’apprentissage concernent tout type de robots dans l’industrie de la représentation multimodale. La compré- ainsi que les véhicules autonomes. Les travaux hension de l’interaction de sources d’informa- visent également à modéliser ou apprendre la tion multimodales dans la conversation sera collaboration entre robots et êtres humains cruciale pour améliorer les performances des dans les situations d’actions conjointes, d’ini- robots/cobots et des assistants de conversa- tiatives croisées, de partage de tâches, d’occu- tion qui ont accès à des données visuelles et pation spatiale et autres ([4], [12]). linguistiques. L’état de l’art actuel n’exploite De façon plus générale, la fertilisation croi- pas les informations multimodales ou seule- sée entre les neurosciences et l’intelligence ar- ment de manière très partielle. Ces travaux font tificielle constitue un sujet central dans ANITI. l’objet notamment d’un projet franco-allemand Un premier objectif est d’utiliser des méthodes avec l’université de Potsdam (équipe de Da- d’apprentissage automatique pour résoudre des vid SCHLANGEN) et de collaborations indus- questions fondamentales en neurosciences. En trielles avec LINAGORA et Airbus. particulier, les travaux menés dans le cadre Un troisième défi pour cette ambition est de la chaire de Frédéric DEHAIS portent sur d’améliorer le répertoire et la finesse des mou- la conception d’une technologie neuroadapta- vements de nos cobots. L’intérêt porte sur des tive basée sur des interfaces passives dédiées robots avancés, avec des jambes et des bras, à la mesure de l’activité cérébrale d’utilisateurs devant réaliser des tâches comme la marche, en interaction les uns avec les autres et avec attraper un objet, percer des trous dans un fu- des agents artificiels. Le défi est de développer

Juillet 2021N o 113 11 Figure 1.2 – Interactions homme robot dans le contexte de l’industrie 4.0 une méthode efficace pour traiter des données neurophysiologique du système visuel chez l’hu- physiologiques en ligne qui serait robuste au main incarne une architecture beaucoup plus bruit, au contexte de travail et à l’opérateur robuste mais presque aussi performante que les humain, et qui permettrait de surveiller dans meilleurs systèmes en vision artificielle. Reste à des environnements à risque les états men- comprendre les raisons mathématiques de cette taux pertinents tels que la charge de travail, robustesse. Ces recherches sont menées no- la fatigue, le stress et la détection d’erreurs. tamment par la chaire de Rufin VAN RULLEN Le deuxième objectif concerne le développe- et la chaire de Thomas SERRE en collabora- ment de techniques d’apprentissage par ren- tion avec son équipe de Brown University aux forcement inverse afin de comprendre et d’ap- États-Unis. prendre des processus cérébraux favorisant la dynamique de l’attention, en utilisant des don- Formation nées EEG et d’IRM cérébrales (fMRI). Il s’agit aussi de comparer les représentations apprises Les axes de travail ciblent tous les publics par les réseaux de neurones profonds avec les en intégrant à la fois la formation initiale, en représentations humaines sur les mêmes en- commençant par l’école primaire et secondaire sembles de données, à la fois pour la vision et afin de sensibiliser les élèves dès leur jeune le langage. La comparaison nous aidera à com- age à l’IA, et aussi la formation continue. Lors prendre le fonctionnement du cerveau, mais des dix-huit derniers mois, nous avons travaillé peut également nous indiquer quels modèles de sur le renforcement de la formation à l’IA sur réseaux neuronaux sont plus (ou moins) com- le site toulousain, dans une démarche de co- patibles avec les représentations humaines, et construction, impliquant tous les acteurs aca- éventuellement concevoir de nouvelles façons démiques du site (écoles et universités). Cela d’améliorer cette compatibilité. En particulier, s’est traduit par l’évolution de la cartographie nous avons démontré dans une publication pré- de l’offre de formation par l’introduction de sentée à NeurIPS-2020 [10] que la structure modules d’IA, l’augmentation du nombre de

Juillet 2021N o 113 12 groupes dans des formations existantes, et par Un accent particulier a également été mis la création de 9 nouvelles formations : 1 mas- sur la formation tout au long de la vie. Une ter, 6 parcours ingénieurs et 2 mastères spé- des actions concrètes a été de mettre en valeur cialisés. De fait, à la rentrée 2020, le nombre l’offre de formation existante chez nos parte- d’étudiants inscrits dans une formation IA cœur naires académiques via la constitution d’un ca- ou intégration a dépassé les 1650 alors qu’il talogue homogène, ainsi que la création d’une était de 870 à la rentrée 2018. L’objectif initial formation spécifique « comprendre les enjeux de doublement des effectifs à l’horizon 2024 est et les mécanismes de l’intelligence artificielle » donc presque atteint en 2021 sur le périmètre sur deux jours, à la demande de nos partenaires cœur et intégration. Les chiffres sur les étu- industriels. Nous avons également constitué un diants formés à l’IA vont encore évoluer en rai- groupe de travail au sein de notre club des par- son de l’ouverture en septembre 2021 et 2022 tenaires industriels afin de rationaliser leur ex- de plusieurs formations correspondant aux nou- pression de besoin. velles accréditations : 1 master phare ANITI Enfin, nous avons entrepris de nombreuses (Interaction des Mathématiques et de l’Infor- actions sur l’IA auprès du grand public et pour matique pour l’IA), 7 parcours de master dont sensibiliser à l’IA les jeunes, et surtout les filles, 5 créations, quasiment tous co-accrédités par dès l’école primaire et le secondaire. Au tra- plusieurs établissements. A noter que 2 mas- vers du prisme de la mixité, une convention a ters et 1 mastère spécialisé sont entièrement été initiée avec le Rectorat de Toulouse afin en alternance et que la quasi-totalité des autres d’intervenir dans les écoles, collèges et lycées masters et ingénieurs accueillent des alternants mais aussi auprès du corps enseignant pour les (apprentissage ou contrat pro). Notons égale- sensibiliser aux enjeux de l’IA, déconstruire les ment qu’ANITI en collaboration avec l’Univer- stéréotypes et susciter des vocations. Parmi les sité Fédérale de Toulouse organise en juin 2021 actions déjà engagées : la création d’un escape un forum de l’alternance dédié à l’IA. game pédagogique de sensibilisation à l’IA pour Afin d’améliorer la visibilité et l’attracti- les lycéens et une initiation à la robotique pour vité des formations en IA pour les étudiants, les écoles élémentaires. Un réseau d’ambassa- cette co-construction s’est traduite également drices et d’ambassadeurs « Mixité en IA » issus par une labellisation de modules de cours et des entreprises partenaires d’ANITI a aussi été de parcours de formation, selon une démarche lancé en février 2021 et servira de relais et force et une charte établies par ANITI. A ce jour, de propositions pour des actions collectives vi- lors de la première vague de labellisation, plus sant à inciter les filles de tous âges à travailler d’un tiers des formations à l’IA ont fait l’ob- dans les domaines de l’IA et à contribuer à la jet d’une labellisation (20 parcours complets et diversité du genre dans ces domaines. 23 parcours comportant des modules labellisés, pour un total de près de 280 modules labelli- Contribution au développement écono- sés). D’autres vagues de labellisation sont déjà mique programmées pour cette année, et ce proces- Une des missions importantes d’ANITI est sus se poursuivra ensuite au gré des demandes d’impulser une dynamique permettant de pro- et de l’évolution des offres de formation. mouvoir les résultats issus des projets de re- Nous avons aussi déployé en 2020 un dispo- cherche et d’étudier les opportunités de valori- sitif de bourses pour les masters, en vue d’atti- sation et d’exploitation de ces résultats. L’am- rer de jeunes talents et notamment les femmes. bition est aussi de favoriser la création de tech-

Juillet 2021N o 113 13 nologies de rupture ouvrant de nouvelles pers- participation à l’animation scientifique d’ANITI pectives économiques pour les partenaires et et au pilotage des programmes intégratifs dans de démultiplier les opportunités de collabora- une logique de coconstruction. La contribution tion avec l’écosystème socio-économique, en de plusieurs partenaires industriels aux thèmes s’appuyant notamment sur le pôle ‘Aerospace de recherche et dans le cadre du projet DEEL Valley’, sur la SATT ‘Toulouse Tech Transfer’ a créé une dynamique inter-entreprises sur dif- et sur les différents acteurs de l’innovation du férents sujets tels que le langage, la détection site toulousain. d’anomalies, et la certification de systèmes IA. L’institut comporte 29 partenaires indus- Le deuxième canal consiste en la montée en triels directs, membres d’ANITI et 10 autres compétence en IA au sein des entreprises qui au travers des participations à des projets eu- fait l’objet du volet Formation de l’institut. ropéens. OEM, systémiers, équipementiers, en- Concernant les actions visant la création treprises de services numériques, opérateurs de et l’accompagnement de startups, 3 projets de services, éditeurs logiciels, cabinets de conseils start-up ont été identifiés à ce stade. Nous et centres de recherche privés composent une avons aussi souhaité créer un lien fort avec palette très variée, complémentaire de celle des le tissu économique local et en particulier les partenaires académiques. Combinée à celle des PMEs et start-ups via des interventions auprès secteurs – aéronautique, transport terrestre, des organismes et clusters numériques locaux, spatial, banque et environnement – et des types en participant à de nombreux salons et confé- d’entreprise (startups jusqu’à grands groupes), rences, ou en organisant une journée dédiée aux cette diversité favorise d’une part la richesse PMEs pour les connecter à ANITI et à nos par- des cas d’usage pour la recherche et d’autre tenaires. part la multiplicité des canaux de transfert des connaissances produites, dans le tissu écono- Références mique. Les retombées actuelles citées par nos [1] Jerome Bolte and Edouard Pauwels. A partenaires consistent essentiellement en leur mathematical model for automatic dif- montée en compétence grâce à leur implica- ferentiation in machine learning. In tion dans les chaires. Les travaux notamment Proceedings of the 34th Conference on dans le projet DEEL ([7]) fournissent aussi dès Neural Information Processing Systems à présent des éléments importants pour les dis- (NeurIPS-2020), 2020. cussions dans les travaux normatifs sur la certi- [2] Celine Brouard, Simon de Givry, and Tho- fication de systèmes critiques intégrant des al- mas Schiex. Pushing data into cp mo- gorithmes d’IA (Eurocae WG114). Les retom- dels using graphical model learning and bées attendues à plus long terme viendront no- solving. In International Conference on tamment de l’intégration à l’horizon 2023-2025 Principles and Practice of Constraint Pro- de briques technologiques dans leurs produits gramming, 2020. ou processus leur permettant d’améliorer leur compétitivité. [3] Céline Castets-Renard. Ai and the law in the eu and the us. In The mathematics of Rappelons que le premier canal d’impact generalization. Toronto : LexisNexis Ca- économique consiste en la participation effec- nada, 2021. tive des entreprises aux programmes de Re- cherche, sous la forme de thèses CIFRE ou de [4] Aurélie Clodic and Rachid Alami. What is Mises à Disposition (24 à fin 2020), et à leur it to implement a human-robot joint ac-

Juillet 2021N o 113 14 tion ? Robotics, AI, and Humanity, pages relating “why ?” and “why not ?” expla- 229–238, 2021. nations. In Proceedings of AI*IA 2020, [5] Ewen Dantec, Rohan Budhiraja, Adria 2020. Roig, Teguh Lembono, Guilhem Saurel, [9] Alexey Ignatiev, Nina Narodytska, and Olivier Stasse, Pierre Fernbach, Steve Joao Marques-Silva. On relating ex- Tonneau, Sethu Vijayakumar, Sylvain Ca- planations and adversarial examples. In linon, Michel Taïx, and Nicolas Mansard. Advances in Neural Information Proces- Whole body model predictive control with sing Systems 32 : Annual Conference on a memory of motion : Experiments on a Neural Information Process-ing Systems torque-controlled talos. In 2021 IEEE In- 2019, NeurIPS 2019, page 15857–15867, ternational Conference on Robotics and 2019. Automation - ICRA, 2021. [6] Eustasio del Barrio, Fabrice Gamboa, [10] D. Linsley, A. K. Ashok, L. N. Govin- Paula Gordaliza, and Jean-Michel Loubes. darajan, R. Liu, and T. Serre. Stable Obtaining fairness using optimal transport and expressive recurrent vision models. In theory. In Proceedings of the International Proceedings of the 34th Conference on Conference on Machine Learning, 2019. Neural Information Processing Systems [7] Hervé Delseny, Christophe Gabreau, (NeurIPS-2020), 2020. Adrien Gauffriau, Bernard Beaudouin, [11] Joao Marques-Silva, Thomas Gerspacher, Ludovic Ponsolle, Lucian Alecu, Hugues Martin Cooper, Alexey Ignatiev, and Nina Bonnin, Brice Beltran, Didier Duchel, Narodytska. Explaining naive bayes and Jean-Brice Ginestet, Alexandre Hervieu, other linear classifiers with polynomial Ghilaine Martinez, Sylvain Pasquet, time and delay. In Proceedings of the 34th Kevin Delmas, Claire Pagetti, Jean- Conference on Neural Information Pro- Marc Gabriel, Camille Chapdelaine, cessing Systems (NeurIPS-2020), 2020. Sylvaine Picard, Mathieu Damour, Cyril Cappi, Laurent Gardès, Florence De [12] Caroline Ponzoni, Carvalho Chanel, Ra- Grancey, Eric Jenn, Baptiste Lefevre, phaëlle N. Roy, Frédéric Dehais, and Ni- Gregory Flandin, Sébastien Gerchino- colas Drougard. Mixed-initiative human- vitz, Franck Mamalet, and Alexandre automated agents teaming : Towards a Albore. Deel project white paper on flexible cooperation framework. In Pro- machine learning in certified systems. ceedings of the 22nd International Confe- https ://arxiv.org/abs/2103.10529. rence on Human-Computer Interaction - [8] Alexey Ignatiev, Nina Narodytska, Nicho- HCI INTERNATIONAL, pages 117–133, las Asher, and Joao Marques-Silva. On 2020.

Juillet 2021N o 113 15 Institut 3IA Côte d’Azur

Charles BOUVEYRON Directeur [email protected] Nicholas AYACHE Directeur scientifique Institut 3IA Côte d’Azur [email protected] https:// 3ia.univ-cotedazur.eu Serena VILLATA Directrice scientifique adjointe [email protected] Diana SEBBAR Directrice exécutive [email protected]

Présentation générale de l’institut CHU de Nice, l’INRAE, les collectivités locales et plus de 60 entreprises et start-ups. L’ins- Le 3IA Côte d’Azur est l’un des 4 Insti- titut dispose d’un budget total de 50 millions tuts Interdisciplinaires d’Intelligence Artificielle d’euros (dont 16 du PIA, 34 d’apports des éta- labellisés en 2019 par le Ministère de I’Ensei- blissements partenaires et 16 millions attendus gnement Supérieur, de la Recherche et de I’ln- de la part des entreprises partenaires). novation suite à sa sélection par un jury in- ternational en réponse à un appel à projet de l’Agence Nationale de Recherche. Recherche. L’institut 3IA Côte d’Azur est Les Instituts 3IA s’intègrent dans le dis- dédié aux applications de l’IA en matière de positif national des universités et des orga- santé, de biologie numérique et de territoires nismes de recherche, et dans le programme na- intelligents. Il réunit actuellement 35 chaires tional de recherche en IA dont la coordination réparties sur 4 axes scientifiques stratégiques : a été confiée à Inria. Chaque Institut doit ser- l’intelligence artificielle fondamentale, l’IA au vir de plateforme vis-à-vis des écosystèmes ré- service de la médecine numérique, l’IA pour la gionaux recherche/formation/innovation actifs biologie computationnelle et l’IA bio-inspirée et en IA qui bénéficieront des différentes mesures l’IA pour des territoires intelligents et sécuri- du programme national (renforcement des ap- sés. L’institut a démarré son fonctionnement pels à projets, soutien des e-infrastructures, en septembre 2019 sur la base des 27 chaires programmes d’attractivité chercheurs et doc- 3IA sélectionnées ab initio par le jury interna- torants . . .). tional, ainsi que 3 chaires internationales. Au Le 3IA est coordonné par Université Côte printemps 2020, afin de renforcer les axes 3 d’Azur aux côtés de partenaires issus de l’ensei- « Biologie computationnelle » et 4 « Smart ter- gnement supérieur et de la recherche : CNRS, ritories », nous avons organisé un jury de sé- Inria, Inserm, Eurecom. lection pour attribuer 6 nouvelles chaires à des Le projet est également soutenu par chercheurs dans l’environnement de l’institut. SKEMA Business School, Mines ParisTech, le Enfin, 3 chaires affiliées ont été également at-

Juillet 2021N o 113 16 tribuées en 2020 à des chercheurs d’entreprises buent à la dynamique du 3IA Côte d’Azur. A partenaires. ce jour, 5 formations et ‘summer schools’ sont labellisées. Le label a également été attribué à Recrutement doctorants et post-docto- 5 évènements centrés sur l’IA tels que : ‘So- rants, chercheurs invités. L’action des por- phI.A Summit’, ‘ClusterIA meet-ups’, ‘ICAIR teurs de chaires a été, comme prévu, fortement working sessions’, ‘Smart Vehicle Côte d’Azur soutenue par l’institut au travers du recrute- “Get Together”’ et ‘Data & IA community of ment de doctorants et post-doctorants. Pour Telecom Valley REX Lunches’. ce faire, le conseil scientifique du 3IA orga- nise 3 appels à candidatures par an pour ces Formation. 3IA Côte d’Azur propose de recrutements. Ainsi, 27 doctorants et 7 post- nombreux programmes de formation, avec l’ob- doctorants ont été recrutés à ce jour. Il faut jectif d’augmenter le nombre d’étudiants et de souligner que 5 doctorants ont été recrutés professionnels ayant des compétences en IA et “hors-chaires” et seront donc encadrés par des de faire en sorte qu’ils soient en mesure de ré- chercheurs ou chercheuses qui ne sont pas titu- pondre aux demandes des entreprises de de- laires d’une chaire 3IA. Il s’agit là d’une action main. La plupart des programmes ont des pré- forte permettant de ne pas limiter les actions de requis spécifiques, mais plusieurs niveaux de l’institut aux seules chaires. D’autre part, l’ins- cours et des qualifications transversales sont titut développe un programme de chercheurs proposés. D’une part, le 3IA développe la for- invités pour renforcer les interactions avec l’in- mation initiale en IA en intégrant des mo- ternational. dules d’IA au sein des programmes existants, mais également en créant de nouveaux cours. Prix, distinctions et projets européens. D’autre part, l’institut propose une formation L’excellence scientifique des porteurs de chaires continue en IA. Celle-ci se fait au travers d’ac- du 3IA Côte d’Azur a notamment été recon- tions événementielles destinées aux partenaires nue par les prix et distinctions suivants : Prix entreprises (‘Deep Learning School’ et ‘SophIA Pierre Faure de l’Académie des Sciences pour Summit’ notamment). En plus de ces évène- P. REYNAUD-BOURET, ‘International Steven ments, il est possible de suivre une formation Hoogendijk Award 2020’ pour N AYACHE, Prix modulaire. De nouveaux modules sont en cours Joseph Doobs 2020 de l’‘American Mathemati- de développement pour répondre aux besoins cal Association’ pour F. DELARUE, le trophée des entreprises partenaires, des acteurs éco- 2019 de recherche fondamentale du Pôle de nomiques, des collectivités territoriales, mais Compétitivité SCS pour B. MIRAMOND, un aussi du CHU. ‘best paper award’ au workshop CVPR 2020 EarthVision pour P. ALLIEZ. Relations entreprises. En lien avec l’objec- tif de développement économique national du Label 3IA Côte d’Azur. Dans la région de PIA, le développement de partenariats avec la Côte d’Azur, il a semblé essentiel de souli- l’environnement socio-économique, et avec les gner toutes les initiatives dans le domaine de entreprises innovantes concernées par l’IA en l’IA issus du projet 3IA. L’institut a alors mis particulier constitue un des objectifs phares du en place le label 3IA Côte d’Azur. Celui-ci vise 3IA Côte d’Azur. à mettre en avant des événements, des forma- Au démarrage du projet 3IA Côte d’Azur, tions ou des projets au sens large qui contri- 62 entreprises ont soutenu la dynamique 3IA

Juillet 2021N o 113 17 Côte d’Azur en s’engageant à mener des pro- modèles et des algorithmes fondamentaux d’IA jets collaboratifs de Recherche et Développe- pour des problèmes du monde réel. Dans ce ment avec l’institut pour un montant total de cadre, nous trouvons notamment l’apprentis- 18,7 M d’Euros. Une « Cellule Entreprises », sage automatique qui se décline dans l’ap- qui est le point d’entrée pour répondre aux sol- prentissage statistique et l’apprentissage pro- licitations et questions des entreprises, a vu le fond. Différentes modèles d’apprentissage su- jour en fin d’année 2019. pervisé et non supervisé ont été proposés par Persuadé que la création de start-up peut les chaires 3IA Côte d’Azur notamment pour être dans certains cas le meilleur vecteur d’in- apprendre à partir de données hétérogènes, novation et de création de richesse écono- pour l’analyse topologique des données et pour mique, le 3IA Côte d’Azur apporte un soutien le traitement automatique du langage naturel. et un accompagnement particuliers aux por- La représentation de la connaissance et le teurs de projets de création de start-ups, qu’ils raisonnement trouvent aussi leur place dans soient issus des recherches du 3IA ou d’ailleurs cet axe, avec des approches visant à combiner au sein de l’écosystème. Cela se traduit par l’in- l’apprentissage automatique avec les méthodes tégration des dispositifs ‘INRIA Start-up Stu- symboliques, la représentation et le traitement dio’ et ‘CNRS Rise’ au soutien apporté par le des connaissances sur le Web, des méthodes 3IA Côte d’Azur aux projets de start-ups et des permettant de relier entre elles les données actions en lien avec l’AAP ‘DeepTech Start- non structurées, structurées et sémantiques, ups’ de l’IDEX UCAjedi avec la possibilité d’y et enfin le raisonnement sur les réseaux dyna- adjoindre l’ingénierie collaborative du 3IA Côte miques hétérogènes complexes. Une partie im- d’Azur. portante de l’Axe 1 est dédiée à l’IA basée sur les contraintes, où des techniques d’IA distri- Focus scientifique sur les quatre axes buée et fédérée ont été proposées ainsi que des Le programme scientifique du 3IA Côte méthodes formelles pour le raisonnement sous d’Azur se base sur l’idée d’une IA opérant dans incertitude, notamment pour la prise de déci- le monde réel notamment avec des applica- sion en temps réel. Une attention particulière tions pour la santé (médecine et biologie) et est dédiée aux approches destinées à traiter les les territoires intelligents. Le programme scien- ‘small data’ reposant sur l’apprentissage actif tifique est constitué de 4 axes principaux de et les méthodes approximatives. Enfin, la pro- recherche : blématique actuelle et cruciale de développer - Éléments fondamentaux de l’IA. des méthodes d’AI qui soient interprétables, ex- - L’IA pour la médecine numérique. plicables et fiables est d’une importance fonda- - L’IA pour la biologie numérique et IA bio- mentale dans ce contexte. Les défis de l’éthique inspirée. de l’IA font aussi partie des thématiques de re- - L’IA pour les territoires intelligents et sécu- cherche poursuivies dans cet axe. risés. Nous détaillons dans la suite les éléments Axe 2 : IA pour la médecine numérique. principaux qui caractérisent les quatre axes de L’objectif de cet axe est de proposer des recherche. modèles et des algorithmes d’IA pour le pa- tient et la médecine numérique basés sur des Axe 1 : Éléments fondamentaux de l’IA. connaissances statistiques, géométriques, bio- L’objectif de cet axe est de développer des physiques et sémantiques de l’anatomie, de

Juillet 2021N o 113 18 la physiologie et du métabolisme. Les princi- bolique, génétique, signalisation) pour révéler paux problèmes d’IA dans le cadre de la mé- les voies moléculaires, la microscopie 3D+t à decine numérique sont la résolution de pro- super-résolution et multispectrale pour révéler blèmes inverses de grande taille, la présence la complexité des processus biologiques et leur de données hétérogènes, l’analyse des don- dynamique. L’un des sujets de cet axe est aussi nées topologiques et géométriques et la gé- la modélisation de l’activité cérébrale. Plus pré- nération de résultats explicables et traçables. cisément, il s’agit de trouver de nouveaux mo- Pour cela, on peut s’appuyer d’une part sur dèles de l’activité neuronale et/ou compor- une approche hybride entre l’IA et la simu- tementale enregistrée au cours d’expériences lation biophysique afin d’apprendre les para- in vivo, en particulier lors de l’apprentissage de mètres biophysiques pour le diagnostic quanti- tâches cognitives complexes. Réciproquement, tatif et de prévoir l’évolution de pathologies et il s’agit de s’inspirer des connaissances acquises l’effet de thérapies grâce au jumeau numérique. en neurosciences, et des modèles d’intelligence D’autre part, les approches d’IA basées sur naturelle validés expérimentalement, pour four- les données permettent de prendre en compte nir de nouvelles approches neuromorphiques et les biomarqueurs d’imagerie et omiques (gé- biomimétiques en intelligence artificielle. nétique, transcriptomique, protéomique, méta- bolomique) ainsi que les données cliniques, le mode de vie et le comportement pour la sélec- Axe 4 : L’IA pour des territoires intelli- tion des patients a étudier. gents et sécurisés. L’IA pour des territoires Cet axe aborde également la question de intelligents et sécurisés. L’objectif de l’IA doit la gestion des données médicales, telle que les être, parmi d’autres, de fournir des ressources solutions proposées dans le cadre du ‘Health et des services personnalisés à un large éven- Data Hub’, de l’EDS APHP et du ‘Medical tail d’acteurs actifs sur des territoires multi- Data Lab’ (Idex UCA), qui interrogent des pro- échelles. Par exemple, les systèmes de distribu- blématiques liées à l’interopérabilité et à la sé- tion d’énergie, la mobilité multimodale et par- curité de ces bases de données et au respect tagée, les véhicules autonomes connectés, les de la vie privée. robots collaboratifs dans des environnements ouverts et peuplés, le contrôle de la pollution globale requièrent le développement de mo- Axe 3 : IA pour la biologie numérique et dèles et d’algorithmes visant à améliorer les IA bio-inspirée. L’objectif de cet axe est de activités quotidiennes des acteurs qui agissent concevoir des modèles et des algorithmes d’IA dans ces différents cadres. Plus concrètement, pour l’analyse de données biologiques et la des- les objectifs de l’axe 4 se focalisent sur la mo- cription de processus biologiques complexes, délisation urbaine spatio-temporelle (4D), la ainsi que proposer des processus informatiques prédiction et l’exploitation des comportements innovants, inspirés des processus biologiques et des préférences des utilisateurs, la gestion cérébraux. du trafic routier et l’anticipation et la gestion Cet axe explore différents sujets en bio- d’éventuelles catastrophes. Un autre aspect sur logie computationnelle tels que l’exploitation lequel le 3IA Côte d’Azur se focalise est la sé- des espaces conformationnels de grande di- curisation des processus impliquant des algo- mension pour révéler des affinités moléculaires, rithmes d’IA. Notamment, il s’agit de question- la combinaison des atlas de cellules uniques ner le respect de la loi, le respect de la vie pri- et les réseaux d’interaction (protéine, méta- vée, la résilience, la confiance, l’acceptabilité,

Juillet 2021N o 113 19 Figure 1.3 – Caractéristiques du projet « Human Lung Cell Atlas » de la chaire 3IA Côte d’Azur. et la transparence de ces algorithmes. las complet des 10.000 milliards de cellules qui Enfin, les chaires associées à cet axe étu- composent un corps humain, et de construire dient l’optimisation locale et globale des sys- une ressource librement accessible à tous. Si tèmes de systèmes, avec des utilisateurs actifs, l’objectif principal du HCA porte sur la des- en prenant en compte la diversité, l’hétérogé- cription de l’individu sain, le nouveau cadre néité, l’incertitude, la dynamique, et les éven- conceptuel qui résulte permettra aussi de mieux tuelles préférences des acteurs. Cela interroge appréhender le déclenchement des pathologies aussi des défis fondamentaux de l’IA tels que humaines. L’enjeu plus spécifique de la chaire l’apprentissage avec des données hétérogènes « Human Lung Cell Atlas » du 3IA Côte d’Azur et lacunaires, des objectifs à préférences et porte sur la construction d’un atlas du système contraintes multiples, l’apprentissage en temps respiratoire (Figure 1.3). réel, et la réglementation de l’IA. Nos premières études ont identifié des di- Nous proposons pour conclure un focus zaines de types cellulaires différents dans les scientifique sur quelques chaires concernant voies aériennes [5]. La proportion des diffé- l’IA pour la santé numérique. rentes cellules et leurs propriétés intrinsèques varient en fonction de la région du poumon Focus sur la Chaire de Pasca BARBY étudiée, et de l’état physiologique de l’orga- (CNRS) : construction de l’atlas de nisme (âge, situation pathologique). Des biop- toutes les cellules humaines sies peuvent être prélevées à des points précis du poumon, en utilisant un référentiel de co- Le consortium international ‘Human Cell ordonnées communes, lors d’examens cliniques Atlas’ (HCA) a pour objectif de réaliser l’at- appelés bronchoscopies. C’est à partir de ces

Juillet 2021N o 113 20 biopsies que nous avons établi notre première L’analyse vidéo est un sujet de recherche, cartographie. Le groupe “poumon” du HCA qui profite des énormes progrès réalisés dans cherche maintenant à établir un atlas du pou- l’apprentissage profond, en particulier pour mon complet. Les outils d’apprentissage auto- l’étude du comportement humain. Cependant, matique fournissent déjà des informations sur il reste difficile pour un système automatisé de cet écosystème cellulaire. Une illustration ré- faire face 24/7 à la complexité du monde réel. cente a été fournie avec la découverte dans Un autre défi consiste à extraire les gestes fins les voies aériennes des cellules réceptrices du des personnes et leurs expressions faciales pour SARS-CoV2, le virus du COVID-19, qui ex- mieux analyser les troubles légers du comporte- priment à leur surface la protéine ACE2, le ré- ment, tels que ceux liés à l’anxiété ou l’apathie. cepteur du virus. La mise en commun des tra- vaux de l’ensemble de la communauté ‘HCA Nous avons ainsi conçu et testé des mo- Lung Biological Network’ a permis cette iden- dèles d’architecture de réseaux neuronaux sur tification 4 mois seulement après la découverte plusieurs ensembles de données avec diffé- initiale du virus [6]. rentes modalités pour identifier des émotions, L’intégration des données produites dans telles que le stress, l’anxiété, la joie. L’ap- une ressource libre et partagée va consti- proche consiste à combiner des entrées mul- tuer une ressource inestimable pour mieux timodales, en comparant diverses stratégies comprendre le fonctionnement de notre orga- telles que l’apprentissage multi-tâches, le fo- nisme, appréhender certaines situations patho- cus d’attention, l’élicitation des connaissances logiques, et identifier de nouvelles cibles thé- (infusion) à l’aide du paradigme étudiant- rapeutiques. L’Atlas des cellules pulmonaires enseignant, l’apprentissage contrastif et le co- humaines constitue une communauté ouverte apprentissage [4]. Plusieurs niveaux de supervi- et inclusive, à laquelle tous les spécialistes des sion à l’aide d’une vérité terrain plus ou moins nombreuses disciplines allant de la biologie fon- complète (par exemple, induisant une super- damentale à l’informatique sont invités à par- vision faible) sont utilisés pour entraîner ces ticiper [8]. modèles. Les progrès réalisés avec ces algo- rithmes ont déjà permis de reconnaître des ac- Focus sur la Chaire de François BRE- tivités complexes, comme la préparation d’un MOND (Inria) : analyse vidéo pour la repas en utilisant plusieurs ustensiles (cf. fi- compréhension du comportement hu- gure 1.4), et à partir de cette analyse de diffé- rencier les personnes en bonne santé de celles main souffrant de troubles cognitifs. Ces algorithmes L’objectif de cette chaire est la compréhen- permettent un diagnostic plus objectif et plus sion du comportement humain grâce à l’analyse précoce, en quantifiant le niveau des troubles vidéo. L’analyse vidéo permet de mesurer ob- et en surveillant l’évolution de ces troubles. jectivement le comportement des personnes en Ces techniques d’IA peuvent également ap- reconnaissant leurs activités quotidiennes, leurs prendre les relations entre les symptômes et émotions et leur mode de vie. Le comporte- leurs véritables causes, qui sont souvent diffi- ment humain peut être modélisé en apprenant ciles à identifier et à mesurer. Les troubles du à partir d’un grand nombre de données pro- comportement affectent la santé mentale d’un venant de divers capteurs, afin d’améliorer et nombre croissant de personnes et sont difficiles optimiser par exemple la qualité de vie des per- à gérer, ce qui entraîne un coût élevé dans sonnes souffrant de troubles du comportement. notre société moderne. Ces nouvelles tech-

Juillet 2021N o 113 21 1:21 1:25 1:26 1:29 1:31 1:34 1:35 1:38 1:41 1:43 1:45 Cook Cut vegetable Dump in trash Use drawer Get water Set stove Cut vegetable

Put sth. on table Put sth. on table Take sth. off table

Walk Walk Walk Walk Walk

Figure 1.4 – Exemple d’activités complexes de la base vidéo SmartHome.

Figure 1.5 – Caractéristiques du workflow métabolomique.

Juillet 2021N o 113 22 niques peuvent alors aider à améliorer la qualité sai) vise à comparer deux approches pour ex- de vie de ces personnes en leur permettant de ploiter au mieux le potentiel de l’imagerie médi- continuer à évoluer dans leur lieu de vie. cale : 1) la radiomique, reposant sur la conver- sion de l’image en plusieurs dizaines d’index Focus sur la Chaire de Olivier HUM- quantitatifs de signification connue ; et 2) le BERT (Université Côte d’Azur) : pro- Deep Learning (CNN) pour une analyse plus filage complet omique pour la médecine “en profondeur” des images. Puis, nous déve- de précision en oncologie lopperons une approche “holistique” intégrant des Big Data de métabolomique afin d’appré- Ce projet vise à répondre à un enjeu ma- hender la pathologie cancéreuse dans toute sa jeur de l’oncologie moderne : anticiper, pour un complexité et d’améliorer la prédiction de la ré- patient donné, l’efficacité des nouveaux traite- ponse tumorale par les algorithmes de ‘Machine ments par immunothérapies dans le cancer du Learning’. poumon (cf. figure 1.5). Ces traitements inno- vants ont un mécanisme d’action totalement différent des chimiothérapies classiques : ils ne ciblent plus les cellules cancéreuses, mais leur environnement, afin de réactiver les capacités L’accès aux données médicales est actuelle- immunitaires propres du patient et, in fine, dé- ment un des principaux verrous des projets d’IA truire la tumeur. Si l’efficacité de l’immunothé- en médecine. L’externalisation et la mise à dis- rapie est spectaculaire pour 40% des patients, position de ces données sensibles dans des en- l’effet thérapeutique est modeste, voire parfois trepôts centralisés est un processus fastidieux délétère, pour les 60% de patients restants. En et complexe sur le plan règlementaire. Afin de l’absence de biomarqueur prédictif permettant lever ce verrou, nous initions un projet de Fe- d’anticiper l’efficacité du traitement, il n’y a derated Learning : les données médicales n’ont actuellement pas de pré-sélection possible des plus besoin d’être “sorties” des hôpitaux, seuls patients répondeurs, loin de l’ambition affichée les paramètres de l’algorithme entrainé locale- d’une médecine personnalisée. ment sont transférés à un serveur centralisé, Pour aboutir au graal d’une médecine de afin de garantir la sécurité et la confidentia- précision, adaptée aux particularités cliniques lité des données médicales. Une collaboration et biologiques propres à chaque patient, nous ambitieuse a été initiée sur ce sujet entre la fé- avons recours à l’extraction et l’analyse de don- dération hospitalière UNICANCER et l’INRIA nées médicales de haute dimension dites “omi- (équipe Epione). ques”, issues à la fois de la biologie (métabo- lomique) mais également de l’image médicale numérique. Bien que l’imagerie TEP « corps entier » soit une source considérable d’infor- mations morphologiques et biologiques, pesant plusieurs centaines de mégaoctets par examen, nous, médecins, la réduisons à l’interprétation d’une dizaine de données quantitatives et qua- litatives. Notre projet, issu d’une collaboration entre le CEA (Equipe Tiro) et l’INRIA (équipe Maa-

Juillet 2021N o 113 23 Focus sur la Chaire de Marco LORENZI L’optimisation fédérée permet l’apprentissage (Inria) : interprétabilité et sécurité de statistique dans le cas ou la confidentialité l’apprentissage statistique dans le do- des donnés interdit leur partage, comme par maine de la santé exemple entre hôpitaux. La sécurité et la sta- bilité de l’entrainement fédéré sont pourtant prioritaires. Nous nous focalisons dans la re- cherche de stratégie de sécurisation et d’at- taques pendant l’optimisation [7]. Pour mieux prendre en compte la variabilité des données entre différents hôpitaux, nous étudions aussi de nouveaux cadres Bayésiens de l’apprentis- sage fédéré [2].

Focus sur la Chaire de Maxime SERME- SANT (Inria - UCA) : intelligence arti- ficielle et modèles biophysiques pour la cardiologie numérique

Figure 1.6 – Apprentissage statistique fédéré Malgré les résultats impressionnants de pour l’analyse de données biomédicales l’IA, elle manque souvent de robustesse et hétérogènes et en grandes dimensions. d’explicabilité. Ceci est crucial dans les soins de santé, où les erreurs peuvent être drama- Ce projet scientifique s’inscrit dans la re- tiques et les décisions doivent être interpré- cherche en IA fondamentale, et cible les appli- tées. L’une des difficulté est la variabilité des cations en santé pour améliorer les procédures données cliniques qui rend la robustesse diffi- courantes d’analyse des données biomédicales cile sans connaissances préalables. De plus, les (voir Figure 1.6). applications en santé nécessitent une explica- Le focus du projet porte sur les deux axes bilité afin de mieux comprendre la logique de la de recherche suivants. décision et ses limites. Pour répondre à ces défis, je propose dans cette chaire d’introduire des a priori physiolo- 1) Apprentissage avec données hétérogènes giques en IA par le biais de la modélisation bio- et en grandes dimensions. Nous nous fo- physique. Des progrès importants ont été réa- calisons sur l’interprétabilité de l’apprentis- lisés dans la modélisation biophysique du corps sage statistique dans les applications biomé- humain. Ces modèles constituent un cadre ma- dicales. Nous contribuons aux domaines de la thématique bien posé pour introduire la phy- réduction de dimensionalité et de l’intégra- siologie dans l’analyse prédictive des données tion des données en grandes dimensions [9, 1], cliniques. De plus, ils fournissent un cadre mé- ainsi qu’à l’étude de cadres théoriques pour caniste naturel pour interpréter les résultats. l’apprentissage automatique des systèmes dy- Cependant, il y a souvent un coût de calcul im- namiques sous-jacents aux données [10]. portant, encore plus lorsque la quantification de l’incertitude doit être effectuée. Et il est par- 2) Apprentissage statistique fédéré pour fois difficile de contourner les approximations l’analyse de données multi-centriques. des modèles.

Juillet 2021N o 113 24 L’objectif de cette chaire est donc d’in- Ces recherches nécessitent une formation tégrer l’intelligence artificielle et les modèles à la fois théorique et pratique à l’interface biophysiques afin de tirer parti des avantages des mathématiques appliquées (systèmes dy- des deux approches. Par exemple, les réseaux namiques) et de l’informatique (apprentissage de neurones peuvent apprendre la dynamique automatique). Ceci nécessite également une spatio-temporelle à partir de modèles biophy- bonne compréhension des données de santé siques afin d’intégrer des a priori physiologique- complexes, qui peuvent être apprises grâce aux ment plausibles, puis s’entraîner sur des don- interactions avec les cliniciens et les entre- nées réelles pour corriger les erreurs de modèle. prises. Les formations généralistes françaises En outre, des problèmes inverses complexes fournissent de bonnes bases pour s’attaquer à et mal posés pour les modèles biophysiques ces défis. peuvent être formulés avec l’apprentissage au- tomatique pour une régularisation basée sur les Focus sur la Chaire de Serena VILLATA données. Ceci peut permettre d’obtenir des ré- (CNRS) : détection et génération d’ar- sultats meilleurs et plus rapides, donc compa- guments en langage naturel dans le do- tibles avec les applications cliniques. Ceci peut maine de la santé aussi conduire à des avancées importantes dans l’IA en santé en termes de précision et d’expli- Le domaine de l’argumentation artificielle cabilité des résultats. joue un rôle important dans la recherche en Il est essentiel dans un tel projet interdisci- intelligence artificielle [12]. Les machines in- plinaire d’avoir des partenaires cliniques et in- telligentes basées sur l’argumentation reposent dustriels afin d’avoir un impact. Ce projet est sur l’utilisation de technologies d’argumenta- réalisé en collaboration avec des cardiologues tion pour améliorer leur interactions avec les et des radiologues pour accéder aux bases de humains dans les tâches de la vie quotidienne. données cliniques et pour améliorer le diagnos- Cette chaire s’attaque à deux objectifs prin- tic, la thérapie et le pronostic des pathologies cipaux. D’une part, l’objectif est de permettre cardiaques. Des collaborations existent avec le aux machines de fournir des explications inter- CHU de Nice, l’IHU Liryc de Bordeaux, et avec actives basées sur la génération d’arguments les sociétés inHEART, ExactCure et ‘General en langage naturel à propos du résultat du pro- Electric Healthcare’. cessus décisionnel de la machine (c’est-à-dire pourquoi la machine a délibéré d’une certaine manière) en prenant en compte le retour de l’utilisateur (Figure 1.8). D’autre part, l’objec- tif est aussi de proposer des nouvelles méthodes de Traitement Automatique du Langage Natu- rel (TALN) pour extraire, analyser, résumer et générer des structures argumentatives en lan- gage naturel [3] dans de contextes tels que les essais cliniques, les débats politiques et les do- cuments juridiques. Ces dernières années, le domaine de la e- Figure 1.7 – Caractéristiques du projet « IA et santé a vu un intérêt croissant pour la défini- modèles biophysiques pour la cardiologie tion de systèmes intelligents ayant le but d’ac- numérique ». compagner les cliniciens dans leurs tâches et

Juillet 2021N o 113 25 leurs activités quotidiennes. D’ailleurs, cela in- chines intelligentes capables d’engager des dia- clut de nouveaux systèmes pour le domaine de logues explicatifs en langage naturel dans le la médecine basée sur les preuves. Ce dernier domaine de la santé pour expliquer les predic- repose sur le principe de l’évaluation critique tions de la machine à travers des arguments des preuves médicales et de la combinaison qui peuvent inclure des déclarations analytiques de ces preuves de haute qualité avec l’expé- décrivant les éléments responsables de la pré- rience clinique individuelle du praticien par rap- diction, des exemples spécifiques à l’appui de la port à la situation d’un patient pour obtenir prédiction, et des arguments expliquant le rejet le meilleur résultat possible. Dans le cadre de de sorties alternatives. cette chaire, nous avons récemment proposé un cadre de fouille d’arguments (Argument Mi- Références ning) qui intègre des informations supplémen- taires inspirées par les cadres biomédicaux cou- [1] Luigi Antelmi, Nicholas Ayache, Philippe rants pour l’analyse des essais cliniques. Ces Robert, and Marco Lorenzi. Sparse multi- extensions comprennent la détection des élé- channel variational autoencoder for the ments PICO et un module d’analyse des résul- joint analysis of heterogeneous data. In tats pour identifier et classer les effets (c’est- Int. Conf. on Machine Learning (ICML). à-dire améliorés, augmentés, diminués, pas de PMLR, 2019. différence, pas d’occurrence) d’une interven- [2] Irene Balelli, Santiago Silva, and Marco tion sur le résultat de l’essai [11]. Le système Lorenzi. A probabilistic framework for mo- ACTA a été développé pour démontrer l’uti- deling the variability across federated da- lisation pratique de notre approche basée sur tasets of heterogeneous multi-view obser- les arguments pour analyser les essais cliniques vations. Int. Conf. on Information Proces- (http://ns.inria.fr/acta/). sing in Medical Imaging (IPMI), 2021.

Acute tubular necrosis Argument mining and generation [3] Elena Cabrio and Serena Villata. Five Severe dehydration … for argument-based explanations years of argument mining : a data-driven analysis. In Jérôme Lang, editor, Pro- ceedings of the Twenty-Seventh Interna- FEEDBACK tional Joint Conference on Artificial In- EXPL2 EXPL1 telligence, IJCAI 2018, July 13-19, 2018, For example, in records Common reasons for #176, the patient had the acute kidney failure Stockholm, Sweden same symptoms and … are … , pages 5427–5433. ij- cai.org, 2018. I do not understand the explanation [4] Srijan Das, Saurav Sharma, Rui Dai, Fran- Acute kidney failure cois Bremond, and Monique Thonnat. OUTCOME USER The outcome does Vpn : Learning video-pose embedding for not consider high blood pressure activities of daily living. In European Conference on Computer Vision, 2020. Figure 1.8 – Caractéristiques du projet « Argumentation Artificielle pour les [5] Marie Deprez and Laure-Emmanuelle Za- Humains ». ragosi et coll. A single-cell atlas of the human healthy airways. American journal L’objectif est maintenant, en collaboration of respiratory and critical care medicine, avec le CHU de Nice, de concevoir des ma- 202 :1636–1645, 2020.

Juillet 2021N o 113 26 [6] Waradon Sungnak et coll. Sars-cov-2 en- [10] Marco Lorenzi and Maurizio Filippone. try factors are highly expressed in nasal Constraining the dynamics of deep proba- epithelial cells together with innate im- bilistic models. In Int. Conf. on Machine mune genes. Nature medicine, 26 :681– Learning (ICML). PMLR, 2018. 687, 2020. [11] Tobias Mayer, Elena Cabrio, and Serena [7] Yann Fraboni, Richard Vidal, and Marco Villata. Transformer-based argument mi- Lorenzi. Free-rider attacks on model ning for healthcare applications. In ECAI aggregation in federated learning. Int. 2020 - 24th European Conference on Arti- Conf. on Artificial Intelligence and Statis- ficial Intelligence, volume 325 of Frontiers tics (AISTATS), 2021. in Artificial Intelligence and Applications, [8] https ://www.humancellatlas.org/. web- pages 2108–2115. IOS Press, 2020. site of the human cell atlas. [12] Serena Villata. Artificial argumentation [9] Marco Lorenzi, Andre Altmann, et al. for humans. In Jérôme Lang, editor, Pro- Susceptibility of brain atrophy to trib3 in ceedings of the Twenty-Seventh Interna- alzheimer’s disease, evidence from func- tional Joint Conference on Artificial In- tional prioritization in imaging genetics. telligence, IJCAI 2018, July 13-19, 2018, Proceedings of the National Academy of Stockholm, Sweden, pages 5729–5733. ij- Sciences (PNAS), 115(12), 2018. cai.org, 2018.

Juillet 2021N o 113 27 MIAI – Multidisciplinary Institute in Artificial Intelligence

Eric GAUSSIER MIAI@Grenoble Alpes Directeur miai.univ-grenoble-alpes.fr Manel BOUMEGOURA Project manager

L’Institut MIAI@Grenoble Alpes (Multidis- Université Savoie Mont Blanc, INRA) et iC In- ciplinary Institute in Artificial Intelligence) vise ria. à conduire des recherches au plus haut niveau MIAI@Grenoble Alpes est structuré autour en intelligence artificielle, à proposer des en- de deux grands thèmes, l’IA du futur et l’IA seignements attractifs pour les étudiants et les pour l’humain et l’environnement, et s’ap- professionnels de tous les niveaux, à soutenir puie sur 30 chaires constituées d’une équipe l’innovation dans les grandes entreprises, les de plusieurs membres permanents et non- PMEs et les startups et enfin à informer et in- permanents, ainsi que sur une trentaine de pro- teragir avec les citoyens sur tous les aspects de jets collaboratifs de moindre envergure. l’IA. L’IA du futur

Grenoble Alpes, un écosystème unique pour Les systèmes de décision automatiques l’intelligence artificielle. Avec le CEA, le sont actuellement déployés à grande échelle. CNRS, Inria, l’Inserm, l’Université Grenoble Ils affectent déjà la vie des citoyens et leur Alpes, Grenoble INP, Grenoble EM, Sciences impact devrait s’accroître. Souvent fondés sur Po Grenoble, le CHU Grenoble Alpes et un tissu des modèles complexes d’apprentissage au- industriel riche, Grenoble Alpes regroupe des tomatique, ces systèmes soulèvent de nom- forces capables d’assurer le continuum maté- breux défis scientifiques en matière de sécu- riel/logiciel en créant des systèmes spécialisées rité, de robustesse, de confidentialité, d’équité pour l’IA grâce à la conception de composants et d’efficacité des données lorsque les données électroniques dédiés. Grenoble Alpes sait mobi- annotées en masse ne sont pas disponibles. liser son écosystème économique via les pôles MIAI@Grenoble Alpes aborde ces défis en com- de compétitivité (Tenerrdis et Minalogic, Lyon binant les perspectives de différents domaines Biopôle et Imaginove) et les clusters applica- scientifiques, tant académiques qu’industriels : tifs dans le domaine de la santé (Medicalps) optimisation, statistiques, apprentissage auto- en collaboration avec les grands acteurs socio- matique, IA symbolique. Huit chaires sont dé- économiques. Grenoble Alpes dispose enfin de diées à ces aspects. structures pour faciliter les partenariats entre L’IA du futur doit sortir du cloud pour ren- la recherche publique et les acteurs du monde contrer ses utilisateurs et surmonter les pro- socio-économique en lien fort avec l’IA notam- blèmes liés à la surcharge de communication ment l’IRT Nanoelec, et les instituts Carnot et à la confidentialité des données. Les ar- Leti (CEA), Logiciels et Systèmes Intelligents chitectures matérielles pour l’intelligence arti- - LSI (Université Grenoble Alpes, CNRS, Gre- ficielle constituent un sujet clé pour les nou- noble INP), Energies du Futur (Grenoble INP, velles applications, intégrées dans des appareils CEA-Liten, CNRS, Université Grenoble Alpes, à faible consommation et à faible temps de la-

Juillet 2021N o 113 28 tence (voitures, équipements portables desti- gicales (par exemple, la chirurgie de navigation nés aux soins de santé ou capteurs intelligents pour biopsies de la prostate développée com- d’événement). Un programme spécifique sur les mercialement par Koelis, une spin-off d’Univ. ‘Neuro Processing Units’ aborde ces sujets de Grenoble Alpes, utilisée par plus de 250 000 recherche. Dans le même temps, un nouveau patients de 30 pays). En utilisant un traite- paradigme associant ‘Edge/Fog/Cloud compu- ment massif de données sismiques et géodé- ting ’et IoT s’est développé. Ce paradigme re- siques, des chercheurs grenoblois ont révélé que quiert une gestion avancée de ressources dissé- la Terre solide évoluait à toutes les échelles de minées à divers endroits ainsi qu’un apprentis- temps, constat qui remet en cause les concep- sage distribué. Il s’agit ici en partie d’utiliser des tions traditionnelles de sa dynamique. En ex- méthodes d’apprentissage en ligne, supervisé ploitant des données massives sur la répartition ou non, incrémental et “sous contrainte” afin de des espèces à grande échelle et des données cli- permettre une adaptabilité à l’environnement matiques haute résolution et de télédétection, et une personnalisation aux utilisateurs. des chercheurs grenoblois ont révélé comment L’un des principaux objectifs de l’intelli- le changement climatique et l’affectation des gence artificielle est d’améliorer la capacité des sols provoquent des réactions inattendues de la humains à interagir avec leur environnement. biodiversité. MIAI élargit ces axes de recherche Cela implique la résolution de divers problèmes dans plusieurs directions. liés à l’extraction de la structure information- L’intelligence artificielle offre de grandes nelle de cet environnement et au traitement possibilités d’élaborer des solutions novatrices correct et efficace des informations acquises. pour améliorer la vie des gens et leur environ- L’environnement humain est également com- nement social. L’intégration de l’IA dans la so- posé d’autres êtres humains, ce qui soulève ciété affecte la plupart des domaines de la vie des questions spécifiques sur l’analyse automa- privée et de la vie sociale, aux niveaux col- tique du comportement humain et la concep- lectif comme individuel. En réponse, les indi- tion de systèmes efficaces pour améliorer les vidus, les groupes et les institutions mettent interactions entre humains. Les recherches sur en œuvre des processus réglementaires pour cette thématique au sein de MIAI@Grenoble traiter les risques réels ou imaginaires résul- Alpes s’articulent autour de l’analyse visuelle du tant de l’IA. Pour éviter à la fois les scénarios monde extérieur, de l’interaction entre humains catastrophe et les dangers de la cécité volon- et objets et de la communication par la parole taire, MIAI@Grenoble Alpes rassemble des spé- et le langage. Elles s’appuient sur les avancées cialistes des sciences sociales et de l’informa- récentes en apprentissage automatique, en vi- tique pour mener des recherches sur l’impact sion par ordinateur, en psychologie cognitive et réel de l’IA sur la société ainsi que sur la ré- en traitement automatique des langues et de la gulation raisonnée de l’intelligence artificielle, parole. qui nécessite non seulement une compréhen- sion des algorithmes et des technologies, mais L’IA pour l’humain et l’environnement également une étude de la valeur sociale et du sens que les utilisateurs leur attribuent. Grenoble est à l’avant-garde de la recherche en médecine, science de la terre et du cli- Les systèmes de santé et de protection so- mat. Dans les interventions médicales assistées ciale en France et en Europe associent de nom- par ordinateur, plusieurs appareils développés à breux acteurs : hôpitaux, services sociaux, en- Grenoble ont donné lieu à des premières chirur- treprises, universités et centres de recherche

Juillet 2021N o 113 29 et de régulation. Les données sont collectées nous abordons par le développement de nou- à partir de sources multiples et, alors que velles technologies pour les réseaux intelligents. les informations personnalisées sur le patient Même si l’industrie utilise beaucoup de cap- peuvent révolutionner le diagnostic et le traite- teurs et de données et que la prise de décision ment, le véritable problème est de les capturer, est au cœur des processus industriels majeurs, de les stocker et de les comprendre. Avec l’IA, l’application de l’intelligence artificielle est en- la santé devient une santé intelligente, concré- core récente dans le secteur de la fabrication. tisant les promesses de la vision P4 (prédictive, Pourtant, les potentiels de l’intelligence artifi- personnalisée, préemptive, participative) de la cielle dans l’industrie sont largement reconnus médecine. MIAI@Grenoble Alpes développe à la (réduction des coûts jusqu’à 20%). L’origina- fois les outils d’acquisition de données et l’en- lité de la démarche de MIAI@Grenoble Alpes ré- vironnement pour développer et tester des dis- side dans le fait que l’être humain reste le prin- positifs basés sur l’IA. En outre, Grenoble est cipal acteur industriel, paradigme parfois appelé un lieu majeur des technologies de l’IA pour Industrie 4.H. L’objectif de cet axe est d’in- la santé, grâce à ses compétences interdiscipli- tégrer les outils d’intelligence artificielle dans naires et à sa coopération de longue date entre les processus de fabrication afin d’améliorer la médecins, mathématiciens, informaticiens, chi- qualité des produits et des processus, de ré- mistes et acteurs industriels. Notre stratégie pondre à la forte personnalisation de la de- au sein de MIAI consiste à élargir ces pers- mande des clients et de soutenir les stratégies pectives grâce à un effort continu de collecte industrielles prometteuses telles que la ‘serviti- de données et au développement de nouveaux zation’ et l’économie circulaire. Un accord de outils d’omique basés sur l’IA, à l’amélioration collaboration avec Fraunhofer (IPA et IML) a des trajectoires de santé, à l’amélioration des été signé à cette fin. assistants informatiques et à l’autonomisation accrue des patients. La formation à MIAI@Grenoble Alpes

Le Forum économique mondial de 2018 a Notre objectif est d’augmenter le nombre mis en lumière plusieurs défis auxquels sont de personnes possédant des compétences en confrontés les systèmes terrestres : change- technologies de l’IA, afin de permettre à la so- ment climatique, biodiversité et conservation, ciété d’exploiter pleinement son potentiel d’in- océans sains, sécurité de l’eau, assainissement novation. À cette fin, nous avons créé des pro- de l’air, météo et résistance aux catastrophes. grammes qui qualifient officiellement les prati- Pris ensemble, ces six questions soulèvent un ciens des technologies de l’IA. Ces programmes défi mondial urgent et nécessitent le dévelop- sont ouverts à toute personne ayant les capa- pement de méthodologies d’IA dans un cadre cités préalables requises, et s’appuient sur une interdisciplinaire. L’axe environnement de MIAI qualification professionnelle en IA transversale contribue à relever tous ces défis. Il traite no- aux diplômes existants. Cette qualification est tamment de la surveillance des interactions des délivrée par l’institut MIAI@Grenoble Alpes et espèces impactées par le changement clima- certifie l’acquisition de compétences et apti- tique, de l’atténuation des catastrophes natu- tudes théoriques et pratiques en matière d’IA. relles, de la qualité de l’air et de l’eau et de la Tous les enseignements (cycles courts ou prévision des aléas naturels. De plus, la décar- longs) sont ouverts à des personnes extérieures bonisation de l’énergie est un élément clé de la à la communauté universitaire, sous réserve de préservation de l’environnement, problème que la démonstration des capacités requises. Nous

Juillet 2021N o 113 30 estimons qu’avec le développement des labels maines liés à l’IA. en IA et la création de nouveaux programmes, Ces deux labels sont accessibles selon trois le nombre de personnes diplômées en IA (label modalités : IA et intégration) augmentera d’environ 300 en - Cycles courts d’enseignements (formations 2018 à 500 en 2022, et que le nombre de diplô- courtes en IA) dans lesquels les cours, co- més des domaines d’application (pratiques et ordonnés par MIAI@Grenoble Alpes, sont application de l’IA) augmentera d’environ 400 donnés sur une période limitée, s’adressant en 2018 à 900 en 2022. Nous prévoyons ainsi spécifiquement à des personnes issues du de doubler le nombre de personnes ayant une monde socio-économique. Transversal aux formation en IA à tous les niveaux, passant de diplômes accrédités existants, ces cours en 700 en 2018 à 1400 en 2022. 40 professionnels IA sont ouverts aux étudiants de toutes les devraient suivre chaque année à partir de 2022 disciplines ; des cours à la demande. - Cours à la demande (formations courtes en IA), coordonnés par MIAI@Grenoble Alpes, Qualification professionnelle en intelligence pour répondre aux besoins de formation des entreprises ou des institutions en IA artificielle Le label « Qualification profes- (dans une perspective d’apprentissage tout sionnelle en intelligence artificielle », qui at- au long de la vie) ; teste de l’acquisition de compétences théo- - Cycles longs d’enseignements (formations riques et pratiques en intelligence artificielle, longues) articulés avec les diplômes accré- est accessible via des blocs de compétences dités existants. transversaux aux diplômes existants. Deux ver- sions sont considérées : « cœur et intégration L’écosystème MIAI@Grenoble Alpes de l’IA », correspondant aux connaissances ex- ploitables dans les thèmes centraux de l’IA La plupart de nos propositions de chaires (algorithmes pour l’IA, apprentissage automa- ont été élaborées en étroite collaboration avec tique, raisonnement symbolique, vision par or- un ou plusieurs partenaires industriels. Nous dinateur, robotique, traitement du langage na- consacrons également des ressources au fi- turel, systèmes multi-agents, etc.), et « pra- nancement de projets émergents développés tiques et applications de l’IA », correspondant en partenariat avec des partenaires industriels. à des connaissances exploitables dans l’utilisa- Plus généralement, MIAI@Grenoble Alpes joue tion de l’IA pour des domaines disciplinaires le rôle de point d’entrée pour les partenaires tels que la santé, l’environnement, l’énergie, industriels, afin de développer la recherche, les la mobilité, l’industrie 4.0, la gestion, etc. La activités de transfert, ainsi que les programmes demande est très forte dans ces derniers do- de formation en matière d’IA. maines. Les deux labels IA sont articulés avec Afin de favoriser les échanges et la mise en les diplômes accrédités et incluent des sessions réseau de tous les partenaires impliqués dans pratiques en IA. Aux niveaux Bachelor et Mas- l’intelligence artificielle, MIAI@Grenoble Alpes ter, l’obtention d’un label IA dépend de la va- organise chaque mois des rencontres réunis- lidation réussie d’un certain nombre de cours sant l’ensemble des partenaires, ainsi que des (mesuré en échelle européenne de transfert de webinaires ouverts plus largement à toutes les crédit - ECTS). Pour les doctorants, cette exi- personnes intéressées par l’IA. En collabora- gence correspond au temps (estimé) consacré tion avec d’autres acteurs du site grenoblois, à la recherche et à la formation dans les do- MIAI@Grenoble Alpes a également récemment

Juillet 2021N o 113 31 créé un journal, MIAInnovation Quaterly, des- nées toujours plus grands, l’IA va continuer à tiné au partage d’expériences en IA et qui per- consommer des ressources de façon déraison- met à tous les acteurs de l’IA de s’exprimer. nable (CPU-GPU, mémoire, réseau). La crois- sance est exponentielle. De plus, les données Focus scientifique sur les architectures en question sont produites pour la plupart hors matérielles et embarquées pour l’IA du cloud, par des capteurs, des objets connec- tés ou par des systèmes cyber-physiques. Même La conjonction de l’Internet des objets si les progrès matériels sont significatifs, ils ne (IoT) et de l’Intelligence Artificielle (IA) est suffisent pas à eux seuls à endiguer la concen- en train de révolutionner tous les secteurs de tration des calculs dans des data-centers à l’économie. L’IoT permet de connecter tous large échelle, source importante de pollution les objets numériques et génère de nouveaux numérique. En premier lieu, il faut s’interroger services. L’IA permet l’analyse de données et sur les usages et l’utilité des algorithmes trop la prise de décision, et le terme ‘Internet of gourmands en calculs. Une des solutions pour Things’ se transforme en “Intelligence des Ob- retrouver des niveaux raisonnables de consom- jets” avec capteurs et actionneurs intelligents. mation énergétique est de garder sur place les Cette tendance favorise un déploiement de données là où elles sont produites et de déve- l’IA hors du cloud. On parle alors d’IA embar- lopper l’apprentissage de façon distribué. quée, qui doit faire face à un nouveau champs de contraintes : sobriété énergétique, rapidité de traitement, ou encore intégration avec les capteurs dans les systèmes embarqués. Un axe Ce constat est à l’origine de création de de recherche lui est dédié dans MIAI, sur l’IA la chaire « Edge Intelligence ». Le concept embarquée et les architectures matérielles pour du ‘Edge Computing’ consiste à déporter au l’IA. maximum les calculs en bordure du cloud. Trois chaires de recherche abordent ces Les modèles d’apprentissage centralisés clas- questions, sur l’organisation du calcul distri- siques doivent être revisités. Ainsi, on s’inté- bué pour l’IA, pour l’apprentissage comme pour resse à de nombreuses variantes d’apprentis- l’inférence, mais également les nouvelles archi- sage distribué, en particulier l’apprentissage fé- tectures matérielles pour l’IA, qui visent à amé- déré où l’optimisation est construite à partir liorer drastiquement l’efficacité énergétique. En des optimisations locales. Nous avons montré particulier, les réseaux de neurones artificiels se que les modèles distribués qui échangent des satisfont mal des architectures de calcul clas- données avec leurs voisins directs convergent siques, ce qui motive l’émergence de circuits avec des méthodes d’apprentissage locales à “neuromorphiques”, inspirées des principes de faible coût. Nous nous intéressons également fonctionnement des neurones biologiques. à la minimisation des communications comme autre source de gains énergétiques (ici, on La sobriété énergétique, un impératif pour échange des données moins souvent et moins l’IA volumineuses). Un autre volet d’étude porte sur des méthodes d’apprentissage locales ‘on- L’entraînement de modèles d’apprentissage line’. Ces résultats théoriques sont systémati- toujours plus complexes sur des grandes plates- quement confrontés aux nombreuses applica- formes centralisées n’est plus soutenable. A tions fournies par les partenaires industriels de ce rythme, compte tenu de volumes de don- la chaire.

Juillet 2021N o 113 32 Accélérer l’IA dans les systèmes intégrés met d’exploiter de nombreuses techniques de conception de circuit pour réduire très forte- Si le partitionnement des traitements dans ment la taille de l’implantation. le réseau est fondamental pour tirer le meilleur parti de chaque ressource de calcul, il faut en Pour obtenir des réseaux binaires ou ter- parallèle imaginer des solutions matérielles en- naires, il faut procéder à la réduction de la taille core plus efficaces pour l’IA. La disponibilité de des réseaux. En effet, à ce jour, les réseaux quantités gigantesques de données, couplée à les plus précis sont énormes avec des millions l’accélération matérielle de l’apprentissage sont de neurones et des dizaines de millions de pa- les facteurs qui ont permis l’entraînement des ramètres. Un travail d’analyse de la sensibilité réseaux de neurones profonds, et en consé- des paramètres aux variations peut permettre quence la généralisation de l’utilisation de l’IA un élagage massif de sous-parties du réseau qui dans les applications grand public. contribuent peu au résultat final. Cette analyse Cette accélération repose encore essen- est importante lorsque l’on quitte le monde des tiellement sur l’utilisation de processeurs gra- nombres flottants et, lorsque l’application ou phiques (GPU pour ‘Graphics Processing la classe d’applications est connue, permet des Unit’) qui sont programmables et effectuent gains significatifs [2]. des calculs d’une grande précision à l’aide de nombres dits “flottants”, permettant de re- Une fois le réseau “amaigri”, il faut par- présenter une grande dynamique. Les réseaux titionner et réorganiser les calculs, afin qu’ils de neurones requièrent à la fois des opéra- s’effectuent le plus efficacement possible dans tions de base très simples, du type multiplica- une implantation matérielle. L’automatisation tion/accumulation, et beaucoup d’accès mé- et l’optimisation de ce processus, par l’utili- moire pour exploiter des millions des para- sation de techniques de compilation adaptées mètres. Les GPU s’avèrent insuffisamment ef- comme les approches polyédriques, est néces- ficaces pour ces besoins spécifiques, aussi bien saire à l’exploitation efficace des accélérateurs. dans le cloud que dans des systèmes embar- Pour aller plus loin, on peut même imaginer qués. concevoir des structures réseaux se prêtant L’accélération passe donc par l’utilisation bien à ce partitionnement logiciel/matériel. La d’approches potentiellement moins précises, définition de nouveaux algorithmes de compi- mais beaucoup plus efficaces énergétiquement, lation dédiés est une piste intéressante, très qui vont tirer parti de ce que le matériel sait complémentaire des travaux d’architecture ma- bien faire : du parallélisme à grain fin massif cal- térielle. culant sur des données dont la taille peut être choisie à loisir, typiquement sans se restreindre Pour résumer, l’exploitation des propriétés au multiples de 8 bits. De plus, on exploite les du matériel par de nouvelles architectures de spécificités des réseaux de neurones artificiels. réseaux est une piste très importante pour li- Dans ce cadre, la quantification des pa- miter la consommation, des centres de don- ramètres et des activations, comme l’utilisa- nées aux objets connectés. Les constructeurs tion de valeurs binaires ou ternaires balancées l’ont d’ailleurs reconnu et tous ont des équipes ({−1, 1} ou {−1, 0, 1}), mène par exemple à qui planchent sur des accélérateurs visant leurs des résultats étonnamment bons pour l’infé- marchés, sans qu’à l’heure actuelle une solution rence si l’on conçoit des stratégies d’appren- ait clairement émergé, ce qui laisse une place tissage adaptées [1]. Ce type de codage per- pour la recherche académique.

Juillet 2021N o 113 33 S’inspirer du vivant avec les outils de la mi- en trois dimensions. Les calculs sont effectués croélectronique de façon massivement parallèle (grâce à 100 milliards de neurones), asynchrone et à basse Au delà des travaux de conception de cir- activité (moins de 100 évènements générés par cuits numériques, qui s’appuient sur des éco- seconde et par neurone, en moyenne). C’est systèmes industriels bien implantés, il existe encore une fois l’exact opposé d’un proces- également une communauté très active, qui seur d’ordinateur, qui présente peu de paral- veut allier les potentiels de la microélectronique lélisme, fonctionne de manière synchrone et à avec l’inspiration des mécanismes du vivant. très haute fréquence (plusieurs GHz). S’inspirer du vivant pour résoudre des Des recherches ont donc lieu pour conce- problématiques d’apprentissage machine peut voir et implémenter des circuits dits “neuromor- sembler étrange au premier abord, mais cette phiques”, qui exploitent un codage évènemen- approche a déjà donné de très bons résultats tiel de l’information (sous la forme de trains dans de nombreux autres domaines d’applica- d’impulsions), des mémoires computationnelles tion : la tribologie, l’aérodynamisme, les ma- (sous la forme de synapses résistives) et des tériaux, . . . Elle permet en effet de tirer parti neurones impulsionnels. Les nouvelles techno- du plus vaste laboratoire de recherche et déve- logies, telles que des memristors multivalués, loppement, la Nature. Par exemple, lorsque l’on ou l’intégration 3D, permettront de s’appro- compare l’efficacité énergétique du cerveau hu- cher un peu de la complexité des structures main avec celle des meilleurs circuits micro- neuronales du cerveau. électroniques dédiés à des applications d’IA, le différentiel est de 6 ordres de grandeur en fa- veur de la biologie. Le cerveau a une puissance Références de calcul brute équivalente à celle d’un centre [1] Itay Hubara, Matthieu Courbariaux, Daniel de données, soit 1020 opérations par secondes, Soudry, Ran El-Yaniv, and Yoshua Bengio. tout en consommant seulement 20W. Le po- Quantized neural networks : Training neu- tentiel de gain est donc très important. ral networks with low precision weights and Le cerveau est en fait organisé très diffé- activations. Journal of Machine Learning remment d’un circuit microélectronique clas- Research, 18(187) :1–30, 2018. sique. Il ne présente pas des unités de calcul d’un côté et des mémoires d’un autre, à l’ins- [2] V. Sze, Y.-H. Chen, T.-J. Yang, and tar des architectures de type Von Neumann. J. Emer. Efficient processing of deep neural Au contraire, les neurones (éléments de calcul) networks : a tutorial and survey. Procee- et les synapses (éléments mémoire) sont en- dings of the IEEE, 105(12) :2295–2329, tremêlés, dans des constructions très denses, 2017.

Juillet 2021N o 113 34 PRAIRIE – PaRis Artificial Intelligence Research InstitutE

Isabelle RYL Directeur Jean PONCE Directeur scientifique PRAIRIE Stéphanie ALLASSONNIÈRE prairie-institute.fr Jamal ATIF Gabriel PEYRÉ Directeurs scientifiques adjoints Agnieszka WRZESIEN-GANDOLFO Project manager

Présentation générale de l’institut l’IA sur la société et l’environnement socio- économique. Créé en 2019 par le CNRS, Inria, l’Institut PRAIRIE a l’objectif ambitieux de deve- Pasteur, l’Université PSL, l’Université de Paris nir un leader mondial de la recherche et de et un club de partenaires industriels, PRAIRIE l’enseignement supérieur en IA, avec un im- est un des 4 Instituts interdisciplinaires d’in- pact réel sur l’économie et la société, porté par telligence artificielle (« 3IA ») sélectionnés en des membres fondateurs académiques de pre- 2019 par un jury international dans le cadre mier plan mondial, des partenaires industriels de la stratégie nationale pour l’intelligence ar- leaders dans leur domaine. PRAIRIE bénéfi- tificielle annoncée par le Président de la Répu- cie également d’un réseau de partenaires in- blique en mars 2018. Il est soutenu par l’Agence ternationaux de premier plan et fait partie de Nationale de la Recherche au titre du pro- l’unité Parisienne d’ELLIS (‘European Labora- gramme d’Investissements d’avenir. Le cœur de tory for Learning and Intelligent Systems’ ; plu- PRAIRIE, fortement interdisciplinaire, est au- sieurs des chercheurs de l’Institut sont égale- jourd’hui constitué de 43 chaires, portées par ment impliqués dans CLAIRE, une autre ini- des chercheurs de renommée mondiale dans tiative européenne majeure dans le domaine). des domaines fondamentaux pour l’IA, tels que PRAIRIE mène aussi dans ce cadre des actions l’apprentissage statistique, l’imagerie, les jeux, concrètes tels que le workshop franco-allemand l’optimisation, la physique statistique, le rai- sur l’IA co-organisé avec TU Munich qui se sonnement, la robotique, la science des don- tiendra en mai et impliquera, entre autres, des nées, le traitement automatique du langage chercheurs des quatre 3IA français, des insti- naturel, ou la vision artificielle. Les champs tuts Parisiens SCAI et Hi ! Paris, et des centres d’application des recherches de l’Institut vont d’excellence allemands. Le reste de ce bref ar- de la biologie et la santé aux transports, en ticle présente quelques avancées obtenues dans collaboration avec des acteurs publics et pri- deux domaines de recherche phare de PRAI- vés majeurs de ces secteurs. Les questions RIE, la santé et les transports, depuis la créa- d’éthique et l’apport des sciences humaines et tion de l’Institut en 2019, et ce malgré les sociales nourrissent la réflexion sur l’impact de embûches du COVID. La place manque mal-

Juillet 2021N o 113 35 heureusement pour détailler les avancées ob- plan clinique pour lequel les techniques d’ap- tenues dans le domaine de la formation, avec prentissage statistique et de vision artificielle la montée en puissance des programmes de intégrant des modèles biologiques et médicaux master IASD et MASH au sein de l’Univer- ont pour but de conduire au développement de sité PSL et la création par l’Université de Paris systèmes avancés de décision et de diagnostic de formations interdisciplinaires, telles que le assistés par ordinateur pour la médecine per- M2 “bioentrepreneur” ou le programme “IA et sonnalisée. Ceci est d’autant plus pertinent que médecine” par exemple. Trois start-up ont été nous pouvons procéder à une évaluation rapide créés au sein de PRAIRIE depuis la créartion en milieu clinique grâce à notre réseau d’hôpi- de l’Institut : ‘Avatar Medical’ et Sonio (sur taux parisiens associés. Dans ce contexte gé- lesquelles on reviendra plus bas), ainsi que Plu- néral, plusieurs axes sont développés. ton. Enfin, il serait dommage de pas mention- Les chercheurs en imagerie biologique de ner quelques unes des distinctions récentes ob- PRAIRIE développent des méthodes statis- tenues par les porteurs de chaires de PRAIRIE, tiques qui combinent les connaissances préa- dont l’élection de deux d’entre eux à l’Acadé- lables et l’apprentissage pour déduire des in- mie des Sciences, une ‘Starting ERC grant’, formations biologiques exhaustives à partir les médailles de bronze et d’argent du CNRS, d’images, allant des structures ou dynamiques le prix Inria - Académie des sciences du jeune moléculaires aux médicaments candidats. Les chercheur, le prix Peccot, le prix Humboldt, le chercheurs de l’équipe en imagerie médicale prix Milner de la ‘Royal Society’ ou encore le abordent quant-à-eux plusieurs questions clé, prix Longuet-Higgins, un des prix internatio- dont : (i) l’extraction automatique à haut débit naux reconnaissant chaque année les travaux et la sélection de caractéristiques des images ayant eu le plus d’influence sur une période de qui sont directement liées à une pathologie ou 10 ans en vision artificielle et apprentissage sta- à sa réponse au traitement ; (ii) l’introduction tistique (10 d’entre-eux ont d’ailleurs été dé- de techniques d’apprentissage statistique pour cernés à des détenteurs de chaires de PRAIRIE estimer des modèles numériques d’organes ou depuis 2006). de pathologies ; (iii) le développement de nou- veaux modèles pour la prédiction de réponse Focus scientifique : la santé aux traitements. Un aspect important requis dans ce domaine est l’interprétabilité des mo- Les axes de recherche dèles d’IA afin que les cliniciens soient en me- sure d’apprécier et de valider la méthodologie. Le travail fondamental à l’interface de l’in- telligence artificielle, de la biologie et de la mé- Un troisième axe est le développement des decine, des sciences cognitives et de la science méthodes d’aide à la décision clinique (clinical des données est un élément clé de PRAIRE. Par decision support systems). Cet axe s’applique à exemple, nous intégrons l’apprentissage pro- divers domaines médicaux comme les maladies fond dans l’analyse de la microscopie unicel- rares, les maladies chroniques, la cardiologie ou lulaire, ce qui conduira à une nouvelle compré- l’oncologie. Il s’agit tout d’abord d’extraire des hension des organismes vivants. Inversement, informations des comptes-rendus médicaux, ce une compréhension plus approfondie de la cog- qu’on appelle le phénotypage haut débit. Il faut nition et des structures neuronales naturelles ensuite produire des modèles mathématiques pourrait aider à l’amélioration des architectures pour aider au diagnostic, anticiper une évolu- neuronales artificielles. L’autre versant est le tion et proposer un traitement personnalisé.

Juillet 2021N o 113 36 Enfin, le dernier axe de recherche est consa- de fois pour plusieurs patients. Une des diffi- cré aux technologies omiques. Celles-ci per- cultés de ce problème est de séparer les diffé- mettent l’exploration des systèmes vivants avec rences qui sont dues à la progression du phé- une résolution sans précédent, à un coût en nomène de celles qui sont dues aux différences constante diminution. Elles deviennent une entre patients. L’approche repose sur des ou- routine dans le diagnostic, le pronostic, le suivi tils de géométrie différentielle et propose une des maladies et des traitements. Le volume de solution simple, élégante et opérationnelle à ce ces données d’une richesse sans cesse crois- problème [6]. Ces techniques sont motivées par sante atteindra bientôt le niveau de l’exoctet, et appliquées à l’étude des maladies neurodégé- et elles se caractérisent par une extrême hété- nératives comme la maladie d’Alzheimer ou de rogénéité et de nombreuses couches d’interac- Parkinson. Cela permet de construire des mo- tions. Leur valorisation pour la santé publique dèles numériques qui montrent comment le cer- est en train d’éclore avec de grandes promesses veau et les fonctions cérébrales évoluent avec pour repousser les limites de la médecine (ma- la maladie. Ces modèles permettent d’antici- ladies incurables, effets secondaires graves, ré- per la progression de la maladie de plusieurs sistance aux médicaments) et réduire son coût années chez des nouveaux patients, avec des global. performances supérieures à l’état de l’art. Ces prédictions seront utilisées pour identifier les ‘Success stories’ fenêtres thérapeuthiques optimales pour tester un médicament chez les patients, augmentant Le laboratoire « Decision and Bayesian ainsi l’efficacité du traitement expérimental [5]. Computation » de Jean-Baptiste MASSON a De nombreuses approches pour l’identifica- développé une approche mixte d’inférence et tion de sous-ensembles de patients ayant une de visualisation des données en tirant parti de réponse accrue à un traitement reposent sur la réalité virtuelle. Deux logiciels, DIVA [1] et l’estimation d’une distribution conditionnelle. Genuage [3] ont été proposés pour permettre En reformulant le problème en termes de dis- respectivement de visualiser, d’annoter et d’ef- tances de Wasserstein entre les mesures empi- fectuer des inférences sur toute imagerie volu- riques, l’équipe de Raphaël PORCHER a pro- métrique et sur des nuages de points. Ce projet posé d’utiliser les forêts aléatoires de Wasser- a également conduit à la création d’une start- stein afin d’estimer les effets de traitements up, ‘Avatar Medical’(https://avatarmedical. hétérogènes dans un cadre d’inférence causale ai), qui exploite de nouveaux développements [4]. de DIVA pour la planification des interven- tions chirurgicales. Les futurs développement Sonio (https://www.sonio.ai/) a été créée s’orientent ver des approches statistiques pour à la suite de travaux de recherche de l’équipe automatiser les paramètres de visualisation en de Stéphanie ALLASSONNIÈRE. Il s’agit de réalité virtuelle et des approches de réseaux proposer un outil compagnon d’aide à l’ana- neuronaux sur graphes pour l’analyse géomé- lyse et au diagnostic des maladies congéni- trique des nuages de points en réalité augmen- tales chez le fœtus à partir d’échographies. tée. L’outil permet en temps réel de proposer à L’équipe de Stanley DURRLEMAN a dé- l’échographiste ou l’obstétricien les anomalies veloppé de nouvelles méthodes d’apprentissage pertinentes à rechercher chez ce foetus afin statistique pour modéliser un phénomène dy- d’aller au plus vite vers un diagnostic pour namique qui n’est observé qu’un petit nombre une meilleure prise en charge ou une réassu-

Juillet 2021N o 113 37 rance de la patiente. Ces techniques d’appren- rope, qui y voient un champ d’applications très tissage d’environnement aléatoire et d’optimi- riche pour des technologies de la 5G et du ‘edge sation d’arbre de décision sont appréhendées computing’. dans une dimension très grande, de l’ordre de 2000 anomalies et signes à prévalences va- riables pour environ 300 maladies [2]. Thèmes de recherche. Dans ce contexte, les Le cancer du poumon est la première cause véhicules autonomes sont au cœur des intérêts de mortalité par cancer en France, avec plus de de nos partenaires. La Société des ingénieurs 30000 morts chaque année. L’immunothérapie, de l’industrie automobile américaine (Society qui stimule la réponse immunitaire contre les of Automotive Engineers, SAE) a défini 5 ni- cellules tumorales, représente un formidable es- veaux d’automatisation de la conduite, allant poir pour vaincre la maladie. Malheureusement de l’assistance simple (niveau 1 : alertes, am- seule la moitié environ des patients éligibles ré- plification de l’ABS, régulateur de vitesse adap- pondent à ce traitement et la sélection de ses tatif) à l’autonomie complète du véhicule ro- patients est un enjeu majeur. Deux chercheurs bot “sans volant ni pédales” (niveau 5). Une de PRAIRIE, Barillot BARILLOT et Thomas automatisation de niveau 2 (assistance “intel- WALTER ont uni leurs efforts afin d’amélio- ligente”, incluant par exemple le centrage au- rer la prise en charge des patients, en inté- tomatique dans la voie) est aujourd’hui dispo- grant toutes les informations disponibles au ni- nible sur les voitures haut de gamme pour les veau des données cliniques, de l’imagerie IRM particuliers. Pour de tels véhicules, les indus- et scanner, de l’anatomo-pathologie, et gé- triels français visent à moyen terme le renforce- nomique (mutation et expression des gènes). ment de ce niveau d’automatisation, dit “2+”, Le projet, qui intègre donc les niveaux mo- où un conducteur peut entièrement déléguer la léculaires, cellulaires, tissulaires et général du conduite (vitesse et direction) au système dans patient, doit permettre par apprentissage sta- certaines conditions, mais en restant à même tistique (réseaux de neurones notamment) de de reprendre le contrôle à tout moment. Avant mieux comprendre la biologie de la réponse à de déployer en toute sécurité dans nos grandes l’immunothérapie et prédire les patients répon- villes des véhicules atteignant des niveaux su- deurs. périeurs d’autonomie (3 et au-delà) sans infra- structure supplémentaire, il faudra des progrès Focus scientifique : les transports importants dans des domaines scientifiques clé de l’IA tels que la fiabilité et la certifiabilité. On Comme l’environnement, la santé, la sécu- peut néanmoins imaginer y arriver plus rapide- rité et la défense, les transports font partie ment dans des scénarios plus contraints, tels des domaines d’application prioritaires identi- que celui d’une navette effectuant toujours le fiés par le plan national de l’intelligence artifi- même trajet ou d’un robot de livraison opérant cielle (IA). Ils sont donc également au cœur des dans une zone bien délimitée. Mais la voiture préoccupations de PRAIRIE, avec des parte- autonome n’est qu’une des nombreuses appli- naires tels que le constructeur automobile Stel- cations de l’IA sur lesquelles travaillent nos par- lantis, issu de la fusion du groupe PSA avec tenaires : citons par exemple le cockpit du fu- Fiat Chrysler, les grands équipementiers du sec- tur, l’industrie manufacturière (avec la mainte- teur que sont Faurecia et Valeo et des acteurs nance prédictive des machines, le contrôle de majeurs sur le marché des réseaux et de l’Inter- qualité en bout de ligne et les robots coopé- net tels que Nokia Bell Labs et Naver Labs Eu- ratifs), la logistique, la navigation et la gestion

Juillet 2021N o 113 38 du trafic (incluant la cartographie 3D haute dé- lier, doivent aussi mobiliser les chercheurs en finition, la localisation avec ou sans GPS, la sciences humaines et sociales de PRAIRIE et planification et la mise à jour d’itinéraires). de son écosystème, dans des disciplines allant du droit à l’éthique. Toutes ces applications sont elles-mêmes adossées à des problèmes scientifiques fonda- mentaux, souvent liés aux questions de fiabilité Des actions concrètes. Plusieurs détenteurs mentionnées plus tôt : par exemple, un appren- de chaires de PRAIRIE sont impliqués auprès tissage (beaucoup) moins gourmand en don- de nos partenaires : Francis BACH et Corde- nées annotées qu’aujourd’hui, mais pourtant lia SCHMID (Inria) se sont joints à Jean- capable de s’adapter au cours du temps à des Paul LAUMOND (Inria/CNRS) pour un we- conditions (météo par exemple) changeantes binaire qui a été largement diffusé au sein ou nouvelles ; la quantification de l’incertitude du réseau international de Nokia Bell Labs. et la robustesse ; la validation et la certifica- Jean-Paul LAUMOND est également intervenu tion des systèmes à base d’IA ; ou encore la auprès de Faurecia sur la robotique, tandis gestion des événements rares tels que les ac- que Stéphanie ALLASSONNIÈRE (Université cidents. Les applications de l’IA au domaine de Paris) et Gabriel PEYRÉ (ENS/PSL) ont des transports mettent aussi en jeu des théma- participé aux journées de la “Digital Services tiques de recherche plus classiques, telles que Factory” de cette entreprise, et que Justine la fusion des données, la navigation ou la pla- CASSELL et Ivan LAPTEV (Inria) explorent nification, mais au sein de systèmes critiques des pistes de collaboration avec Stellantis. Plu- où l’accumulation des erreurs des processus sieurs chercheurs de NAVER Labs Europe, par de décision correspondants doit être maîtrisée. exemple Diane LARLUS et Julien PEREZ, sont À ceci s’ajoutent souvent les contraintes du également impliqués depuis ses débuts dans calcul embarqué, pour l’automatisation de la PAISS, l’école d’été d’intelligence artificielle conduite par exemple : le temps réel “ dur” ( co-organisée par PRAIRIE et MIAI, le 3IA Gre- ‘just-in-time computation’ par exemple), l’em- noblois. 2 Une thèse CIFRE a déjà démarré preinte énergétique des calculateurs (une carte chez Valeo : Vo VAN HUY développe des algo- graphique consomme autant que la climatisa- rithmes permettant de minimiser l’effort d’an- tion), ainsi que leur capacité limitée, le coût notation manuelle nécessaire à l’identification et la fiabilité des capteurs, sont autant de dé- des objets dans des images [7, 8], sous la di- fis. Il s’agit aussi d’opportunités pour le cal- rection de Jean PONCE et Patrick PÉREZ cul déporté dans une infrastructure numérique (Valeo). Une autre collaboration entre Jean distribuée par exemple, grâce aux garanties de PONCE et Matthieu DONAIN (Stellantis) dé- fiabilité et de bande passante de la 5G et aux marre sur la fusion de flux vidéo et de données nouvelles possibilités offertes par l’edge com- lidar et radar (Figure 1.9). Plusieurs autres pro- puting au plus près des données. Le respect jets sont en cours de discussion. de la vie privée dans ce contexte, comme les Les groupes de travail de PRAIRIE sont un nouvelles réglementations qui devront accom- lieu de rencontre privilégié pour les détenteurs pagner le déploiement à grande échelle de l’IA de chaires de PRAIRIE et leurs collègues in- en général, et dans les transports en particu- dustriels. Plusieurs de ces groupes se sont pro- 2. PAISS’19 a attiré 207 participants de 15 nationalités différentes, dont 13 boursières et 10 boursiers financés entre autres par plusieurs de nos partenaires “transports”. PAISS’21 s’est tenu en ligne, COVID oblige, pendant la semaine du 5 juillet, cf. https://project.inria.fr/paiss/.

Juillet 2021N o 113 39 Figure 1.9 – À gauche, découverte totalement non supervisée d’objets (rectangles rouges, les rectangles jaunes correspondant à la “vérité terrain” obtenue par annotation manuelle et unique- ment utilisée pour l’évaluation quantitative des résultats) dans des collections de photographies contenant plus de 100000 échantillons (Vo, Sizikova, Pérez, Schmid, Ponce, 2021). À droite, une représentation polyédrique structurée d’une scène urbaine obtenue à partir de données lidar, opposée, en quelque sorte, à la vision traditionnelle de ces données comme des nuages de points parcimonieux (Heurtevent, Wang, Donain, Ponce, 2021). gressivement mis en place en 2020, malgré la sive ciblant le domaine des transports. pandémie, notamment dans les domaines de l’imagerie médicale, de la synergie entre phy- Références sique, apprentissage et optimisation, ou encore [1] M. El Beheiry, C. Godard, C. Caporal, de l’éthique. Le plus avancé d’entre eux est V. Marcon, C. Ostertag, O. Sliti, S. Dou- celui consacré aux transports. Il implique à la treligne, S. Fournier, B. Hajj, M. Dahan, fois plusieurs détenteurs de chaires de PRAI- and JB Masson. Diva : Natural navigation RIE 3 et des chercheurs issus des laboratoires inside 3d images using virtual reality. J Mol de nos partenaires industriels. 4 Il a également Biol., 432(16) :4745–4749, 2020. la particularité d’être mené par ces derniers, qui trouvent dans PRAIRIE l’occasion (rare, dans [2] Rémi Besson, Erwan Le Pennec, and Sté- le milieu de l’automobile en particulier) de col- phanie Allassonnière. Learning from both laborer dans un cadre non compétitif. Dans ce experts and data. Entropy, 21(12), 2019. contexte, nous allons mener cette année plu- [3] T. Blanc, M. El Beheiry, C. Caporal, JB. sieurs actions concrètes, incluant mise en place Masson, and B. Hajj. Genuage : visua- de défis, offres de stages et partage de données lize and analyze multidimensional single- avec la communauté scientifique. Enfin, la re- molecule point cloud data in virtual rea- cherche n’est pas tout et nous comptons lancer lity. Nature Methods, 17(11) :1100–1102, prochainement des actions de formation inten- 2020. 3. Notamment Ivan LAPTEV, Jean-Paul LAUMOND, Laurent MASSOULIÉ et Jean PONCE chez Inria, et Tristan CAZENAVE à Paris-Dauphine, dans des domaines tels que l’optimisation, la robotique, la théorie des réseaux et la vision artificielle. 4. Notamment : Beylat BEYLAT, président de Nokia Bell Labs France ; Matthieu DONAIN, responsable de l’OpenLab intelligence artificielle chez Stellantis ; Grégoire FERRÉ, responsable de la transformation numérique chez Faurecia ; Julien PEREZ, responsable du groupe d’apprentissage statistique et d’optimisation chez Naver Labs Europe ; et Patrick PÉREZ, directeur scientifique de valeo.ai.

Juillet 2021N o 113 40 [4] Qiming Du, Gérard Biau, François Petit, sonnière, Olivier Colliot, and Stanley Durr- and Raphaël Porcher. Wasserstein ran- leman. A bayesian mixed-effects model to dom forests and applications in heteroge- learn trajectories of changes from repea- neous treatment effects. Artificial Intelli- ted manifold-valued observations. Journal gence and Statistics conference, 2021. of Machine Learning Research, 18(133) :1– [5] Alexandre Bone Igor Koval and, Maxime 33, 2017. Louis, Thomas Lartigue, Simona Bottani, [7] H.-V. Vo, F. Bach, M. Cho, K. Han, Y. Le Arnaud Marcoux, Jorge Samper-Gonzalez, Cun, P. Perez, and J Ponce. Unsupervi- Ninon Burgos, Benjamin Charlier, Anne sed image matching and object discovery Bertrand, Stephane Epelbaum, Olivier Col- as optimization. In CVPR, 2019. liot, Stephanie Allassonniere, and Stan- ley Durrleman. Ad course map charts [8] H.-V. Vo, P. Pérez, and J. Ponce. To- alzheimer’s disease progression. Preprint ward unsupervised, multi-object discovery https ://hal.inria.fr/hal-01964821, 2021. in large-scale image collections. In ECCV, [6] Jean-Baptiste Schiratti, Stéphanie Allas- 2020.

Juillet 2021N o 113 41 DATAIA Paris-Saclay

Bertrand THIRION Directeur (till March 29th) [email protected] Frédéric CHAZAL Directeur (after March 29th) Institut DATAIA Paris-Saclay [email protected] www.dataia.eu Jasmyn SCARAMELLA Chargée de communication et des relations extérieures [email protected]

Présentation générale de l’institut disciplinaires parmi les laboratoires partenaires, DATAIA Paris-Saclay lance des appels annuels L’Institut DATAIA Paris-Saclay est, depuis (appels à projets de recherche, appels à stages) le 1er janvier 2021, l’institut d’intelligence ar- et des soutiens permanents (appels à mobi- tificielle (IA) de l’Université Paris-Saclay. Pre- lité internationale, appels à professeurs et pro- mier écosystème français en IA, il mobilise plus fesseures invités, appels à workshops et junior de 1000 chercheurs et enseignants-chercheurs conférences, . . .). Grâce à ces initiatives, 13 issus de quarante-deux laboratoires des 12 éta- projets de recherche ont été financés, dont un blissements d’enseignement supérieur et or- en collaboration avec la MSH Paris-Saclay ; une ganismes de recherche partenaires (AgroPa- dizaine de stages par an ; et plusieurs confé- risTech, CentraleSupélec, CEA, CNRS, ENS rences, data challenges, et hackathons. Paris-Saclay, IFPEN, Inria, Institut Mines- Projets financés par DATAIA Télécom Business School, INRAE, Université d’Evry-Val-d’Essonne, Université Paris-Saclay, - Bad Nudge – Bad Robot ? (2018) : Université Versailles St-Quentin-en-Yvelines). Ce projet étudie les nudges dans l’inter- L’objectif de l’Institut est de regrouper action verbale homme-machine, afin de les expertises pluridisciplinaires et dynamiser comprendre l’impact sociétal des dispositifs la force collective de ses partenaires du clus- connectés. L’objectif est de créer des sys- ter Paris-Saclay impliqués dans la recherche de tèmes "ethic-by-design" et de créer des me- pointe en IA, science des données, et leurs im- sures d’évaluation. Ce projet est lié à la pacts sociétaux. chaire d’AI HUMAAINE. Afin de promouvoir ces collaborations inter- - GDP-ERE (2018) : Ce projet se concentre

Juillet 2021N o 113 42 sur la répartition des responsabilités entre de produire des analyses des services juri- l’utilisateur et le fournisseur dans les archi- diques dans les tribunaux. Le projet géné- tectures ‘Personal Cloud’. Ses objectifs sont rera, entre autres, un ensemble de données d’analyser l’impact des architectures ‘Per- originales de décisions judiciaires annotées, sonal Cloud’ actuelles sur la responsabilité de réseaux sociaux d’acteurs et de métriques de l’utilisateur et de comparer cette analyse de services. avec la législation et les règles établies par - StreamOps (2018) : Ce projet vise à créer le RGPD ; et de formuler des recommanda- une nouvelle approche et un outil pour dé- tions législatives et technologiques afin de velopper des algorithmes puissants capables préserver l’autonomie de l’utilisateur. de gérer et d’extraire des flux de données. - HistorIA (2018) : L’objectif est de dévelop- Il aspire à être à l’interface des aspects al- per et d’explorer de grandes bases de don- gorithmiques, commerciaux et logiciels pour nées historiques en appliquant des méthodes offrir aux chercheurs et aux ingénieurs une d’exploration de données soutenues par la plate-forme générique de traitement des flux visualisation, tout en mettant en œuvre une de données et d’apprentissage automatique. approche itérative du processus d’explora- - Vadore (2018) : En partenariat avec Pôle tion, basée sur l’appropriation par les utili- Emploi, Vadore étudie la recommandation sateurs des procédures, des outils utilisés et d’offres d’emploi aux demandeurs d’emploi des résultats des analyses. et vice versa : une fonction d’appariement, - Missing Big Data (2018) : Le projet vise à tenant compte de la congestion potentielle développer un système d’analyse des algo- du marché, est apprise en combinant le fil- rithmes prédictifs pour l’apprentissage au- trage collaboratif et le transport optimal. tomatique en présence de données man- - Information Leakage in Deep Learning quantes. Le projet travaille sur les données (2019) : Ce projet de recherche vise à pro- de santé, mais l’ambition est de produire poser une analyse des modèles d’apprentis- un modèle générique, et une méthode ap- sage automatique pour découvrir et quanti- plicable à d’autres domaines. fier les fuites d’informations dans l’appren- - Peper (2018) : Le projet étudie et dé- tissage profond. En s’appuyant sur des ré- veloppe trois concepts afin de créer un sultats récents, des outils seront développés système équilibré pour la gestion efficace et utilisés pour analyser les modèles de me- des énergies renouvelables : production, nace de la boîte blanche et de la boîte noire. consommation et stockage. L’objectif est - UltraBioLearn (2019) : Ce projet propose de collecter des données sur les différents de rechercher des solutions innovantes aux acteurs de ce réseau, et d’utiliser des tech- contraintes liées à l’interprétabilité des ré- niques d’apprentissage et de renforcement sultats, la qualité, la fiabilité, et plus en- profond pour développer des algorithmes core, notamment en exploitant l’apprentis- permettant de prédire la production et la sage semi-supervisé à l’aide de réseaux gé- consommation de chaque acteur, puis de nérateurs, graphiques et certifiables, dans le permettre la coopération entre eux. contexte de la prédiction de la réponse des - Smart Lawyer (2018) : L’objectif du pro- patients aux traitements contre le cancer. jet est d’automatiser la recherche d’infor- - Warm Rules (2019) : Le projet vise à déve- mations juridiques et factuelles dans les dé- lopper une approche explicable pour décou- cisions judiciaires de certaines juridictions et vrir des règles causales graduelles dans les

Juillet 2021N o 113 43 graphiques de connaissance en définissant Off des Chaires IA » : une journée dédiée à de nouvelles mesures pour l’évaluation de la la présentation des 16 projets saclaysiens lau- qualité et le classement des règles causales réats de l’appel à projets « Chaires IA », lancé graduelles et en construisant un nouveau par l’ANR. Parmi les 40 sélectionnés, plusieurs graphique de connaissance représentant les chercheurs font partie de l’écosystème de l’Ins- relations entre le réchauffement climatique titut DATAIA. L’appel Chaires de recherche et et le développement du phénotype du maïs. d’enseignement en IA (Chaires IA) a pour ob- - ML4CFD (2020) : L’objectif du projet est jectif d’offrir à des chercheurs français et étran- d’accélérer de manière conséquente les si- gers, avec le concours des établissements d’ac- mulations de flux multiphasiques en y intro- cueil, des moyens substantiels pour constituer duisant des approches basées sur l’appren- une équipe et réaliser un projet ambitieux dont tissage statistique. L’utilisation de modèles un impact visible est attendu. d’apprentissage automatique dans les simu- Son soutien aux programmes de formation lations CFD avec physique complexe (par continue avec UDOPIA, le programme doctoral exemple, combustion, phénomènes réactifs, en intelligence artificielle créé par l’Université écoulements multiphasiques, etc.), peut ai- Paris-Saclay. DATAIA Paris-Saclay cofinance 2 der à accélérer les algorithmes existants. de 60 bourses de thèse qui seront lancées entre - OTELO (2020) : OTELO propose une ana- 2020 et 2022, et offre un accès privilégié à ses lyse multi-niveaux de la langue parlée à initiatives en IA. partir de grands corpus oraux, segmentés À l’international, l’Institut DATAIA Paris- et annotés automatiquement. Segmentées Saclay jouit de nombreux partenariats, notam- en phones et mots, ces données seront ment avec l’Institut Alan Turing au Royaume- ensuite enrichies avec des connaissances Uni, Ivado au Canada, le JST au Japon, et le concernant le statut grammatical des mots, FCAI en Finlande. En septembre 2020 il a parti- leurs relations syntaxiques et sémantiques cipé, avec PRAIRIE et SCAI, à la création d’un en contexte. “nœud parisien d’ELLIS” (European Laboratory for Learning and Intelligent Systems), le réseau L’animation d’un écosystème de recherche scientifique européen destiné à renforcer la re- cherche en intelligence artificielle. ELLIS Paris L’Institut DATAIA Paris-Saclay participe est le premier nœud ELLIS en France. Il permet aussi à l’animation scientifique du campus dans aux chercheurs et aux étudiants parisiens d’in- le domaine de l’IA. Outre aux événements qu’il teragir au sein du réseau, et favorise les collabo- soutient, il organise des séminaires mensuels, rations scientifiques à travers des programmes des ateliers, et des conférences. Pour en ci- coordonnés d’enseignement, conférences, sé- ter quelques-uns : les « DATAIA Seminars » minaires, et bourses d’études. (1/mois) ; le « Séminaire Palaisien » (1/mois avec 2 exposés de scientifiques jeunes) ; et les Le support à la formation dans l’Université DATAIA Workshops « » (5/an), qui sont des Paris Saclay journées thématiques visant à rassembler les communautés scientifiques, les experts, et les Comme mentionné précédemment dans ce professionnels des disciplines concernées pour document, l’Université Paris-Saclay est compo- partager des connaissances et ouvrir la voie à sée de facultés universitaires, d’établissements la construction de projets communs. composantes, d’universités membres-associées En septembre 2020 il a organisé le « Kick- et d’organismes de recherche nationaux.

Juillet 2021N o 113 44 Les acteurs majeurs de la formation en l’informatique théorique, l’algorithmique avan- intelligence artificielle et en science des don- cée ; le traitement du signal et des images. nées dans cet écosystème sont la Faculté des D’autres diplômes/programmes de master Sciences, trois établissements composants — ont également des programmes d’IA & DS ap- à savoir AgroParisTech, CentraleSupélec, et pliqués. Les membres de DATAIA sont impli- l’ENS Paris-Saclay — et une université par- qués dans les programmes suivants : bioinfor- tenaire (Université de Versailles). En ce qui matique, propriété intellectuelle en technologie concerne les écoles doctorales impliquées dans de l’information (IP-IT), économie et gestion la formation en IA et DS, les deux écoles doc- (IREN). Enfin, les cours d’IA et de DS dans torales les plus importantes sont l’informatique d’autres filières/diplômes tels que l’éthique et et l’ingénierie et les sciences des systèmes. l’IA. D’autres écoles supérieures ont des filières mul- tidisciplinaires, notamment (mais pas exclusi- Masters vement) le droit, l’économie et la gestion, les sciences de la vie et de la santé, la physique, la Contenu de l’enseignement . En ce qui chimie et les géosciences. concerne le type d’enseignement dispensé à En termes de chiffres, l’Université Paris- l’Université, des cours classiques sont évidem- Saclay compte au total 12 000 étudiantes et ment dispensés en particulier pour les fonda- étudiants en master et 4 600 doctorantes et tions (apprentissage automatique, statistiques, doctorants. Parmi eux, plus de 350 étudiantes bases de données, représentation des connais- et étudiants de master sont inscrits dans une sances, . . .). Il est intéressant de noter que les filière dédiée à l’IA et aux DS et plus de 200 membres de DATAIA sont impliqués dans l’or- doctorantes et doctorants ont un sujet de thèse ganisation de projets multidisciplinaires. Nous dont au moins un des 5 mots-clés est un mot- voudrions souligner deux types d’actions. clé d’IA ou de DS. Premièrement, des projets de défi de don- nées sont proposés : des groupes d’étudiants ont accès à des ensembles de données mas- Panel d’offres . Les masters offrent un très sives réelles et à une plateforme de codage large panel d’offres allant des filières orientées (nous utilisons RAMP et Codalab) et doivent recherche et des filières hybrides (menant à travailler de manière compétitive et collabora- la fois à la recherche et à l’industrie) aux fi- tive (selon la phase du projet) pour répondre lières purement professionnelles (où les étu- à une question scientifique. Parmi les derniers diants passent plus de la moitié de leur temps défis organisés, on peut citer un défi sur la dans l’industrie). Notamment, certaines écoles prédiction de l’autisme à partir d’images cé- d’ingénieurs proposent à leurs étudiants une rébrales de plus de 2 000 individus. De plus année dédiée à l’IA (CentraleSupélec et ENS amples informations sur ce défi sont disponibles Paris-Saclay). à l’adresse suivante : ‘autism challenge’(paris- En ce qui concerne le contenu de la for- saclay-cds.github.io/autism_challenge). mation, d’autres filières de l’informatique et Un autre exemple de projet multidiscipli- de l’ingénierie proposent un grand nombre de naire est le‘ reprohackathon project’, conçu cours comportant une part importante d’IA. pour rendre les étudiants plus sensibles aux Ces pistes incluent (mais ne sont pas limitées problèmes de reproductibilité qui peuvent sur- à) la vision par ordinateur, CHI ; le calcul pa- venir dans les pipelines d’analyse de données. rallèle et distribué ; les réseaux, IoT, sécurité ; Compte tenu d’un article publié, d’un tracé

Juillet 2021N o 113 45 dans cet article, et compte tenu de l’ensemble des étudiants et de conseiller les étudiants dans des données fournies par les auteurs et de la le panel des cours d’IA offerts à l’Université et section méthodologie décrite dans l’article, des des journées qui peuvent être suivies dédiées groupes d’étudiants essaient de reproduire le à l’IA organisées par l’Institut. D’autres acti- tracé. Toutes les étudiantes et tous les étu- vités ouvertes aux doctorants incluent la par- diants ont accès au même environnement de ticipation à l’organisation d’écoles d’été (DS3 travail (cloud académique). school, par exemple) et de conférences junior Deuxièmement, des journées dédiées sont (JDSE). Dans le cadre de la JDSE, les comi- organisées dans les filières du Master où les tés scientifiques et d’organisation juniors tra- étudiantes et les étudiants ont l’opportunité vaillent en étroite collaboration avec les comi- d’échanger et de présenter le résultat de leurs tés seniors pour organiser localement et sélec- travaux. C’est le cas du Master « Droit de tionner les communications à présenter. Alors la propriété intellectuelle / Droit des techno- que les étudiants en Master et les doctorants logies de l’information » qui propose un bi- de 1ere année peuvent soumettre et présenter diplôme en collaboration avec l’Université de leurs travaux, les doctorants de 2e et 3e années Laval (Québec), où les étudiantes et les étu- et les post-docs évaluent les articles. diants échangent chaque année autour de leurs thèmes. Les actes de la journée seront publiés Conclusion . L’Université Paris-Saclay dis- dans un éditeur majeur du domaine (Dalloz pose de plusieurs programmes d’IA et de DS IP/IT). Un autre type très intéressant d’ensei- pour un total de 11 filières axées sur l’IA et gnement pluridisciplinaire et original orienté IA le DS en informatique. D’autres filières dédiées est fourni par la conception et la réalisation sont proposées dans les masters « mathéma- d’un fun-mooc sur le droit d’auteur (coordina- tiques et applications » et dans d’autres écoles tion faite par Alexandra BENSAMOUN) com- supérieures : y compris les sciences sociales posé de 9 semaines de sujets dédiés, impliquant (économie, gestion, droit), la biologie et la phy- des intervenants de divers domaines et univer- sique. sités. Les membres de DATAIA organisent et co- De manière plus générale, DATAIA joue un ordonnent des projets multidisciplinaires tels rôle majeur dans le rapprochement entre les que des défis de données et des hackathons. étudiants, les chercheurs et les industriels en DATAIA organise des ateliers et des journées organisant des ateliers, des défis et des hacka- ouverts aux étudiants de master et de docto- thons. Un grand nombre d’étudiants ont trouvé rat pour combler le fossé entre les chercheurs, plusieurs sujets de stage intéressants à l’issue les industriels et les étudiants. de ces journées.

Programmes de doctorat Mission de soutien au transfert

En ce qui concerne les programmes de doc- L’Institut DATAIA Paris-Saclay a récem- torat, l’Université Paris-Saclay mène le pro- ment ouvert ses portes au monde industriel en gramme UDOPIA où au moins 60 bourses (30 mettant en œuvre un programme dédié à fa- financées par l’ANR et 30 par l’université) se- ciliter et développer la collaboration entre son ront fournies en 4 ans. écosystème académique et les acteurs indus- Le rôle de DATAIA dans UDOPIA est de la- triels impliqués dans la recherche en intelligence belliser les sujets, de participer au recrutement artificielle et science des données. Le « pro-

Juillet 2021N o 113 46 gramme d’affiliation industriel » (PAI) qu’il a TAIA a lancé une série d’ateliers faisant le lien lancé, offre aux industriels un accès privilégié entre IA et biotechnologies : IA pour l’agro- à une expertise scientifique au meilleur niveau nomie (déc. 2019), IA pour les biomarqueurs mondial ainsi qu’au vivier d’étudiants du pôle (nov. 2020), IA pour la métagénomique (mai universitaire d’excellence, notamment : actions 2021), IA pour l’oncologie (mai 2021). L’inté- conjointes de soutien à la recherche, partage rêt des industriels est fort, avec notamment les d’expériences et de besoins collectifs, mise en partenariats avec Sanofi, Servier et GE Health- œuvre d’événements dédiés, et bien plus en- care, avec un fort focus sur les biomarqueurs, core. Dans le cadre du PAI, des événements l’analyse causale ou le traitement d’image. ciblés entre industriels et académiques sont or- ganisés : le DATAIA Club Connection (D2C). Chaire IA BrAIN - « Bridging Artificial Le dispositif D2C accueille académiques et in- Intelligence and Neuroscience » - Alexandre dustriels du domaine pour faciliter les échanges, GRAMFORT (Inria). L’intelligence artificielle créer un lien de confiance et ouvrir la voie à (IA), avec les progrès récents du machine lear- des collaborations futures. Il est mis en place ning (ML), vise actuellement à révolutionner la afin d’identifier en amont les enjeux de re- façon dont la science expérimentale est menée. cherche prioritaires des chercheurs et les pro- En physique, en chimie, en biologie, en neu- blématiques des industriels et les faire conver- rosciences ou en médecine, les données sont ger. Les contacts et les opportunités de col- maintenant le moteur de nouvelles intuitions laborations proposées sont ensuite accompa- théoriques et de nouvelles hypothèses scien- gnées au plus près jusqu’à leur montage et lan- tifiques. L’apprentissage supervisé et les mo- cement. dèles prédictifs sont maintenant utilisés pour évaluer si quelque chose est "prévisible". Puis- Focus scientifique sur l’IA pour les je prédire ce que les gens “pensent” à par- sciences du vivant tir de signaux neuronaux ? Puis-je prédire l’ap- parition d’un cancer chez un patient à partir Les sciences du vivant tiennent une place de son ADN ? Dans le domaine de la santé, importante à Paris-Saclay : elles constituent on parle de médecine de précision et de pa- 25% de l’activité de l’Université. 5 chaires IA tients virtuels, avec la vision que l’IA permet- ont été obtenues dans ce domaine : tra d’avoir des prédictions individualisées à par- - Alexandre GRAMFORT (Inria) - BrAIN tir de données génomiques, physiologiques ou - Bertrand THIRION (Inria) - KARAIB d’imagerie. Après des premières percées spec- - Edouard DUCHESNAY (CEA) – Big2small taculaires dans les domaines de la vision par or- - Gaël VAROQUAUX (Inria) - LearnI dinateur, du traitement de la parole ou du trai- - Jean-Christophe PESQUET (CentraleSupé- tement du langage naturel, le ML doit main- lec) - BRIDGEABLE tenant relever de nouveaux défis afin d’avoir - Jean-François MANGIN (CEA) - FOLD- un impact sur diverses disciplines scientifiques DICO et en particulier pour les applications liées à la DATAIA finance par ailleurs plusieurs projets santé. Lorsque l’on considère de telles appli- de recherche relatifs à ce domaine, tels que Ul- cations, des problèmes statistiques et informa- traBioLearn, Warm rules. D’autres sujets tra- tiques apparaissent. Le premier problème est ditionnellement forts sont la bioinformatique et lié aux limitations ou à l’absence de supervi- les biostatistiques en général, couplées ou non sion des algorithmes : les modèles prédictifs à la modélisation. En terme d’animation, DA- supervisés ont besoin de grandes quantités de

Juillet 2021N o 113 47 données annotées pour être entrainés et tes- tions psychologiques et l’activité cérébrale. Ce- tés. Malheureusement trop peu d’applications pendant, l’agrégation des résultats de neuros- médicales peuvent en fournir dans une quan- ciences cognitives pour obtenir une cartogra- tité suffisante. Le second problème est lié à phie systématique entre la structure et la fonc- ce que l’on peut appeler la variabilité de l’en- tion se heurte à un obstacle : les concepts cog- semble de données d’apprentissage. Ce qu’on nitifs sont mal définis et peuvent ne pas corres- a appelé en vision par ordinateur le problème pondre clairement à l’architecture du cerveau. du “biais de la base d’apprentissage” implique Pour relever ce défi, nous proposons de ti- dans un contexte médical que l’entrainement rer parti de la croissance rapide des sources sur les données d’un hôpital est susceptible de de données : les informations de localisation fournir une prédiction moins puissante lorsque rapportées dans les publications neuroscienti- le modèle est testé sur les données d’autres fiques ; les images du cerveau et leurs annota- hôpitaux. Le troisième problème est lié à la dif- tions partagées comme des ressources ouvertes ficulté d’amener les outils de l’état de l’art dans et quelques jeux de données de référence. Notre un environnement qui n’est pas dominé par les objectif ici est de mettre au point des tech- informaticiens mais par les biologistes, les neu- niques d’apprentissage machine multimodales roscientifiques, les psychologues, les médecins. pour relier ces données sources. BrAIN fournira la prochaine génération Objectif 1 : mettre au point des techniques de modèles et d’algorithmes de ML pour de représentation des données bruitées, pour un apprentissage statistique efficace en l’ab- coupler des données sur le cerveau avec des sence d’annotations précises et d’ échantillons descriptions de comportements ou de maladies de grande taille. BrAIN s’appuiera sur des dans le but d’extraire la structure sémantique. cas d’utilisation définis en neurosciences cli- Objectif 2 : mettre ces représentations au niques et cognitives (anesthésie, troubles de la défi de fournir des explications aux relations conscience, médecine du sommeil) pour relever observées, dans deux cadres distincts : i) une les défis plus généraux du ML : i) l’étude de di- analyse statistique des associations obtenues ; verses tâches d’apprentissage auto-supervisées ii) l’intégration des ces informations dans un pour apprendre sans annotations à partir de langage spécifique aux neurosciences. données temporelles longues et bruitées ; ii) ap- Objectif 3 : diffuser des résultats facilement prendre à augmenter les données et la taille utilisables (atlas du cerveau, ontologies, logi- des échantillons ; iii) apprendre en présence de ciels) et contribuer à des outils de partage de changements de distribution ; iv) développe- données en ligne pour la neuroimagerie. ment d’algorithmes efficaces et faciles à utiliser Chaire IA « Big2small - Transfer lear- par des non-experts. ning from big data to small data : le- Chaire IA « KARAIB - Knowledge And veraging psychiatric neuroimaging biomar- Representation Integration on the Brain » kers discovery » - Edouard DUCHESNAY - Bertrand THIRION (Inria). Les sciences (CEA). Contrairement à de nombreuses autres cognitives décrivent des opérations mentales, spécialités médicales, la psychiatrie ne dis- et l’imagerie cérébrale fonctionnelle offre une pose pas de mesures quantitatives objectives fenêtre unique sur les systèmes cérébraux qui (dosage sanguin, . . .) pour guider les clini- sous-tendent ces opérations. De nombreuses ciens dans le choix d’une stratégie thérapeu- recherches en neuroimagerie ont permis de tique. L’anatomie cérébrale est une empreinte mieux comprendre les relations entre les fonc- des antécédents génétiques et environnemen-

Juillet 2021N o 113 48 taux de l’individu. L’identification des signa- rects et indirects dans le monde. tures cérébrales pronostiques de l’évolution cli- Chaire IA « LearnI - Learning data inte- nique ou de la réponse au traitement ouvrirait gration, from discrete entities to signals » - la voie à une médecine personnalisée en psy- Gaël VAROQUAUX (Inria). Avec l’arrivée de chiatrie. De nombreuses initiatives internatio- la “science des données”, l’apprentissage statis- nales ont assemblé d’importants jeux de don- tique change la prise de décisions dans beau- nées (N>2000). Cependant, la grande hétéro- coup de domaine, tels que la santé ou les af- généité et la conception transversale de ces faires. Cependant, le point de friction est sou- jeux de données limitent la possibilité d’ap- vent, non pas dans l’analyse statistique, mais prendre des outils de pronostic de l’évolution dans la combinaison de données de différentes clinique au niveau individuel (réponse au trai- natures ou à partir de différentes sources. En tement, évolution clinique). D’autres initiatives effet, l’intégration de données s’appuie encore ont récemment donné lieu à des bases de don- fortement sur l’intervention humaine. Il faut nées plus petites et plus homogènes sur le plan utiliser des techniques de base de données rela- clinique (N < 500), avec le suivi longitudi- tionnelles pour représenter et transformer des nal permettant d’évaluer la réponse au trai- données de différentes nature, en utilisant les tement et la transition vers la maladie chez entités quelles ont en commun. Ces représen- les patients à risque. Le coût élevé par pa- tations et ces opérations sont fondamenta- tient (> 10K€) limite la faisabilité du passage lement discrètes, ce qui rend l’apprentissage à l’échelle (au moins quelques milliers) néces- statistique difficile : les symboles n’expriment saire pour construire des modèles prédictifs suf- pas facilement l’information jointe, par exemple fisamment reproductibles pour une application en cas d’ambigüités ; l’optimisation des règles clinique courante. logiques utilisée sur les données symboliques donne des problèmes intractables car combi- Ce projet propose trois stratégies d’appren- natoires. tissage par transfert d’apprentissage (réseaux de neurones profonds, clustering, approche di- Nous cherchons à développer une nouvelle mensionnelle du continuum des pathologies approche de l’intégration de données pour rem- psychiatriques) pour réconcilier les grands jeux placer l’effort humain dans l’intégration de don- de données hétérogènes avec les petits jeux ho- nées. Celle ci va bâtir sur des formulation mogènes et longitudinaux. Ces trois stratégies continues, plutôt que des représentations dis- se décomposent en trois étapes : (i) modélisa- crètes et des opérations logiques, pour per- tion de la variabilité générale du cerveau sur mettre d’optimiser l’assemblage de données en de grandes bases de la population générale ; vue d’une analyse statistique. Pour cela, il fau- (ii) transfert (réglage fin, etc.) sur des bases dra développer de nouvelles architectures adap- cas-témoins (de taille moyennes) pour focali- tant les techniques d’apprentissage profond aux ser les modèles sur une pathologie spécifique ; bases de données. A travers de grands nombres (iii) transfert final sur de “petites” cohortes lon- de bases de données, nous créerons des repré- gitudinales pour permettre l’apprentissage des sentations qui capturent de la connaissance et modèles pronostiques de l’évolution clinique ou aident assembler des données sur des sujets de la réponse aux traitements. Le succès de liés. Nous focaliseront nos applications aux pro- ce projet démontrerait que l’IA pourrait béné- blèmes de la santé publique, par exemple pour ficier au soin en santé mentale, qui est une des des études épidémiologiques. causes principales d’invalidité et de coûts di- Chaire IA « BRIDGEABLE - BRIDinG

Juillet 2021N o 113 49 thE gAp Between iterative proximaL me- tuellement comme des alternatives sérieuses thods and nEural networks » - Jean- aux réseaux de neurones. Notre objectif sera de Christophe PESQUET (CentraleSupélec). clarifier les relations existant entre l’apprentis- Au cours de la dernière décennie, les méthodes sage profond de dictionnaires et les réseaux de proximales ont permis des avancées signifi- neurones, de façon à rendre les premières ap- catives en optimisation en grande dimension. proches plus efficaces, tout en analysant plus Dans le même temps, les réseaux de neurones précisément leurs performances. En termes de profonds ont conduit à des résultats impres- retombées méthodologiques, ce projet devrait sionnants dans divers domaines d’applications conduire à des progrès significatifs dans l’in- de la science des données. Néanmoins, les rai- terprétabilité des réseaux de neurones et dans sons fondamentales de leurs excellentes per- la proposition de nouvelles méthodes permet- formances sont encore mal comprises mathé- tant d’améliorer leur fiabilité. En termes de re- matiquement. Récemment, nous avons montré tombées pratiques, les méthodes développées que la quasi-totalité des fonctions d’activation conduiront à une nouvelle génération de tech- utilisées dans les architectures de réseaux de niques pour résoudre des problèmes se posant neurones s’identifient à des opérateurs proxi- dans trois champs d’applications : l’imagerie maux de fonctions convexes. Cette observation médicale 3D (collaboration avec GE Health- ouvre de nouvelles perspectives en apprentis- care) ; l’analyse de données du domaine de sage profond, permettant d’exploiter les liens l’énergie et de l’environnement (collaboration étroits existant entre les structures de réseaux avec l’IFPEN) ; et la modélisation non-linéaire de neurones et les algorithmes proximaux itéra- multivariée de moteurs électriques (collabora- tifs. Dans ce projet, nous proposons trois axes tion avec Schneider Electric). de recherche. Tout d’abord, la fragilité bien Chaire IA « FOLDDICO » - Jean- connue des réseaux de neurones vis-à-vis des François MANGIN (CEA). Il y a plus de sept perturbations adverses sera étudiée. Pour ce milliards d’humains sur la terre. Chacun d’eux faire, des techniques de points de fixes repo- possède des empreintes digitales uniques mais sant sur les propriétés de contraction de ces aussi un motif de plissement cortical qui lui est opérateurs d’activation seront exploitées et de propre. Personne ne sait vraiment si la variabi- nouvelles architectures potentiellement plus ro- lité de ces motifs a une signification, ni même bustes seront proposées. En second lieu, une quelle est l’origine de ces plissements qui appa- nouvelle formulation des problèmes inverses raissent in utero. Dans les méthodologies clas- sera proposée, visant à remplacer les fonc- siques de cartographie cérébrale, cette varia- tions de régularisation convexes usuelles par bilité est traitée comme du bruit et est gom- une approche de régularisation fondée sur des mée autant que possible en alignant tous les opérateurs maximaux monotones. Cette stra- cerveaux avec un cerveau modèle. Cependant, tégie permettra de gagner non seulement en certains groupes de recherche considèrent que généralité, mais aussi en flexibilité. Cette ap- les motifs du plissement pourraient devenir un proche devrait conduire à des algorithmes ité- “proxy” utile de l’architecture corticale, comme ratifs ‘plug and play’ efficaces pour résoudre en témoignent les motifs inhabituels obser- les problèmes de restauration/reconstruction vés dans certaines maladies du développement d’images. Le dernier axe de recherche portera comme l’épilepsie. sur l’étude des méthodes d’apprentissage pro- fond de dictionnaires. Celles-ci apparaissent ac- Les efforts actuels en vue d’une meilleure exploitation de la variabilité du plissement cor-

Juillet 2021N o 113 50 tical achoppent sur l’inadéquation entre les at- lonner des approches alternatives. las simplistes que l’on trouve dans les ma- nuels anatomiques et les configurations incom- Publication des projets DATAIA patibles fréquemment observées dans la po- -‘ Bad Nudge’, ‘Bad Robot’ : [27, 1] pulation générale. Aujourd’hui, des millions de - Peper [15, 17, 23] cerveaux ont été numérisés à l’aide de l’ima- - [16, 14, 8, 10, 13] gerie par résonance magnétique (IRM), créant - MissingBigData : [19, 24, 25] une opportunité majeure pour l’IA. L’objectif - HistorIA : [26, 28] de FOLDDICO est de transformer cette oppor- - [22, 6, 9, 20, 21, 6, 5, 4] tunité en un “benchmark” attractif pour l’ap- -‘ Information leakage’ : [12, 11, 3] prentissage non supervisé, qui se matérialise -‘ smart lawyer’ : [7] comme l’inférence d’un dictionnaire des motifs - Streamops [2, 18, 29] de plissement observés chez l’homme. Des ébauches d’un tel dictionnaire ont été Références proposées par les anatomistes, mais elles se [1] Hugues Ali Mehenni, Sofiya Kobylyans- cantonnent à quelques régions du cerveau, kaya, Ioana Vasilescu, and Laurence De- n’ont été réalisées qu’à partir de quelques villers. Children as candidates to ver- dizaines de cerveaux, et ne décrivent que bal nudging in a human-robot experiment. quelques motifs très fréquents. Concrétiser In Companion Publication of the 2020 un dictionnaire exhaustif dépasse en fait l’en- International Conference on Multimodal tendement humain mais semble à la portée Interaction, ICMI ’20 Companion, page des méthodes d’apprentissage profond auto- 482–486, New York, NY, USA, 2020. As- supervisées modernes. En outre, certaines sociation for Computing Machinery. bases de données majeures disposent non seulement d’images de la morphologie du cer- [2] M. Alshaer, S. Garcia-Rodriguez, and veau mais également d’images de son fonction- C. Gouy-Pailler. Detecting anomalies nement et de sa connectivité permettant de le from streaming time series using matrix parcelliser en entités architecturales. Dès lors, il profile and shapelets learning. In 2020 est envisageable d’intégrer dans la constitution IEEE 32nd International Conference on du dictionnaire la nécessité de faire émerger es- Tools with Artificial Intelligence (ICTAI), sentiellement les motifs permettant de prédire pages 376–383, 2020. les variantes de l’organisation architecturale du [3] Mário S. Alvim, Konstantinos Chatziko- cortex, de manière à mieux poser le problème. kolakis, Catuscia Palamidessi, and Geof- Le dictionnaire escompté, déduit de la popula- frey Smith. Measuring Information Lea- tion générale, sera ensuite utilisé pour analyser kage using Generalized Gain Functions. des bases de patients psychiatriques afin de dé- In Computer Security Foundations, pages tecter des motifs inhabituels signant des évé- 265–279, Cambridge MA, United States, nements anormaux survenu pendant le dévelop- 2012. IEEE. pement cérébral et à l’origine de faiblesses. [4] Nicolas Anciaux, Philippe Bonnet, Luc En plus d’effectuer notre propre inférence Bouganim, Benjamin Nguyen, Phi- de dictionnaire, nous organiserons un cadre lippe Pucheral, Iulian Sandu-Popa, and fondé sur des bases de données publiques et Guillaume Scerri. Personal Data Ma- privées pour permettre à la communauté d’éta- nagement Systems : The security and

Juillet 2021N o 113 51 functionality standpoint. Information sium on Security and Privacy, pages 835– Systems, 80 :13–35, 2019. 852, San Francisco, United States, May [5] Nicolas Anciaux, Luc Bouganim, Phi- 2019. IEEE. lippe Pucheral, Iulian Sandu Popa, and [12] Tom Chothia, Yusuke Kawamoto, and Guillaume Scerri. Personal Database Se- Chris Novakovic. LeakWatch : Estima- curity and Trusted Execution Environ- ting Information Leakage from Java Pro- ments : A Tutorial at the Crossroads. grams. In Miroslaw Kutylowski and Jai- Proceedings of the VLDB Endowment deep Vaidya, editors, 19th European Sym- (PVLDB), August 2019. posium on Research in Computer Security [6] Nicolas Anciaux and Célia Zolynski. Em- (ESORICS 2014), volume 8713 of Lec- powerment et Big Data sur données per- ture Notes in Computer Science, pages sonnelles : de la portabilité à l’agentivité. 219–236, Wroclaw, Poland, September Dalloz IP/IT, 2019. 2014. Springer. [7] Paul Boniol, George Panagopoulos, Chris- [13] Sylvain Cros, Jordi Badosa, André Szan- tos Xypolopoulos, Rajaa El Hamdani, Da- taï, and Martial Haeffelin. Reliability pre- vid Restrepo Amariles, and Michalis Vazir- dictors for solar irradiance satellite-based giannis. Performance in the courtroom : forecast. Energies, 13(21), 2020. Automated processing and visualization of appeal court decisions in france, 2020. [14] A. Dridi, C. Boucetta, S. E. Hammami, H. Afifi, and H. Moungla. Stad : Spatio- [8] C. Boucetta, A. Dridi, H. Afifi, A. E. Ka- temporal anomaly detection mechanism mal, and H. Moungla. Heuristic optimi- for mobile network management. IEEE zation algorithms for qos management in Transactions on Network and Service Ma- GLOBE- uav assisted cellular networks. In nagement, pages 1–1, 2020. COM 2020 - 2020 IEEE Global Commu- nications Conference, pages 1–6, 2020. [15] A. Dridi, H. I. Khedher, H. Moungla, and H. Afifi. An artificial intelligence approach [9] Mariem Brahem, Guillaume Scerri, Nico- for time series next generation applica- las Anciaux, and Valerie Issarny. Consent- tions. In ICC 2020 - 2020 IEEE Inter- driven data use in crowdsensing plat- national Conference on Communications forms : When data reuse meets privacy- (ICC), pages 1–6, 2020. preservation. working paper or preprint, January 2021. [16] A. Dridi, H. Moungla, H. Afifi, J. Badosa, [10] Fausto Calderon-Obaldia, Jordi Badosa, F. Ossart, and A. E. Kamal. Machine Anne Migan-Dubois, and Vincent Bour- learning application to priority scheduling din. A two-step energy management me- in smart microgrids. In 2020 Internatio- thod guided by day-ahead quantile solar nal Wireless Communications and Mobile forecasts : Cross-impacts on four services Computing (IWCMC), pages 1695–1700, for smart-buildings. Energies, 13(22), 2020. 2020. [17] Aicha Dridi, Arnaud Debar, Vincent Gau- [11] Giovanni Cherubin, Konstantinos Chatzi- thier, Hatem Ibn-Khedher, and H. Afifi. kokolakis, and Catuscia Palamidessi. F- Deep learning semantic compression : BLEAU : Fast Black-Box Leakage Esti- Iot support over lora use case. 2019 mation. In S&P 2019 - 40th IEEE Sympo- 2nd IEEE Middle East and North Africa

Juillet 2021N o 113 52 COMMunications Conference (MENA- Energy management for microgrids : a COMM), pages 1–6, 2019. reinforcement learning approach. In 2019 [18] Sandra Garcia-Rodriguez, Mohammad Al- IEEE PES Innovative Smart Grid Techno- shaer, and Cedric Gouy-Pailler. STREA- logies Europe (ISGT-Europe), pages 1–5, MER : A Powerful Framework for Conti- 2019. nuous Learning in Data Streams, page [24] Marine Le Morvan, Julie Josse, Thomas 3385–3388. Association for Computing Moreau, Erwan Scornet, and Gaël Varo- Machinery, New York, NY, USA, 2020. quaux. Neumiss networks : differentiable [19] Julie Josse, Nicolas Prost, Erwan Scornet, programming for supervised learning with and Gaël Varoquaux. On the consistency missing values, 2020. of supervised learning with missing values, [25] Marine Le Morvan, Nicolas Prost, Ju- 2020. lie Josse, Erwan Scornet, and Gaël Va- [20] Riad Ladjel, Nicolas Anciaux, Philippe Pu- roquaux. Linear predictor on linearly- cheral, and Guillaume Scerri. A manifest- generated data with missing values : non based framework for organizing the ma- consistency and solutions, 2020. nagement of personal data at the edge of [26] Alexis Pister, Paolo Buono, Jean-Daniel the network. In ISD 2019 - 28th Inter- Fekete, Catherine Plaisant, and Paola national Conference on Information Sys- Valdivia. Integrating prior knowledge in tems Development, Toulon, France, Au- mixed initiative social network clustering, gust 2019. 2020. [21] Riad Ladjel, Nicolas Anciaux, Philippe Pu- cheral, and Guillaume Scerri. Trustwor- [27] Marco Romanelli, Konstantinos Chatziko- thy Distributed Computations on Perso- kolakis, Catuscia Palamidessi, and Pablo nal Data Using Trusted Execution En- Piantanida. Estimating g-leakage via ma- vironments. In TrustCom 2019 - The chine learning, 2020. 18th IEEE International Conference on [28] Natkamon Tovanich, Alexis Pister, Gaëlle Trust, Security and Privacy in Computing Richer, Paola Valdivia, Jean-Daniel Fe- and Communications / BigDataSE 2019 kete, Christophe Prieur, and Petra Isen- - 13th IEEE International Conference on berg. GraphletMatchMaker : Visual Ana- Big Data Science and Engineering, Roto- lytics Approaches to Graph Matching in rua, New Zealand, August 2019. Cybersecurity Communities. IEEE Visual [22] Riad Ladjel, Nicolas Anciaux, Philippe Pu- Analytics Science and Technology, VAST cheral, and Guillaume Scerri. Secure dis- Challenge, October 2020. Poster. tributed queries over large sets of personal [29] Jingwei Zuo, Karine Zeitouni, and Yehia home boxes. Transactions on Large-Scale Taher. Incremental and Adaptive Fea- Data- and Knowledge-Centered Systems, ture Exploration over Time Series Stream. September 2020. In IEEE International Conference on Big [23] T. Levent, P. Preux, E. le Pennec, J. Ba- Data 2019, Los Angeles, United States, dosa, G. Henri, and Y. Bonnassieux. December 2019.

Juillet 2021N o 113 53 “Hi ! Paris” : Centre interdisciplinaire pour l’Intelligence Artificielle et la science des données pour la société

Gaël RICHARD “Hi ! Paris” [email protected] www.hi-paris.fr Thierry FOUCAULT Eric MOULINES

Présentation générale de “Hi ! Paris” l’assurance, . . . En renforçant les collaborations entre les Écoles de l’Institut Polytechnique de Créé conjointement par HEC Paris et l’Ins- Paris et de HEC Paris, et en capitalisant sur titut polytechnique de Paris (IP Paris), puis leurs expertises couvrant un large spectre aca- rejoint par l’Inria, “Hi ! Paris” est un nouveau démique, “Hi ! Paris” aura un puissant impact centre interdisciplinaire de recherche et d’en- à l’échelon européen et mondial en termes de seignement consacré à l’IA et aux sciences recherches et de formations (ingénieurs, mana- des données. L’ambition affichée de “Hi ! Pa- gers, jeunes chercheurs, formation continue), ris”, premier centre en Europe interdiscipli- ressources aujourd’hui indispensables aux en- naire et inter-institutionnel, alliant éducation, treprises et aux laboratoires, publics comme recherche et innovation, est de devenir un lea- privés. der mondial du domaine d’ici à 5 ans, en rele- vant les principaux défis liés à la transformation L’ambition de “Hi ! Paris” est de devenir technologique et à son impact sur les entre- une destination de choix pour les étudiantes, prises et la société. les étudiants et les professeurs et professeures les plus talentueux qui abordent des questions Le Centre s’appuie sur les 300 chercheurs liées à la science des données, à l’intelligence et sur les infrastructures de l’Institut Polytech- artificielle, à leurs rôles dans la science, la tech- nique de Paris et de HEC Paris dans ces do- nologie et le business et à leurs impacts sur la maines. Il s’inscrit dans le prolongement d’une société. collaboration dynamique intense entre les deux institutions qui partagent déjà une école doc- Initiatives et programmes torale et des diplômes de masters communs. Il est entièrement financé par des entreprises Un objectif central de “Hi ! Paris” est de mécènes mobilisées autour des deux institu- fournir des incitations à long terme pour pro- tions académiques. Les mécènes fondateurs mouvoir la recherche et l’enseignement dans le sont L’Oréal, Cap Gémini, Total, Kering et domaine de l’IA et de l’analyse des données. Rexel. À cette fin, “Hi ! Paris” a mis en place un am- Espace unique de rupture, de formation et bitieux plan de recrutements et un ensemble d’innovation, d’élaboration et de transferts de de programmes principalement sous forme de technologie, “Hi ! Paris” interviendra dans des chaires et d’appels à projets qui sont résumés domaines d’applications clés tels que l’énergie ci-dessous : et l’environnement, la défense et la sécurité, la « Chaires » : ce programme de chaires par- santé, le commerce de détail et l’industrie du ticulièrement bien dotées permettra de recru- luxe, les télécoms, l’alimentation, la finance et ter de nouveaux professeurs et nouvelles pro-

Juillet 2021N o 113 54 fesseures au meilleur niveau international. L’un en parallèle, “Hi ! Paris” propose une animation des enjeux du centre sera de pouvoir effectuer scientifique large et un ensemble d’événements 30 recrutements d’ici à 2025. visant à regrouper et rapprocher les professeurs « Fellowships » : ce programme de bourses et professeures, chercheurs et chercheuses aca- (ou fellowships) fournira des financements aux démiques, des ingénieurs, chercheurs er cher- chercheus et chercheuses d’HEC Paris, de l’In- cheuses des entreprises mécènes. Ces événe- titut Polytechnique de Paris et du centre In- ments prennent par exemple la forme de we- ria de l’IInstitut Polytechnique de Paris. Les ti- binars ou ateliers scientifiques. D’autres évé- tulaires d’une bourse de “Hi ! Paris” recevront nements emblématiques tels que des écoles un budget annuel avec une certaine flexibilité saisonnières ou encore hackathons pour l’en- dans la répartition entre la recherche, le fi- semble des étudiants et étudiantes des forma- nancement de doctorants, doctorantes, post- tions HEC Paris et IP Paris en IA et sciences doctorants et postdoctorantes et l’organisation de données, à partir de cas d’usage et données d’événements scientifiques. des entreprises mécènes. Ces deux programmes (« Chaires » et « Fel- « Pôle d’ingéniérie et Data-Factory » : dans lowships ») sont évalués directement par le co- le but de créer un véritable eco-système d’in- mité scientifique international de “Hi ! Paris” novation à l’interface des mondes académiques qui regroupe dix chercheurs de tout premier et industriels, “Hi ! Paris” développe également plan au niveau mondial. un pôle d’ingéniérie et une Data-factory. Cette « Projets collaboratifs » : ce programme infrastructure et ce pôle d’ingéniérie permet- vise à financer un grand nombre de projets en tront d’accompagner les chercheurs et les cher- stimulant la collaboration entre au moins deux cheuses pour les aspects les plus expérimentaux partenaires de “Hi ! Paris”. Les thématiques ou- des recherches menées et pour la réalisation de vertes sont larges et vont des méthodes fon- logiciels et codes de calcul performants, maxi- damentales de l’IA et des sciences des don- misant ainsi leur impact en recherche et pour nées jusqu’aux applications commerciales dans la société. tous les secteurs et les implications pour la so- ciété. Les projets peuvent durer entre 1 et 3 Focus scientifique ans pour couvrir des dépenses comme les frais Les domaines de recherche au coeur de de déplacement, la location de salles de confé- “Hi ! Paris” incluent les méthodes fondamen- rences, l’acquisition de données, le personnel tales de l’intelligence artificielle (IA) et de l’ap- (chercheurs et chercheuses invités, assistants prentissage machine (de la théorie de l’appren- et assistantes de recherche, stages. . .), le ma- tissage profond jusqu’aux algorithmes), les ap- etc. tériel, plications de l’IA et de l’analyse des données « Bourses de thèses » : la formation docto- aux sciences de gestion (par exemple la finance, rale est une des priorités de “Hi ! Paris” avec un le marketing, la stratégie et la recherche opé- objectif de 150 nouveaux doctorants et nou- rationnelle), la science économique et plus gé- velles doctorantes en IA et sciences des don- néralement aux sciences sociales (par exemple, nées. Dans ce but, des programmes annuels de le droit) et les systèmes scientifiques com- bourses de thèses et de ‘PhD track’ sont mis plexes (par exemple la robotique, les neuros- en place, avec un tout premier appel à candi- ciences,etc..). Les questions fondamentales au- datures dès cette année. tour de l’éthique de l’IA, du biais et de l’expli- « Animation scientifique et événements » : cabilité des algorithmes, de la frugalité et so-

Juillet 2021N o 113 55 briété numériques ou encore plus généralement dans certains cas, ces données peuvent être de l’efficience énergétique des méthodes d’IA, rares ou difficiles à collecter). On sait peut sont également au centre des enjeux des tra- être moins que les méthodes d’apprentissage vaux de recherche menés dans “Hi ! Paris”. profonds ne quantifient pas toujours de fa- L’un des marqueurs forts du focus scienti- çon appropriée l’incertitude de leurs prédic- fique de “Hi ! Paris” est celui de la pluridiscipli- tions (et ont même des difficultés à détecter narité au plus haut niveau, permettant la com- qu’une donnée est “loin” des données d’appren- binaison des expertises complémentaires et re- tissage), qu’ils ne permettent pas “mécanique- connues d’HEC Paris et de l’Institut polytech- ment” d’extraire des représentations “sémanti- nique de Paris. Nous détaillons ci-dessous deux quement” intéressantes, qu’elles posent claire- des axes clés du focus scientifique de “Hi ! Pa- ment le problème d’interprétabilité des modèles ris”. obtenus, etc. Un des objectifs scientifiques est de déve- lopper des théories et des algorithmes qui per- Focus 1 : Apprentissage profond et statis- mettent de dépasser les limites actuelles de tique. La clef des récentes percées de l’IA l’apprentissage profond. est l’émergence d’un apprentissage profond. Les succès de ces méthodes sont prodigieux : des problèmes jugés insolubles il y a 10 ans Calibration et incertitudes. L’objectif ici (comme la traduction automatique, l’analyse est de proposer des méthodes d’apprentissage sémantique de scènes) ont aujourd’hui des so- et d’inférence qui permettent non seulement lutions. de prédire, mais aussi d’évaluer l’incertitude La recherche actuelle sur l’apprentissage des prédictions. Plusieurs approches sont étu- profond est encore majoritairement axée sur diées dans ce cadre. Certaines sont basées sur des approches basées sur les tâches prédictives des approches fréquentistes, le plus souvent exploitant des données d’aprentissage (data utilisant des méthodes de rééchantillonnage, driven) et pour l’essentiel agnostique par rap- comme les méthodes de calibration. D’autres port aux “modèles”. L’émergence de l’appren- utilisent le paradigme bayésien, qui permet de tissage profond a été rendu possible par l’ex- “modéliser” dans un cadre commun l’incerti- plosion du volume des données collectées (ali- tude des modèles (nombre de couches, choix de menté en particulier par la baisse du prix du la topologie des réseaux) et l’incertitude sur les stockage des données), l’augmentation consi- paramètres. Si ces deux approches sont “clas- dérable de la puissance de calcul (avec GPU, siques” lorsque le nombre de paramètres des TPU, parallélisation massive) et la découverte modèles est limité à quelques centaines (le do- de nouvelles architectures de réseaux neuro- maine de la statistique “traditionnelle”), il en naux (réseaux convolutifs, réseaux récurrents, va bien entendu tout autrement quand il faut transformers). passer à l’échelle des “très grands modèles” qui Mais les limites et les inconvénients de sont aujourd’hui communs en IA. Sans par- l’apprentissage profond sont maintenant bien ler des 175 millions de paramètres de certains connus. Les algorithmes actuels ont besoin modèles de langage récents (comme GPT-3), de données extraordinairement volumineuses le million de paramètres n’est plus aujourd’hui et sont extrêmement exigeants en matière de une exception et change complètement la na- puissance de calcul (l’annotation manuelle de ture du problème. Cela oblige à tout repenser données est une tâche longue et coûteuse ; que l’on parle de calibration ou d’incertitudes,

Juillet 2021N o 113 56 d’abandonner les théories et les algorithmes biaise l’inverse de ce processus, qui s’applique classiques qui sont inopérants à ces échelles. de l’entrée à la représentation, en imposant des contraintes “sémantiquement” pertinentes (in- dépendance des facteurs, distribution, causa- Modèles génératifs, ‘few-shot learning’, ap- lité). Les VAEs ont permis d’obtenir des ré- prentissage de représentations. L’inconvé- sultats impressionnants au cours de ces der- nient des approches basées sur l’apprentis- nières années sur la modélisation de données sage profond est que leur entrainement su- complexes telles que des images, la synthèse pervisé requiert de grandes quantités de don- audio et de parole, la robotique et la repré- nées annotées. La possibilité d’utiliser des mé- sentation de scènes 3-D, tâches dans lesquels thodes d’apprentissage profond sur des “pe- les chercheurs de l’Institut Polytechnique de tits” volumes de données est un sujet parti- Paris ont pris toute leur part. L’apprentissage culièrement actif. L’approche la plus classique robuste des VAE reste un défi. L’apprentiss- consiste à apprendre sur une seule tâche glo- sage de chaque VAE requiert des réglages très bale des caractéristiques suffisamment géné- fins (construction de l’evidence lower bound riques pour résoudre la tâche élémentaire cible (ELBO), recuit de l’ELBO, etc.) et une op- (on parle de ‘feature reuse’). L’apprentissage timisation extrêmement coûteuse des hyperpa- “global” d’un réseau est remplacé ici par le ré- ramètres. Ces solutions ne résistent pas aux glage “fin” des dernières couches (fine-tuning) modifications de l’architecture du modèle ou d’un réseau de neurones existant sur les don- de l’ensemble des données. Un objectif impor- nées cibles. Une autre stratégie est d’utili- tant de nos travaux de recherche est de propo- ser le paradigme de méta-apprentissage (meta- ser des algorithmes génériques et robustes, qui learning) qui consiste à apprendre de multiples s’adaptent aux données et aux modèles avec tâches élémentaires à partir de données “ra- une intervention minimale de l’utilisateur. res” et d’utiliser les “abstractions” apprises sur ces tâches “auxiliaires” pour résoudre la tâche cible. Cette approche ouvre de très nombreuses Focus 2 : IA et Société. Les implications de perspectives de recherche à la fois méthodo- l’IA pour le monde des affaires, l’économie et logiques (quels sont les “bonnes” tâches auxi- plus généralement la société sont encore mal liaires, comment faut il les construire ?) et comprises. L’axe thématique IA et société a théoriques (que peuvent apporter des expé- pour objectif d’étudier ces implications. riences auxiliaires sur les mêmes données pour La digitalisation des données et l’accroisse- un problème particulier ?). Dans certains cas, ment de la puissance de calcul disponible pour les données sont abondantes mais les annota- traiter ces données réduit considérablement tions rares (ou inexistantes). Même en l’ab- les coûts d’acquisition d’information. Cette sence d’annotations, ces données permettent évolution se traduit par une utilisation ac- de construire des représentations des données crue des “empreintes” digitales laissées par les par des facteurs latents sémantiquement signi- agents économiques lors de leurs activités (par ficatifs et statistiquement indépendants (disen- exemple, achats sur internet, discussions sur tangled). L’auto-codeur variationnel (VAE) a les forums sociaux, géolocalisation, etc.) à des été développé et largement utilisé. Le VAE im- fins industrielles. Cette évolution pose de nom- pose implicitement une forme implicite de régu- breuses questions étudiées par les chercheurs larisation : en forçant les représentations à être de l’axe IA et société. Par exemple, la collecte significatives pour la génération de données, on de données sur leurs clients par les entreprises

Juillet 2021N o 113 57 leur permet à la fois de mieux personnaliser le elles les décisions des consommateurs et dans service offert à ces clients mais crée un risque quelle mesure ces recommandations leurs sont- de perte de contrôle pour les clients de la confi- elles bénéfiques ? Enfin, si les algorithmes per- dentialité de ces données. Comment arbitrer mettent d’éviter certains biais cognitifs propres au mieux entre ces deux objectifs ? Comment aux humains, ne réintroduisent-ils pas d’autres réglementer au mieux l’utilisation des données biais, liés par exemple à des problème de biais collectées sur les consommateurs ? Par ailleurs, dans les données utilisées par l’algorithme pour la digitalisation des données financières permet développer un modèle prédictif ? Cette ques- aux investisseurs de diversifier leurs sources tion est étudiée notamment dans le cadre des d’information à moindre coût et de mettre en décisions de l’octroi du crédit bancaire. place de nouvelles stratégies d’investissement Le monde du travail est directement af- dans les marchés financiers. Les effets de cette fecté par les technologie digitales. Une des re- évolution sur le fonctionnement de ces marchés cherches de l’axe IA et société porte sur les et leur impact sur l’économie est un autre sujet déterminants de la sensibilité des salariés au d’étude de l’axe IA et société. Enfin, l’IA peut stress technologique (ou “technostress”) et no- être utilisée par les fonds de capital-risque ou tamment le rôle des traits de personnalité dans de private equity de manière à mieux prédire le cette sensibilité. Les techniques de l’IA per- potentiel de succès de nouveaux projets entre- mettent également d’analyser plus finalement preneuriaux et déterminer de manière plus effi- la façon dont les tâches sont allouées à un sa- cace l’allocation de capital à ces projets. Plu- larié (par exemple séquentiellement ou simulta- sieurs équipes étudient la façon dont les tech- nément) et affectent sa performance. Il s’agit niques de l’IA peuvent être utilisées à cette fin là encore d’un autre exemple du type de re- et l’impact de cette évolution sur l’industrie du cherche mené dans l’axe IA et société. capital-risque. La digitalisation de nos économies af- Par ailleurs, l’IA permet d’automatiser un fecte également les systèmes de paiements grand nombre de décisions prises par des hu- et la monnaie. Notamment, nous assistons à mains ou tout au moins de leur fournir des ou- l’émergence de monnaies digitales ou “crypto- tils d’aide à la décision. Cette évolution pose monnaie” (le Bitcoin, l’Ethereum etc. . . ), qui également de nombreuses questions abordées échappent au contrôle des “producteurs” tra- par les chercheurs de l’axe IA et société. Par ditionnels de monnaie (les banques centrales). exemple, plusieurs travaux ont montré expéri- Le développement de ces monnaies est étroite- mentalement que les humains avaient tendance ment lié à la technologie “blockchain”, qui per- à mettre plus de poids dans leur décision sur les met aux utilisateurs de monnaies digitales de recommandations fournies par des algorithmes remplacer les “tiers de confiance” traditionnels que celles fournies par des humains. Mais dans pour valider et enregistrer le transfert de pro- quelle mesure cet effet dépend-t-il des infor- priété. Ces évolutions génèrent des questions mations fournies sur les performances (par économiques nouvelles, à la fois sur la notion exemple son pouvoir prédictif) de l’algorithme de monnaie, la viabilité de la technologie blo- et plus généralement son fonctionnement (na- ckchain et les risques potentiels associés aux ture des informations données à l’algorithme, crypto-monnaies. etc.) ? Par ailleurs, dans quelle mesure les re- Enfin, les techniques de l’IA ouvrent de commandations effectuées par des robots (par nouvelles perspectives dans le domaine du droit exemple, des conseillers en ligne) influencent- et de la réglementation du monde des affaires,

Juillet 2021N o 113 58 en permettant par exemple d’automatiser la plexité d’une affaire. Par ailleurs, une équipe de fouille systématique de documents juridiques chercheurs utilise les technique de traitement et plus généralement avec la mise en place de du langage naturel pour mesurer la complexité ‘smart contracts’. Ainsi, dans le cadre d’un pro- des textes réglementaires et étudier dans quelle jet pluridisciplinaire impliquant des chercheurs mesure cette complexité s’est accrue au cours d’HEC et d’IP Paris, la Cour de cassation du temps. Ce type d’approche doit permettre va ainsi mettre à disposition des chercheurs de mieux cerner l’arbitrage qui existe entre les des pièces de procédure et arrêts, préalable- gains associés à des textes réglementaires plus ment pseudonymisés, afin d’identifier les argu- complexes (par exemple en matière de gestion ments et les questions juridiques, les connexi- des risques bancaires) et le coûts de compliance tés, et tenter d’objectiver la notion de com- associés.

Juillet 2021N o 113 59 Alliance humAIn en Hauts-de-France

Clarisse DHAENENS Sébastien KONIECZNY Stéphane LECOEUCHE Christophe LECOUTRE Alliance humAIn René MANDIAU www.alliance-humain.fr Philippe PERNOD Denis POSTEL Mireille RÉGNIER Sébastien VEREL [email protected]

Présentation générale de l’alliance hu- L’alliance humAIn s’est donnée plusieurs mAIn ambitions en termes d’animation scientifique, de synergies entre recherche et entreprise et Les acteurs académiques régionaux des de propositions nouvelles en formation. Hauts-de-France ont décidé de se regrouper pour structurer et dynamiser la recherche en Concernant l’animation scientifique, des sé- intelligence artificielle menée en région. L’al- minaires réguliers sont organisés depuis le sémi- liance ainsi constituée, appelée humAIn, intègre naire inaugural de l’alliance en février 2019. Ils une recherche interdisciplinaire s’appuyant sur abordent les thématiques phares de l’alliance : l’ensemble des laboratoires de recherche de la interaction entre IA et Sciences Humaines et région. sociales ; IA et santé, en collaboration avec le CHU de Lille ; IA et retail avec la participa- L’objectif est de renforcer l’attractivité de tion d’entreprises et de pôles régionaux ; IA l’IA : en stimulant une recherche d’excellence et l’industrie du futur, en collaboration avec en IA, en renforçant les liens entre la re- la mission Rev3 en Hauts-de-France. Chacun cherche et les entreprises, et en développant de ces séminaires est l’occasion de rencontres des parcours d’excellence en formation initiale et d’échanges des différentes communautés et et continue. permet ainsi d’aborder les enjeux et les projets L’alliance vise le développement d’une IA par une approche interdisciplinaire. au service de l’humain. Elle doit donc pouvoir interagir avec lui, avec un accent particulier L’Alliance humAIn est également membre autour de l’explicabilité, et être responsable, de la “cité de l’IA”. Ce hub d’entreprises créé en c.à.d. être acceptable et utile pour la société. région à l’initiative du Medef Lille Métropole a Les axes scientifiques de l’alliance sont définis pour vocation de développer les synergies et les dans ce sens. coopérations autour de l’IA. Pour favoriser un décloisonnement entre entrepreneurs et univer- sitaires, l’Alliance a présenté à un panel d’en- Les ambitions de l’alliance . treprises de la région des ‘success-story’ de col-

Juillet 2021N o 113 60 laborations entre laboratoires de recherche et nissant des explications et des justifications in- entreprises sur des problématiques d’IA. Sa par- telligibles. La problématique de la confiance et ticipation à une ‘learning expedition’ en Israël plus généralement les problèmes éthiques sont organisée par le Medef a permis une meilleure également abordés dans le développement de connaissance mutuelle. Les membres de l’al- ces recherches au “coeur de l’IA”. liance HumAIn contribuent ainsi à l’écriture Le transfert vers d’autres disciplines se fait d’un livre blanc à destination des entreprises en priorité via deux domaines d’application, qui désireuses d’innover par la mise en place de sont des préoccupations majeures au niveau in- projets en IA. Enfin, l’alliance contribue à la ternational et des points forts et caractéris- réflexion de la mission Rev3 sur les industries tiques de la région des Hauts-de-France. du futur. Le premier domaine concerne la santé, en Concernant la formation, plusieurs nou- partenariat étroit avec le CHU de Lille. Les pro- velles formations ont vu le jour. Ce sont des blématiques sont liées à l’analyse de données formations initiales (master ‘data science’, par de santé : par exemple, l’analyse du parcours exemple) ou des formations à destination des patients [11] et la problématique du parcours professionnels (Certification chef de projet en de soins personnalisé, l’optimisation du pool- intelligence artificielle). Les membres de l’al- testing dans le cadre de la pandémie COVID- liance contribuent également à l’adaptation des 19 [1], le pré-diagnostic du cancer du poumon contenus dans les domaines des sciences de avec des méthodes non-invasives [10]. l’ingénieur et des sciences humaines et sociales, Le second domaine concerne le “retail”, pour lesquels l’IA transforme les métiers. Ces c’est à dire la distribution, la logistique et la actions autour de la formation sont parfois por- gestion de la relation client, particulièrement tées par plusieurs établissements, qui ont choisi représentées en région. Développer une voie de de mobiliser conjointement leurs forces sur le consommation personnalisée innovante et opti- sujet. miser les chaines d’approvisionnement du four- nisseur au client en s’appuyant sur l’IA sont des défis actuels pour être compétitif vis-à-vis des Axes scientifiques de l’alliance Dans l’avan- grands acteurs internationaux. cée vers une IA responsable, acceptable et utile Ces domaines d’applications ont vocation à pour les concitoyens, deux grands axes de re- être complétés. Dans la dynamique de l’alliance cherche complémentaires prédominent au sein humAIn et sa visibilité grandissante, de nom- de l’alliance. D’une part la dynamisation d’une breux projets interdisciplinaires sont en cours recherche d’excellence sur “le coeur de l’IA” de création, notamment avec les SHS. avec un focus sur l’explicabilité et l’accepta- bilité, et d’autre part, le transfert vers d’autres disciplines et domaines [7]. Quelques succès de l’alliance L’alliance hu- Pour traiter l’acceptabilité au sein des mé- mAIn bénéficie du soutien d’un certain nombre thodes d’IA, humAIn a pour objectif d’intégrer de programmes nationaux et régionaux. Elle a des approches provenant des deux branches obtenu en particulier 6 chaires IA dans le cadre principales de l’IA que sont l’apprentissage de la stratégie nationale de recherche en IA, automatique et le raisonnement symbolique. sur les thèmes suivants : Cette intégration permet de concevoir des “sys- -‘ Responsible AI ’ (Nathalie NEVEJANS) tèmes mixtes” qui exploitent les performances -‘ Belief change for better multi-source infor- de l’apprentissage automatique, tout en four- mation analysis’ (Sébastien KONIECZNY)

Juillet 2021N o 113 61 -‘ Propositional reasoning for large-scale op- ainsi les travaux en IA vers les domaines d’ap- timization. application to clean energy mo- plication. bility issues’ (Chu Min LI) La région Hauts-de-France soutient forte- -‘ Explainable artificial intelligence : a know- ment la thématique de l’IA en participant au ledge compilation Foundation’ (Pierre co-financement des chaires obtenues par les MARQUIS) membres de l’alliance et des thèses soutenues -‘ Fast inference with controlled uncertainty : par l’ANR. application to astrophysical observations’ Enfin, la déclinaison lilloise, le projet hu- (Pierre CHAINAIS) mAIn@Lille, est au coeur de la stratégie de -‘ Bayesian learning of expensive models, with l’ISIte ULNE, dans son cluster de recherche “un applications to cell biology’ (Remi BARDE- Monde numérique au service de l’humain”, avec NET) a également le soutien de la Métropole Euro- péenne de Lille (MEL). Notons que Remi BARDENET, porteur d’une chaire, a également obtenu une ‘ERC starting grant’ sur le sujet ‘Fast Monte Carlo inte- Focus scientifique sur ‘Privacy’ gration with repulsive processes’ [3] et qu’il a La protection des données privées est de- été récompensé cette année par la médaille de venue un critère incontournable d’acceptabilité bronze du CNRS. de l’IA. Elle est exigée dans de nombreux pro- L’alliance a également obtenu 35 finance- cessus collaboratifs, comme les décisions à plu- ments de thèse en intelligence artificielle dans sieurs ou les partages de données médicales. le cadre de l’appel ANR, déployés sur 4 pro- Des équipes de humAIn développent cette pro- grammes. tection des données en ‘Machine Learning’ dé- centralisé (DML). DML permet aux différentes - AI_Engineering_PhD@Lille, avec Centrale entités de collaborer dans l’entrainement d’un Lille, ENSAIT et Yncréa, sur le développe- modèle de ML tout en gardant leurs données ment de l’IA pour l’innovation dans les do- décentralisées. maines de l’ingénierie : industrie 4.0, agri- Le LAMIH/ UPHF traitent de probléma- culture, santé, énergie, ville intelligente ou tiques de raisonnements distribués, où chaque transports ; entité est considérée comme un agent utili- - AI_PhD@Lille, avec Université de Lille et taire. Cet agent tente d’évaluer la situation lors Inria, autour des défis de l’acceptabilité de d’échanges de négociation d’un accord, avec la l’IA, tant sur les contributions au coeur de possibilité de poursuivre ou stopper la négocia- l’IA que dans les domaines d’application ; tion. Il est classique de souhaiter cacher cer- - AI@IMT, avec IMT Lille Douai, autour des taines informations dites “locales” aux interlo- grandes transitions (numérique, industrielle, cuteurs. Les motivations en sont multiples. Par énergétique, écologique) et des besoins prio- exemple, dans le choix d’une date de réunion, ritaires de l’industrie et de la société ; une indisponibilité peut relever de contraintes - VIVAH, avec Université d’Artois, sur la personnelles que l’agent souhaite garder pri- conception de systèmes d’IA intelligibles, la vées. Le garantir est un enjeu primordial.[9]. “chimie verte” et dans une recherche inter- Leur modèle utilitaire d’agents a été évalué sur disciplinaire intégrant les sciences sociales. différents benchmarks tels que des emplois du Une grande partie de ces financements sont dé- temps distribué, des problèmes de coloration de diés à des thèses interdisciplinaires, transférant graphes, etc.

Juillet 2021N o 113 62 Dans le domaine médical, le calcul fédéré centrée sur l’humain [8]. Juriste à l’Université permet à chaque institution de conserver ses d’Artois, classée en 2018 parmi les « Cent fran- données localement et de ne partager que des çais qui comptent en intelligence artificielle » statistiques agrégées sommaires ou des mises à par la revue « L’Usine nouvelle » , Nathalie NE- jour des modèles. Les algorithmes d’apprentis- VEJANS porte la chaire « IA responsable » qui sage décentralisés doivent prendre en compte comporte trois axes de travail : l’hétérogénéité des données, les contraintes de - Axe « Santé & Médecine du futur ». Le dé- confidentialité et les contraintes de communi- ploiement des technologies en santé doit af- cation. Sous des contraintes de confidentialité fronter des freins juridiques et éthiques, qui riches, le compromis le meilleur est recherché font obstacle à une pleine confiance dans entre la garantie de confidentialité des données ces outils par les professionnels de santé et et l’utilité du résultat. les patients. Flamed est une collaboration pluridiscipli- - Axe « Industrie 4.0 & Systèmes de pro- naire développant des outils logiciel de DML duction innovants ». L’industrie 4.0 pose pour traiter les données médicales de plusieurs des questions juridiques et éthiques rare- centres hospitaliers (CHU Lille, Amiens, Caen ment évoquées. Il convient par exemple, et Rouen). d’un point de vue juridique, de mesurer les conséquences sur la relation en mutation Focus scientifique sur SHS avec les fournisseurs et les clients. Se pose Une partie remarquable de la recherche en également, d’un point de vue éthique, la IA menée au sein de l’alliance porte sur les question du devenir du travail ainsi que celle sciences humaines et sociales (SHS). de la place de l’humain dans un techno- En effet, les réflexions actuelles sur la pé- système dédié aux machines. rennité du paradigme de l’IA impliquent direc- - Axe « Administration 2.0 & Territoires intel- tement les sciences humaines et sociales. Il ligents ». Le développement du numérique s’agit de définir ces nouvelles formes d’intel- et de l’intelligence artificielle a impulsé le ligence, d’explorer, dans une perspective épis- déploiement d’une administration moderni- témologique et historique, l’émergence de ces sée en accord avec les attentes des citoyens interactions entre intelligence humaine et IA et, et les besoins des collectivités. Un tel uni- enfin, de proposer des solutions pratiques aux vers technologique interroge toutefois quant questions sur les conditions d’acceptabilité et à l’impact environnemental, la sécurité et sur la durabilité éthique, sociale et économique la santé de l’humain, notamment en cas de de ce nouveau paradigme dominant. faille de sécurité. Sur le plan éthique, ce sont De fait, les impacts de l’IA soulèvent une les questions essentielles de la surveillance foule de questions qui relèvent de l’écono- généralisée de l’humain qui se posent. mie et des sciences sociales, en particulier le De manière complémentaire, le CERAPS droit, l’éthique et la sociologie. Ainsi, dans le (ULille, CNRS, Sciences-Po Lille), explore, contexte de l’“humanité renforcée”, les choix dans un contexte juridique, les défis posés par des systèmes autonomes soulèvent des ques- les dispositifs robotiques dotés d’une Intelli- tions éthiques inséparables de problématiques gence Artificielle dans le domaine de la Santé. juridiques de responsabilité. Les conséquences, de la conception à l’évalua- On citera les travaux de Nathalie NEVE- tion, et les évolutions potentielles sont évaluées JANS sur le développement d’une éthique en IA à l’aune des droits français et européen. Ce

Juillet 2021N o 113 63 type de questionnement renvoie à des déve- tier [6], et l’animation de piétons virtuels. loppements importants de la réflexion sociolo- gique contemporaine : quelles sont les nouvelles Références formes de travail et quel est le modèle écono- [1] Tifaout Almeftah, Luce Brotcorne, Diego mique si l’homme n’est plus considéré comme Cattaruzza, Bernard Fortz, Kaba Keita, la force productive dominante ? Une réflexion Martine Labbé, Maxime Ogier, and Frédé- sur l’impact de l’IA sur les organisations est ric Semet. Group design in group testing par exemple menée dans la thèse « Intelligence for covid-19 : A french case-study. arXiv artificielle et dynamiques des organisations » au preprint arXiv :2011.06927, 2020. sein du CLERSE (ULille, CNRS). Les SHS sont un thème privilégié des nom- [2] Flavien Balbo, Emmanuel Adam, and breuses collaborations interdisciplinaires entre René Mandiau. Positionnement des sys- les laboratoires et sites de l’alliance. Plusieurs tèmes multi-agents pour les systèmes de contrats doctoraux en IA visent à renforcer ce transport intelligents. Rev. d’Intelligence type de coopération. Par exemple : Artif., Hermes, 30(3) :299–327, 2016. - le développement d’approches “légères” [3] Ayoub Belhadji, Rémi Bardenet, and pour le maintien à domicile des personnes Pierre Chainais. Kernel interpolation with âgées, continuous volume sampling. In Interna- - l’utilisation de l’argumentation formelle tional Conference on Machine Learning, pour le raisonnement légal. pages 725–735. PMLR, 2020. [4] Guillaume Desquesnes, Guillaume Lozen- Focus scientifique sur Ingénierie guez, Arnaud Doniec, and Eric Duviella. Le domaine des transports est l’objet de Vers une distribution des MDP à grande nombreux travaux au laboratoire (LAMIH UMR échelle : étude de cas des voies navigables. CNRS 8201) de l’Université Polytechnique Rev. d’Intelligence Artif., 31(1-2) :183– Hauts-de-France (UPHF). Ces travaux uti- 205, 2017. lisent principalement les systèmes multi-agents [5] Jilles Steeve Dibangoye, Arnaud Doniec, pour simuler, voire reproduire, des systèmes de Hicham Fakham, Frédéric Colas, and Xa- transport intelligents (ITS), considérés comme vier Guillaud. Distributed economic dis- une application complexe [2]. L’approche com- patch of embedded generation in smart portementale centrée agent prend ainsi en grids. Eng. Appl. Artif. Intell., 44 :64–78, compte une modélisation plus fine, laquelle est 2015. basée sur des raisonnements locaux. Le ver- rou scientifique consiste à garantir une cohé- [6] Z. Guessoum F. Ksontini, R. Mandiau and rence globale du trafic dans son ensemble mal- S. Espié. Affordance-based agent mo- Autono- gré cette vision locale de chaque entité active. del for road traffic simulation. mous Agents and Multi-Agent Systems La prise en compte d’une plus large variété de , comportements de conduite se fait dans des en- 29(5) :821–849, 2015. vironnements enrichis par des bases de données [7] Pierre Gratier, Jérôme Pety, Emeric Bron, géographiques. Bien avant les années 2000, Antoine Roueff, Jan H Orkisz, Maryvonne le thème multi-agent s’est donc intéressé aux Gerin, Victor de Souza Magalhaes, Ma- contextes urbains et peri-urbains, par exemple thilde Gaudel, Maxime Vono, Sébastien la régulation de bus, la simulation de trafic rou- Bardeau, et al. Quantitative inference of

Juillet 2021N o 113 64 the h2 column densities from 3 mm mole- constraint reasoning. Ann. Math. Artif. cular emission : case study towards orion Intell., 88(7) :691–715, 2020. b. Astronomy & Astrophysics, 645 :A27, [10] Sara Tari, Lucien Mousin, Julie Jacques, 2021. Marie-Eléonore Kessaci, and Laetitia [8] Shane O’Sullivan, Nathalie Nevejans, Co- Jourdan. Impact of the discretization of lin Allen, Andrew Blyth, Simon Leonard, vocs for cancer prediction using a multi- Ugo Pagallo, Katharina Holzinger, An- objective algorithm. In Ilias S. Kotsireas dreas Holzinger, Mohammed Imran Sa- and Panos M. Pardalos, editors, Learning jid, and Hutan Ashrafian. Legal, regu- and Intelligent Optimization - 14th Inter- latory, and ethical frameworks for deve- national Conference, LION 14, Athens, lopment of standards in artificial intelli- Greece, May 24-28, 2020, Revised Se- gence (ai) and autonomous robotic sur- lected Papers, volume 12096 of Lecture gery. The International Journal of Medical Notes in Computer Science, pages 151– Robotics and Computer Assisted Surgery, 157. Springer, 2020. 15(1) :e1968, 2019. [11] Maxence Vandromme, Julie Jacques, Ju- [9] Julien Savaux, Julien Vion, Sylvain Pie- lien Taillard, Laetitia Jourdan, and Cla- chowiak, René Mandiau, Toshihiro Mat- risse Dhaenens. A biclustering method sui, Katsutoshi Hirayama, Makoto Yo- for heterogeneous and temporal medical koo, Shakre Elmane, and Marius Silaghi. data. IEEE Transactions on Knowledge Privacy stochastic games in distributed and Data Engineering, 2020.

Juillet 2021N o 113 65 La Région Grand-Est : Intelligences Artificielles & Algorithmiques

Bruno LEVY Inria Nancy Grand Est [email protected]

La Région Grand-Est est riche d’un écosys- également de creuser le sillon des approches tème de recherche et d’enseignement, original symboliques plus anciennes, ce dernier restant et varié, comportant plusieurs grands labora- source de résultats scientifiques et technolo- toires d’informatique (LORIA à Nancy, ICube giques importants : à Strasbourg) et de mathématiques (IECL à Nancy, IRMA à Strasbourg). L’écosystème est - Systèmes symboliques et formels, preuves renforcé par la présence des EPST (CNRS de programme : le LORIA a une expertise re- et Inria). La politique de site est portée par connue dans ces disciplines. Cette approche les Universités (Université de Lorraine / I- symbolique permet par exemple d’analyser Site Lorraine Université d’Excellence et Uni- des protocoles de sécurité pour prouver la versité de Strasbourg / IDEX), qui struc- présence ou l’absence de failles ; turent et animent la communauté scientifique - Statistiques et analyse des données : des grâce à différents dispositifs (“projets Impact” équipes de l’IECL développent de nouveaux de l’Université de Lorraine et “Institut Thé- outils statistiques et les appliques a diffé- matiques Interdisciplinaires” de l’Université de rents types de données (génétiques, épi- Strasbourg). Les sciences et technologies du démiologiques, météorologiques, astrophy- numérique sont de plus en plus amenées à sique . . .) ; jouer un rôle dans de nombreux domaines, - Traitement automatique des langues : plu- et des découvertes importantes sont suscep- sieurs équipes du LORIA travaillent à l’ana- tibles d’émerger à la frontière de plusieurs dis- lyse et à la synthèse de texte. L’analyse de ciplines. L’explosion de la puissance ce calcul textes permettant par exemple de détec- et de l’abondance des données ont amené en ter des pathologies (schizophrénie) à partir région de nouvelles thématiques de recherche, de la structure du discours. La synthèse de principalement autour de thèmes typiquement textes permet par exemple de générer auto- liés à l’IA, s’appuyant sur une expertise histo- matiquement des résumés ; rique solide sur des fondations mathématiques - La combinaison entre des approches clas- et algorithmiques exploitables en IA. L’intelli- siques de traitement du signal et des ap- gence artificielle peut être considérée comme proches de type ‘deep learning’ permettent des « mathématiques mises en musique par l’in- de développer de nouvelles approches de formatique », avec les mathématiques prises au traitement du signal sonore (réhaussement sens large (à savoir la science des structures, de la parole, séparation de sources ; ce qui revêt également des aspects algorith- - Robotique et vision par ordinateur : ces miques). Forts de leurs équipes de recherche, thématiques sont explorées par des équipes les laboratoires en Région étudient et déve- d’ICube et du LORIA, avec tout un arse- loppent différentes fondations de l’intelligence nal de méthodes différentes. Des applica- artificielle, explorant bien sûr la “nouvelle va- tions médicales sont développées et expéri- gue” des approches numériques de type ‘ma- mentées (coopérations avec l’IHU de Stras- chine learning / deep learning’, et continuant bourg, le CHU de Nancy).

Juillet 2021N o 113 66 D’autre part, la position géographique de la point de vue pratique, elle est à la base d’appli- Région Grand-Est la place au cœur de l’Europe, cations telles que la verbalisation de bases de et facilite la mise en place de partenariats stra- données, le résumé automatique, la simplifica- tégiques avec l’Allemagne, tels que celui signé tion et le paraphrasage de textes. L’objectif de par l’Université de Lorraine et le CISPA (centre XNLG est d’étendre les méthodes neuronales de recherche en cybersécurité), et celui signé existantes, qui sont majoritairement dévelop- par Inria et le DFKI (institut de recherche en pées pour l’anglais, à d’autres langues et à dif- intelligence artificielle). Issus d’une vision com- férents types d’entrées. mune et de la même exigence d’impact expri- Cofinancée par l’ANR (400 000 e), Fa- mée par les partenaires, ces partenariats stra- cebook AI research (200 000 e) et la Ré- tégiques permettent de sélectionner, d’animer gion Grand Est (120 000 e), la chaire ras- et de faire vivre un ensemble de projets coopé- semble 4 doctorants co-encadrés par trois per- ratifs, portés par des chercheurs Allemands et manents de l’équipe SYNALP du LORIA. Les Français, apportant des expertises complémen- premiers résultats obtenus incluent l’organisa- taires (en analyse et en synthèse de textes, en tion en 2020 d’une tâche partagée internatio- productique, en vision par ordinateur . . .). nale sur la génération de texte (en russe et en La suite de cette section réalise un focus anglais) à partir de données du web sémantique rapide sur les trois chaires IA obtenues en ré- — un défi qui a attiré une quinzaine de par- gion Grand Est et sur quelques projets Euro- ticipants dont en particulier, Orange, Google, péens. Les sujets concernent la génération de Huawei et Facebook ; l’organisation d’un work- textes, l’analyse de vidéos pour la chirurgie, shop sur la génération de textes à partir des la sécurité des protocoles et réseaux informa- données du web ; la création d’un cours en ligne tiques, la reconnaissance de la parole, la robo- sur les approches neuronales pour la généra- tique. . . et sont abordés avec des bagages théo- tion de texte et sa présentation à l’école d’hi- riques très différent (approches symboliques, ver ALPS 2021 ; et la présentation comme key- approches numériques, . . .). Ces projets illus- note à la conférence internationale sur la géné- trent la richesse et la diversité des recherches ration de texte d’une nouvelle approche neu- en IA dans la région Grand-Est. ronale permettant de générer d’une représen- tation sémantique abstraite vers 21 langues de Focus sur la Chaire IA de Claire l’Union Européenne. GARDENT (Directrice de Recherche CNRS, LORIA) Focus sur la Chaire IA de Nicolas PA- DOY (Professeur Université de Stras- La chaire « XLNG » portée par Claire bourg, ICUBE & IHU) GARDENT, directrice de recherche CNRS au LORIA (équipe SYNALP), porte sur la géné- Le projet « AI4ORSafety » vise à proposer ration de textes multilingue et multi-source. de nouvelles méthodes d’analyse des vidéos en- L’objectif est de développer des modèles per- doscopiques pour construire un système d’IA mettant de transformer en texte (anglais, fran- au bloc opératoire capable de vérifier automa- çais, russe etc.) des données de différents types tiquement la réalisation de certaines étapes de (base de connaissances, documents, données sécurité. Ce projet s’intéresse à une application tabulaires etc.). D’un point de vue théorique, chirurgicale à fort impact : le contrôle auto- la génération de textes vise à modéliser la ca- matique de la “vue critique de sécurité (VCS)” pacité de l’humain à rédiger un texte. D’un lors de cholécystectomies réalisées sous lapa-

Juillet 2021N o 113 67 roscopie. La VCS est une manoeuvre forte- des contrôles de sécurité dans diverses procé- ment conseillée par les sociétés internationales dures chirurgicales. Nous développons égale- de chirurgie endoscopique pour réduire le taux ment un prototype de démonstration temps- de blessures du système biliaire lors des cho- réel qui sera intégré dans une tour de contrôle lécystectomies. Ces mêmes sociétés soulignent des blocs opératoires à l’IHU Strasbourg. Cette le besoin de nouveaux outils pour faciliter la tour, à l’instar de l’aéronautique, sera en me- réalisation et le déploiement de la VCS, car le sure d’exploiter les données des blocs pour taux de blessures reste 2 fois supérieur à ce- contrôler automatiquement la sécurité et la lui de la même procédure réalisée en chirur- progression des chirurgies. gie ouverte. Avec plus d’un million de cholé- Le projet de chaire « AI4ORSafety » reçoit cystectomies par laparoscopie par an unique- un soutien de l’Université de Strasbourg, de ment aux Etats-Unis, la mise en œuvre correcte l’IHU Strasbourg, et de la région Grand Est. de la VCS correspond à un fort enjeu socio- économique. Nous pensons que l’IA a un rôle Focus sur la Chaire IA de Steve KRE- majeur à jouer dans cette situation. MER (Directeur de Recherche Inria, LORIA) La VCS est une manière de disséquer et vi- sualiser l’anatomie pour s’assurer qu’elle a été Les protocoles cryptographiques sont un correctement identifiée. Notre objectif est donc élément essentiel pour sécurise les communi- de s’assurer à partir de la vidéo que cette étape cations en ligne. En s’appuyant sur des primi- est correctement réalisée. Pour s’attaquer à ce tive cryptographiques, telles que le chiffrement problème, nous avons conçu avec nos collabo- et la signatures numérique, ces protocoles ga- rateurs cliniques un protocole d’évaluation de rantissent des propriétés de sécurité telles que la VCS reposant sur plusieurs critères binaires la confidentialité et l’authenticité. Ces proprié- convenant à une automatisation par l’IA. Nous tés sont les objectifs élémentaires de TLS, générons également un jeu de données multi- le protocole cryptographique le plus largement centrique pour mener à bien le projet et étu- déployé, qui sous-tend toutes les connexions dier la généralisation des approches proposées. ‘https’ sur Internet. De nombreuses applica- Nous développons par ailleurs des méthodes tions modernes peuvent également avoir besoin pour : (1) l’apprentissage auto-supervisé à par- de garantir des propriétés liées à la vie privée tir des vidéos endoscopiques, données où les des utilisateurs, p. ex. l’anonymat et la non- méthodes de vision classiques ont un succès traçabilité des utilisateurs. limité ; (2) la segmentation faiblement super- L’histoire a cependant montré que les pro- visée à partir de clips vidéo, l’anatomie pou- tocoles cryptographiques sont sujets aux er- vant servir non seulement à la prédiction de reurs et des attaquants ont su exploiter de la VCS, mais aussi à l’explication de la prédic- nombreuses failles de conception. La difficulté tion ; et (3) l’attribution d’une note aux clips de concevoir correctement ces protocoles vient vidéos et l’explication de celle-ci, essentielle aux d’une asymétrie inhérente : alors que le concep- systèmes d’IA cliniques. Une contribution ma- teur doit penser à toutes les attaques possibles, jeure est de développer ces méthodes semi- un attaquant n’a besoin de trouver qu’une seule supervisées pour les vidéos endoscopiques, pour faiblesse. Il est difficile pour un humain d’ex- lesquelles les annotations sont difficiles à réa- plorer tous les cas possibles dans une preuve liser et peu de solutions existent. Elles ont un de sécurité : on considère un attaquant ayant fort potentiel à être utilisées en routine pour le contrôle du réseau, capable d’intercepter, de

Juillet 2021N o 113 68 modifier et d’insérer des messages. de sécurité (par exemple, les vaisseaux spatiaux Le but du projet est la conception d’al- ou les centrales nucléaires). Elle est inappro- gorithmes et d’outils efficaces, fondés sur des priée pour les robots autonomes à faible coût techniques de raisonnement automatique, pour car elle repose sur des procédures de diagnos- vérifier l’absence de failles dans ces proto- tic, qui nécessitent des capteurs proprioceptifs coles cryptographiques. Le raisonnement auto- coûteux, et des plans d’urgence, qui ne peuvent matique est le sous-domaine de l’IA visant la pas couvrir toutes les situations possibles qu’un conception d’algorithmes permettant aux or- robot autonome peut rencontrer. Nous soute- dinateurs de raisonner ; ces techniques sous- nons ici que les algorithmes d’apprentissage tendent presque tous les outils modernes de par essai-erreur fournissent une approche al- vérification. Les outils d’analyse actuels ont ce- ternative qui ne nécessite pas de diagnostic, pendant du mal à passer à l’échelle, ou né- ni de plans de contingence prédéfinis. Dans ce cessitent de (trop) simplifier les modèles, lors- projet, nous allons développer et étudier une qu’ils sont appliqués à des protocoles crypto- nouvelle famille de tels algorithmes d’apprentis- graphiques réellement déployés. sage qui permettent aux robots autonomes de Notre objectif est de surmonter ces limi- découvrir rapidement des comportements com- tations : nous concevrons de nouveaux al- pensatoires. Nous jetterons ainsi une nouvelle gorithmes dédiés, intégrerons ces algorithmes lumière sur l’une des questions les plus fonda- dans les outils de vérification et utiliserons les mentales de la robotique : comment un robot outils résultants pour l’analyse de sécurité de peut-il être aussi adaptatif qu’un animal ? Les ces protocoles. Les outils auront une efficacité techniques développées dans ce projet permet- accrue, une meilleure automatisation et une tront d’augmenter substantiellement la durée portée plus large. de vie des robots sans augmenter leur coût et ouvriront de nouvelles voies de recherche pour Exemples de projets Européens en IA, les machines adaptatives. en région Grand-Est Le projet « RESIBOT » (ERC Starting Le projet « COMPRISE » (H2020) - Em- Grant) Jean-Baptiste MOURET (DR Inria manuel VINCENT (DR Inria au LORIA). au LORIA). Le projet « RESIBOT », qui a été Emmanuel VINCENT travaille dans le domaine soutenu par l’ERC (Starting Grant) entre 2015 des technologies vocales. Il s’intéresse à la et 2020, concerne la résilience des robots. Mal- préservation de la vie privée, la réduction du gré plus de 50 ans de recherche en robotique, coût de développement et l’adaptation de ces la plupart des robots existants sont loin d’être technologies à la voix de l’utilisateur et à ses aussi résilients que les animaux les plus simples : besoins, afin d’en faire profiter le plus grand ce sont des machines fragiles qui cessent fa- nombre. Il coordonne le projet H2020 « COM- cilement de fonctionner dans des conditions PRISE » (Cost-effective, Multilingual, Privacy- difficiles. L’objectif de ce projet est de changer driven voice-enabled Services). Emmanuel est radicalement cette situation en fournissant les le responsable scientifique du partenariat entre bases algorithmiques pour des robots à faible Inria et le Centre Allemand de Recherche en coût qui peuvent récupérer de manière auto- IA (DFKI), qui ont signé le 22 janvier 2020 nome des dommages imprévus en quelques un protocole de coopération à l’occasion du minutes. L’approche actuelle de la tolérance premier anniversaire de la signature du Traité aux pannes est héritée des systèmes critiques d’Aix-la-Chapelle. Fondé sur les valeurs com-

Juillet 2021N o 113 69 munes d’Inria et du DFKI, ce partenariat per- curité de l’Internet industriel des objets ; la met d’établir une stratégie commune pour l’IA supervision d’infrastructures à base de drones et de faire émerger des projets ambitieux dans ainsi que la distribution de contenus pour l’info- les domaines de l’IA de confiance, l’IA frugale, divertissement pour les passagers des avions. la collaboration homme-machine et les syner- Plus spécifiquement, ce projet vise à définir gies entre IA et simulation numérique. Les ap- des méthodes permettant la ré-utilisabilité des plications concernent les secteurs de l’industrie algorithmes d’IA tout en assurant leur fiabilité du futur, la santé, l’agriculture, les technologies et leur sécurité. En effet, le projet prévoit d’au- grand public et les transports, entre autres. Le tomatiser la composition et le déploiement de protocole d’accord relève également d’un en- services d’IA à la volée fournis au sein d’une gagement fort et commun auprès de CLAIRE infrastructure de type ‘edge’ ou ‘fog compu- (Confédération des laboratoires de recherche ting’. Dans ce cadre, les différents types de en intelligence artificielle en Europe) afin d’unir ressources réseaux ou de calculs sont mutuali- la recherche et l’innovation en IA en Europe sées et orchestrées de façon conjointe afin de autour une approche centrée sur l’humain et garantir un haut niveau de performance. Ainsi, sur la souveraineté numérique de l’espace eu- l’infrastructure sera largement distribuée et dé- ropéen. centralisée. L’équipe RESIST d’Inria sera notamment Le projet « AI@Edge » (H2020) – Jé- en charge de développer un module de géné- rome FRANÇOIS (CR Inria, LORIA). Dans ration automatique de jeux de données pour le cadre de l’appel à projet H2020 ICT-52, le évaluer la capacité des algorithmes d’IA à être projet « AI@EDGE » coordonné par FBK (Fon- applicable dans des contextes différents et plus dazione Bruno Kessler, Italie) a été sélectionné dynamiques et ainsi mesurer leur fiabilité à plus et regroupe 19 partenaires européens dont In- large échelle. De plus, l’équipe s’intéressera ria. Grâce à des techniques de l’intelligence ar- à l’usage de l’apprentissage par renforcement tificielle, son objectif est d’automatiser la créa- pour le déploiement et la reconfiguration auto- tion et le management de services réseaux pour matique de contre-mesures face à des attaques différents cas d’utilisations : la perception col- dans les réseaux de l’Internet industriel des ob- laborative dans les réseaux véhiculaires ; la sé- jets.

Juillet 2021N o 113 70 Rennes - une IA souveraine au service de la vie publique

IRISA & Inria Rennes Breatagne Atlantique Guillaume GRAVIER CNRS [email protected] Élisa FROMONT Université de Rennes 1 [email protected] Nicolas COURTY Université Bretagne Sud [email protected] Teddy FURON Inria [email protected] Christine GUILLEMOT Inria [email protected] Paolo ROBUFFO GIORDANO CNRS paolo.robuff[email protected]

Présentation générale du site l’IRT b<>com participe à cette dynamique, no- tamment au travers de sa plateforme boostAI Le site de Rennes a de longue date dé- pour faciliter la pénétration des technologies de veloppé une expertise large sur tous les do- l’IA dans les entreprises, épaulé par le pôle de maines de l’IA appliqué à l’analyse de don- compétivité « Images & Réseaux » à l’interface nées variées, notamment signaux et images. entre recherche et innovation. Les activités de recherche en IA du site s’ap- puient sur l’ensemble des établissements d’en- Sur le plan académique, on recense sur le seignement supérieur et de recherche et des or- bassin rennais environ 250 chercheuses et cher- ganismes de recherche, notamment le CNRS cheurs ayant une activité de recherche en lien et Inria. Les recherches en IA s’articulent au- avec l’IA, couvrant l’ensemble des thèmes du tour des laboratoires en mathématiques, infor- domaine et de nombreuses applications. Cela matique, traitement du signal et de l’image recouvre notamment les fondements mathé- du pôle Mathématique-Numérique de l’Univer- matiques de l’apprentissage automatique, la sité de Rennes 1, fédérant les établissements modélisation des données et le raisonnement au sein des UMR, et du centre Inria Rennes- logique, jusqu’à l’intégration de l’IA pour la ro- Bretagne Atlantique, associés à des labora- botique, la perception et la vision, le traitement toires clés dans le domaine des sciences hu- du langage naturel, la science des données, les maines et sociales comme le droit, la psycholo- IHM et environnements immersifs, les systèmes gie comportementale ou encore les sciences de distribués et l’architecture (accélération maté- l’éducation. Le laboratoire d’excellence Comin- rielle). La diversité des aspects de l’IA couverts Labs permet de renforcer les synergies entre par la recherche à Rennes, avec une compé- unités de recherche et champs disciplinaires, tence forte sur les données, les signaux et les notamment au travers de ces axes « Données, images, et l’ancrage historique sur une palette IA et robotique », « IA pour l’éducation » et de domaines d’application où l’analyse des don- « TIC pour la médecine de précision ». Enfin, nées et des contenus joue un rôle prépondérant

Juillet 2021N o 113 71 — e.g., santé, environnement, divertissement mations ; etc. — donnent sa coloration aux spécificités du site. Les chaires de recherche financée dans le cadre du plan national IA, dont les objectifs Le projet porté par Rennes vise à dévelop- sont succinctement décrits ci-dessous, s’ins- per, expérimenter et promouvoir une techno- crivent pleinement dans ces thématiques : la logie d’IA souveraine au service de la vie pu- chaire de Teddy FURON contribue à la thé- blique, avec des applications dans des secteurs matique défense et sécurité ; celle de Christine critiques. Dans ce contexte, le site de Rennes GUILLEMOT émarge à la thématique éduca- développe une recherche fondamentale sur le tion, culture et divertissement ; celle de Nicolas coeur méthodologique de l’IA et sur son inté- COURTY est centrée sur la thématique d’amé- gration au service de quatre grandes théma- nagement du territoire, avec des applications tiques phares : directes dans le domaine de la défense ; en- - Défense et la sécurité, avec un accent sur fin, la chaire de Paolo ROBUFFO GIORDANO l’apprentissage automatique et la fouille de trouve facilement des applications dans les do- données pour la cybersécurité : détection maines de la défense et de la santé. De manière des cyberattaques ; protection des systèmes similaire, les projets financées dans le cadre du fondés sur l’IA contre les attaques ; détec- LABEX CominLabs s’inscrivent pour la plupart tion des signaux faibles dans les données de sur ces thématiques. On citera par exemple des renseignement ; lutte contre l’influence nu- projets fondamentaux sur l’apprentissage dyna- mérique ; etc. mique (DynaLearn), des projets sur IA et santé, - Santé, avec un accent sur les données de e.g., l’analyse de données cliniques (BigClin) ou santé, notamment images, et l’analyse pré- encore la gestion personnalisée des traitements dictive : prédiction à partir des données de (Predictive), des projets en e-éducation impli- l’assurance maladie et de la sécurité sociale ; quant la reconnaissance des formes pour l’ap- diagnostic à l’aide de l’imagerie médicale et prentissage sur tablette interactive (eFIL) ou de l’analyse des données ; coordination et dans le domaine du patrimoine et de la culture sécurisation des parcours des patients ; in- sur l’exploration d’archives de presse (LIMAH). terprétation des signaux pour la rééduca- Ces deux derniers projets, eFIL et LIMAH, tion ; etc. illustrent aussi l’approche pluridisciplinaire que - Aménagement du territoire et des villes, nous nous efforcons de développer, alliant au avec un accent sur les environnements in- sein de projets des contributions en IA et en telligents pilotés par les données : organi- science humaines et sociales. Le premier al- ser la mobilité à partir de données urbaines lie chercheurs en analyse de documents et en hétérogènes ; optimiser l’accès à l’énergie, psychologie comportementale, le second com- à l’eau ou aux réseaux ; surveiller l’environ- binant traitement automatique des langues, nement et s’adapter au changement clima- droit, psychologie et sociologie. tique ; etc. Les travaux académiques en IA s’appuient - Éducation, culture et divertissement, avec sur des partenariats solides, notamment avec un accent sur l’interprétation du signal, de les pouvoirs publics et collectivités, pour déve- l’image et du langage : démocratiser l’ac- lopper un terrain d’expérimentation à grande cès à des biens culturels riches ; numériser échelle des technologies de l’IA. Le CHU de l’éducation à l’écriture et aux compétences Rennes est bien sûr fortement impliqué dans linguistiques ; garantir la fiabilité des infor- cette dynamique, contribuant directement aux

Juillet 2021N o 113 72 recherches et expérimentations sur la théma- qui viennent nourrir la recherche, souvent à la tique santé. La proximité du centre de la DGA frontière entre disciplines. C’est aussi cet enjeu « Maîtrise de l’Information », concentrant une d’articulation entre les disciplines, de mise en grande partie des activités en cybersécurité et synergie des savoirs et des pratiques, qui gou- en IA de la DGA et en lien direct avec les verne la recherche en IA sur le site de Rennes. entreprises de la défense, et les liens partena- riaux entre les acteurs académiques et DGA MI Chaire de hristine GUILLEMOT : « mé- ouvrent des perspectives directes d’application thodes d’apprentissage pour l’imagerie dans ce domaine. Rennes Métropole est par computationnelle » ailleurs particulièrement en pointe dans la ville intelligente, avec des expériences de citoyen- L’imagerie numérique et computationnelle neté participative, un projet européen d’en- est au cœur d’un très grand nombre d’ap- vergure sur l’ouverture des données publiques plications. Les nouvelles modalités d’imagerie, (Rennes Urban Data Interface). Ce dernier par- comme les champs de lumière ou l’imagerie tenariat se traduit notamment par la chaire de omni-directionnelle, ouvrent de nouvelles pers- la fondation Rennes 1 « Mobilité dans une ville pectives en photographie computationnelle, en durable » sur la collecte, la diffusion et l’ex- réalité augmentée, mais aussi pour la vidéo- ploitation de données ouvertes qui allie acteurs surveillance, en raison de leur potentiel pour la académiques, entreprises (Enedis, Keolis) et la compréhension de scènes, la reconnaissance de métropole. visages, ou l’analyse de gestes. Ces modalités d’imagerie trouvent également des applications Au-delà des acteurs publics, de nombreuses dans les sciences de la vie, par exemple en mi- entreprises participent à la recherche et l’in- croscopie par champ lumineux, ou en imagerie novation en IA, avec une implantation histo- médicale. L’acquisition et l’utilisation de telles rique d’acteurs majeurs dans le domaine des modalités d’images posent toutefois de nou- télécommunications comme Orange, InterDigi- veaux défis liés aux limitations technologiques tal, TDF ou Thales, mais aussi de nombreuses des capteurs, ou des dispositifs optiques. Ces li- PME dans le domaine de l’IA, de la donnée mitations se traduisent par la présence de bruit, et de l’aide à la décision. Le pôle de compéti- de défauts de flous dus à la résolution limitée vité « Images & Réseaux » joue un rôle majeur des capteurs, ou encore aux aberrations géo- dans la fertilisation croisée entre la recherche métriques ou optiques du système d’acquisi- fondamentale et appliquée et l’innovation avec tion. Un autre défi pour leur utilisation dans l’accompagnement de projets d’innovation. des applications réelles concerne la très grande La projet de site revendique pleinement son dimension de ces données. positionnement sur le développement de l’IA au Les méthodes de représentations parcimo- service de la vie publique, s’appuyant sur une nieuses et de faible rang ont été, pendant recherche académique fondamentale et appli- des décennies, au cœur de la réduction de quée en IA pour venir nourrir des projets d’ex- dimensionalité des données, et de la résolu- périmentation à grande échelle en lien avec tion des problèmes inverses en imagerie 2D, les collectivités et les acteurs privées. Au-delà comme le dé-bruitage, le dé-floutage, la super- des enjeux académiques en IA, l’approche fon- résolution, ou encore l’acquisition compressée. dée sur la mise en pratique et l’expérimen- Pour résoudre ces problèmes inverses mal po- tation réelle au service des transitions de la sés, on fait appel à des méthodes d’optimisa- société soulève des problématiques spécifiques tion contraignant la solution à vérifier certaines

Juillet 2021N o 113 73 propriétés à priori. Ces méthodes d’optimisa- environnementaux et humains. Parmi elles, les tion présentent l’intérêt d’être faciles d’utilisa- capteurs d’imagerie aérienne ou satellitaire per- tion, génériques car elles peuvent s’appliquer à mettent une observation à très grande échelle une large gamme de problèmes inverses. Mais des ressources terrestres. Ses impacts sont ces méthodes sont aujourd’hui moins efficaces nombreux et liés à un large éventail de do- que les solutions basées sur des réseaux de neu- maines d’application, souvent liés à des pro- rones appris à partir de très grandes bases de blématiques environnementales ou aussi à des données. défis sociétaux. Au-delà du volume exception- A l’inverse, les méthodes d’apprentissage nel de données à traiter en télédétection, la profond permettent de résoudre efficacement complexité intrinsèque des données considérées ces problèmes inverses en imagerie 2D. Néan- pose également des défis scientifiques et tech- moins, les solutions existantes impliquent des nologiques importants. Du fait de l’améliora- réseaux spécifiques à chaque problème, et tion continue des capteurs des satellites d’ob- l’existence de très grandes bases d’images d’en- servation de la terre, les données géospatiales trainement. Les réseaux sont en outre de très sont maintenant des données riches, mêlant grande taille avec un nombre très élevé de para- une information de nature hétérogène (de la mètres. Le nombre de paramètres est d’autant donnée électromagnétique du spectre visible ou plus grand que la dimensionnalité des données invisible, allant à l’information géométrique is- est grande, comme c’est le cas des champs sue de données laser), sur des zones d’obser- de lumières ou des images omni-directionnelles. vation d’une même partie de la Terre qui peut L’utilisation de ces réseaux spécifiques à un être revisitée à haute fréquence temporelle. En- problème pose des problèmes pratiques sur les fin, la complexité provient également de l’im- équipements à ressources limitées tels que les portance du bruit, de l’imprécision et de l’in- caméras mobiles. complétude qui caractérisent les observations L’objectif du projet est d’explorer de nou- fournies par les satellites. L’IA et les domaines velles méthodes couplant avantages de l’ap- connexes (apprentissage automatique ou la vi- prentissage profond et des méthodes d’optimi- sion par ordinateur) ont le pouvoir de transfor- sation afin de fournir des solutions efficaces, mer cette masse de données en une puissante génériques, avec des modèles de dimension ré- source de connaissances destinées aux scienti- duite. Les modèles profonds, appris à partir fiques, aux décideurs ou même au grand pu- de données d’entrainement, pourront modéliser blic. Grâce à sa capacité à résoudre des pro- des propriétés plus complexes que les a priori blèmes complexes et à automatiser le travail classiques des signaux à estimer, et ainsi dé- des opérateurs humains, l’IA peut être appli- finir des contraintes de régularisation ou des quée avec succès aux défis environnementaux opérateurs proximaux efficaces pour les algo- et sociétaux, et présente un fort potentiel pour rithmes d’optimisation, et utilisables pour une apporter un énorme bienfait social à l’avenir. large gamme de problèmes inverses. Le projet « OTTOPIA » propose d’abor- Chaire de Nicolas COURTY (Univer- der certaines des questions soulevées ci-dessus sité Bretagne Sud) : « observation de du point de vue méthodologique en appren- la terre par transport optimal et IA » tissage automatique. En effet, notre objectif principal est de fournir de nouveaux modèles L’observation de la Terre est l’une des ques- et architectures qui peuvent s’adapter au vo- tions clés pour la compréhension des systèmes lume important des données issues de l’ob-

Juillet 2021N o 113 74 servation de la terre et à leur complexité in- et de leur compréhension de l’environnement, hérente, afin d’offrir de nouvelles méthodo- alors qu’ils interagissent physiquement avec lui. logies opérationnelles dans le contexte de la L’ensemble de ces capacités de détection, d’in- télédétection et de l’observation de la terre. terprétation, de modélisation, de prédiction et Plus précisément, nous proposons d’examiner d’interaction avec le monde physique sont des certains de ces problèmes à la lumière de applications concrètes des outils et des métho- la théorie du transport optimal (TO). Cette dologies de l’intelligence artificielle (IA). Dans riche théorie mathématique a gagné ces der- ce contexte, les systèmes multi-robots repré- nières années une forte popularité dans com- sentent un défi intéressant et innovant pour munauté de l’apprentissage automatique, en les domaines de la robotique et de l’intelligence raison du développement récent de procédures artificielle, car toutes les capacités susmention- d’optimisation novatrices [3]. Fondamentale- nées doivent être réparties sur des entités phy- ment, le TO fournit des moyens de définir siques multiples et différentes qui doivent com- des distances entre des mesures de probabi- muniquer et partager leur représentation du lité. Ces distances, qui ont reçu plusieurs noms monde pour atteindre des objectifs de haut ni- dans la littérature (distances de Wasserstein, veau. En même temps, un autre domaine im- Gromov-Wasserstein, Monge-Kantorovich ou portant de la robotique et de l’intelligence ar- Earth Mover), ont des propriétés fortes et tificielle est celui de l’interface homme-robot, importantes : i) elles peuvent être évaluées c’est-à-dire la manière d’interfacer un opéra- lorsque seules des mesures empiriques des dis- teur humain avec un ou plusieurs robots pour tributions sont observées ; ii) elles peuvent ex- partager la charge de la prise de décision au- ploiter la géométrie de l’espace métrique sous- tonome et du contrôle de la mission. Dans le jacent, et fournir des distances significatives cas de l’interaction homme/multi-robots, il est même lorsque les supports des distributions ne néanmoins très difficile de concevoir des sys- se recouvrent pas. Cela a notamment conduit tèmes d’interfaçage efficaces. Premièrement, à des percées majeures dans d’importants pro- l’opérateur humain doit être capable de contrô- blèmes d’apprentissage automatique tels que ler seul l’action d’une équipe robotique de l’adaptation au domaine [2] ou les réseaux ad- manière naturelle et intuitive. Deuxièmement, versariaux génératifs [1]. l’équipe robotique doit être capable de fournir Dans le cadre de cette chaire démarrée fin à l’homme, de manière efficace et exhaustive, 2020, nous proposons de travailler à la fois une grande quantité d’informations en retour sur les aspects fondamentaux des interactions provenant de l’environnement distant. Dans ce entre le TO et l’apprentissage automatique, et contexte, l’objectif de la chaire IA « MULTI- sur leurs applications à des problèmes fréquem- SHARED » est de faire progresser de manière ment rencontrés en télédétection/observation significative l’état de l’art en matière d’autono- de la terre. mie multi-robot et d’interaction homme-multi- robot pour permettre à un opérateur humain Chaire de Paolo ROBUFFO GIOR- de contrôler intuitivement le mouvement coor- DANO (CNRS) : « algorithmes de donné d’un groupe de multi-drones naviguant contrôle partagé pour la coopération dans des environnements distants, en mettant humain / multi-robots » l’accent sur la répartition des rôles entre l’au- tonomie multi-robot (dans le contrôle de son Les robots effectuent des actions dans le mouvement/configuration et la prise de déci- monde réel en fonction de leur perception

Juillet 2021N o 113 75 sion en ligne) et l’intervention/le guidage hu- tèmes déployés ou manipule les données pour main pour fournir des commandes de haut ni- biaiser leur apprentissage. La chaire SAIDA veau au groupe tout en étant le plus conscient « Security of Artificial Intelligence in Defense de l’état du groupe via la RV et la technologie Applications » est financée par l’ANR et l’ AID haptique. Sur la base de notre expérience anté- (Agence de l’Innovation de Défense) dont une rieure en matière d’interaction homme/multi- des missions est de garder un avantage straté- robots, nous prévoyons de travailler sur de nou- gique et une indépendance technologique dans veaux algorithmes impliquant la planification, le l’IA pour la défense. Le but de la chaire est contrôle et l’apprentissage automatique pour d’établir les principes d’une IA fiable et sure. un groupe multi-drones afin d’augmenter l’au- Fiable pour maintenir un niveau de performance tonomie du groupe et de fournir une inter- même quand des incertitudes polluent la chaîne face “utilisable” à l’opérateur humain, pouvant d’acquisition des données. Sûre pour résister s’adapter en ligne à la tâche/situation en cours. à des attaques dans des environnements hos- Nous prévoyons également de mener des études tiles. Fiabilité et sécurité sont malmenées à la approfondies sur des sujets humains, suivies fois dans les phases d’apprentissage et de dé- d’une analyse statistique fondée sur des prin- ploiement sur le terrain. De nombreux travaux cipes, afin de valider de manière approfondie les montrent qu’il est facile de biaiser l’apprentis- avantages et les inconvénients des approches sage d’un réseau de neurones pour y cacher proposées. une fonctionnalité inconnue de l’utilisateur lé- gitime en corrompant une fraction des données Chaire de Teddy FURON (Inria) : « sé- d’apprentissage, ou de leurrer un réseau pour- curité de l’IA pour les applications à la tant appris sur des données saines en pertur- défense » bant de manière imperceptible les observations. En résumé, l’apprentissage est l’art de déduire Comme bien d’autres domaines applicatifs, un ‘modèle’ à partir de ‘données’ pour l’appli- la défense et de sécurité font face à un déluge quer sur des ‘observations’ et en extraire des de données à la fois en termes de quantité, de ‘inférences’. Alors ‘données’, ‘modèle’, ‘obser- résolution et d’hétérogénéité. L’IA est seule ca- vation’ et ‘inférence’ sont quatre objets dont pable d’exploiter ces données pour aider l’opé- SAIDA doit protéger la confidentialité, l’inté- rateur à les analyser, à découvrir des événe- grité, la propriété et la confiance. La collabo- ments suspects et à lancer des alertes. L’IA ration avec des grands groupes industriels ac- devient un outil clé dans la prise de décision en teurs clés de la défense (Thales, Airbus, Naval temps réel sur le théâtre des opérations comme Group) et des PME (ZAMA.ia) est une volonté sur le temps long de la surveillance, de la lo- forte de SAIDA. gistique ou de la maintenance. Les spécificités dans le domaine de la défense sont que les don- Références nées sont souvent sensibles et confidentielles, ou au contraire de confiance limitée. D’autre [1] M. Arjovsky, S. Chintala, and L. Bot- part, la fiabilité des outils d’aide à la décision tou. Wasserstein generative adversarial Proceedings of the 34th Inter- est poussée à un niveau extrême : rater une networks. In national Conference on Machine Learning alerte peut mettre en danger de la vie de civils , et de soldats. Enfin, l’existence d’entités mal- volume 70, pages 214–223, Sydney, Aus- veillantes est l’hypothèse de travail par défaut tralia, 06–11 Aug 2017. en sécurité et défense : l’ennemi leurre des sys- [2] Nicolas Courty, Rémi Flamary, Devis Tuia,

Juillet 2021N o 113 76 and Alain Rakotomamonjy. Optimal trans- [3] Gabriel Peyré and Marco Cuturi. Computa- port for domain adaptation. IEEE Trans. on tional optimal transport. Foundations and Pattern Analysis and Machine Intelligence Trends in Machine Learning, 11(5-6) :355– (PAMI), 39(9) :1853–1865, 2017. 607, 2019.

Juillet 2021N o 113 77 Sorbonne Center for Artificial Intelligence (SCAI)

Gérard BIAU SCAI [email protected] scai.sorbonne-universite.fr Xavier FRESQUET [email protected]

SCAI naire administrative et financière (Nora SAIDI- ROGER). Le bureau de SCAI à Abou Dhabi est Inauguré en 2019, le ‘Sorbonne Center quant à lui animé par une directrice exécutive for Artificial Intelligence’ (SCAI) est un ins- (Valérie HAWLEY) et un coordinateur acadé- titut de Sorbonne Université qui fédère les mique (Omar EL DAKKAK). Le centre est communautés scientifiques des trois Facultés placé sous la supervision d’un Conseil Scienti- de cet établissement (Sciences et Ingénierie, fique, présidé par Raja CHATILA (professeur Lettres, Médecine) pour développer des projets émérite à Sorbonne Université, ancien direc- de recherche et de formation interdisciplinaires teur de l’Institut des Systèmes Intelligents et en Intelligence Artificielle (IA). Point d’entrée de Robotique) et composé de plusieurs experts pour les partenaires académiques et industriels, internationaux. Ce conseil supervise l’activité SCAI incarne le savoir-faire et l’expertise de du centre tout en orientant sa politique scien- Sorbonne Université dans le domaine de l’IA. Il tifique et ses activités. bénéficie du soutien de l’Alliance Sorbonne Uni- En matière de formation, SCAI anime un versité (regroupant 10 établissements et orga- programme doctoral d’une trentaine d’étu- nismes de recherche) et s’appuie sur les parte- diants et étudiantes répartis dans une ving- naires internationaux stratégiques de l’établis- taine de laboratoires, sur des sujets abordant sement (Université européenne 4EU+, Univer- l’IA dans toute sa diversité et sa complexité. sité de Laval, Trinity College Dublin, Université Le centre propose également plusieurs pro- de Sydney. . .). grammes de formation continue pour les pro- Localisé sur le campus Pierre et Marie Cu- fessionnels, sur des thèmes variés comme par rie (Jussieu) de Sorbonne Université, dans des exemple l’apprentissage par renforcement, l’ap- locaux partagés avec l’Institut des Sciences prentissage profond et bientôt la médecine pré- du Calcul et des Données, SCAI se veut un dictive. lieu de rencontres et d’échanges autour de En matière de recherche, les projets du l’IA. Le centre possède également une an- centre, résolument interdisciplinaires, s’orga- tenne aux Emirats Arabes Unis, sur le campus nisent autour de quatre axes forts : de Sorbonne Université à Abou Dhabi, ce qui lui confère une implantation stratégique dans - « Mathématiques, informatique et robo- un environnement international très compéti- tique ». Exemple : une chaire de recherche tif. SCAI est animé par une équipe polyva- a été inaugurée en novembre 2020 autour lente. Dirigé par Gérard BIAU (professeur au d’Isabelle BLOCH (professeure en interpré- Laboratoire de Probabilités, Statistique et Mo- tation d’images et intelligence artificielle) délisation de Sorbonne Université), l’antenne entre le LIP6 (Laboratoire d’Informatique) de Paris comprend également un directeur ad- et l’ISIR (Institut des Systèmes Intelligents joint (Xavier FRESQUET) et une gestion- et de Robotique) de Sorbonne Université.

Juillet 2021N o 113 78 - « Santé, biologie et médecine ». Exemple : l’intelligence formelle, l’intuition, la sensibilité, SCAI a signé en 2019 un accord de coopéra- les émotions, tout en constituant un champ tion avec l’AP-HP pour permettre l’échange d’analyse et d’interprétation dont les pratiques d’expertise et de savoir-faire, grâce à un et les méthodes sont profondément boulever- accès rapide à l’“Entrepôt des Données de sées par la science des données. Santé”. Héritière du Collège fondé en 1257 par Ro- - « Climat, environnement et univers ». bert DE SORBON, la Faculté des Lettres de Exemple : un groupe de recherche pluridisci- Sorbonne Université est aujourd’hui l’une des plinaire, AI4Climate, composé de chercheurs facultés les plus complètes et les plus impor- en sciences environnementales et en science tantes dans le monde. Ses domaines de spé- des données, s’est constitué pour dévelop- cialité sont multiples : les lettres classiques et per des modèles d’IA visant à mieux ap- modernes, les langues, lettres et civilisations préhender les défis climatiques et environ- étrangères, la linguistique, la philosophie, la nementaux. sociologie, l’histoire, la géographie, l’histoire - « Humanités numériques ». Exemple : un de l’art et l’archéologie, la musicologie, les programme de séminaires sur le ‘Geospatial sciences de l’information et de la communi- Intelligence’ a été organisé de septembre à cation, les sciences de l’éducation. Avec plus décembre 2020 par Philippe BOULANGER, de 1200 enseignants-chercheurs, enseignantes- professeur de Géographie à Sorbonne Uni- chercheuses, chercheurs et chercheuses perma- versité, avec des intervenants du “Ministère nents répartis dans 38 laboratoires, la Faculté des Armées et du secteur privé”, dans le des Lettres s’intéresse naturellement à l’en- cadre du nouveau master 2 « Géopolitique- semble des champs liés aux humanités numé- Information géographique numérique ». riques et forme un terreau particulièrement fer- tile pour développer ce domaine transversal. La recherche en humanités numériques En effet, dans le champ des sciences hu- à SCAI maines et sociales, la taille des corpus artis- Les humanités numériques forment un do- tiques est généralement limitée en comparai- maine à l’intersection des technologies numé- son d’ensembles de données issues d’autres riques et des humanités. Elles apportent des disciplines (médecine, astrophysique, etc.). Il outils et des méthodes numériques à l’étude est donc nécessaire de privilégier une approche des sciences humaines en reconnaissant no- et des modèles élégants, parfois simples, pour tamment que l’imprimé n’est plus le princi- permettre de généraliser à partir de quelques pal moyen de production et de diffusion des exemples, de bases faiblement annotées, ou de connaissances. Les humanités numériques bé- données non structurées. Cependant, des mé- néficient d’une position privilégiée dans leur re- thodes d’analyse et de fouille de textes, au croi- lation avec l’IA. D’une part, leur caractère fon- sement du traitement automatique de la langue damentalement transdisciplinaire, au carrefour et du ‘machine learning’, peuvent aussi être ap- de l’informatique, du traitement du signal, des pliquées sur de grandes bases de données tex- mathématiques, des arts et des sciences so- tuelles. ciales, en fait un choix de premier ordre pour Un projet en cours : Imad BEKKOUCH des recherches combinant des compétences (Institut de recherche en Musicologie) réalise d’horizons différents. D’autre part, leur objet actuellement une thèse sous la supervision de d’étude associe aussi, par sa nature artistique, Frédéric BILLIET et Victoria EYHARABIDE,

Juillet 2021N o 113 79 qui vise à développer des techniques permet- rels profonds permettant une analyse géopoli- tant à la fois de détecter des éléments textuels tique prédictive tout en re-définissant certaines liés à l’interprétation musicales (mots, phrases, normes dans les systèmes technologiques et etc.) dans des textes datant de la période entre les processus de validation. En recherche, l’IA le 5e et le 15e siècle, et d’identifier les élé- amène à repenser la géographie en profondeur. ments relatifs à la performance (musiciens, ins- Enfin, l’IA soulève aussi de nouvelles ques- truments, signes du son) dans les images an- tions juridiques. Des difficultés émergent dès ciennes en utilisant des méthodes de vision par la fabrication des systèmes faisant appel à l’IA ordinateur et de plongements sémantiques. (comment assurer l’intégrité des données d’ap- Par ailleurs, les humanités numériques sus- prentissage ?) et lors des activités de produc- citent des questionnements importants sur les tion (qui est responsable ? à qui appartiennent mécanismes qui sous-tendent les processus les créations réalisées par l’IA ?). Entre éthique créatifs, l’appréciation esthétique, l’éthique et et réglementation juridique contraignante, les le droit d’auteur. D’un point de vue épistémolo- réponses à ces questions nécessitent de com- gique, ces questions, qui n’ont pas d’équivalent biner les compétences des chercheurs dans le dans d’autres domaines, peuvent être considé- domaine de la science des données avec celles rées comme une source de nouvelles idées pour des juristes spécialisés dans le droit numérique. l’IA elle-même. Un projet en cours : Thibault GRISON Un projet en cours : SCAI organise cette (Groupe de recherches interdisciplinaires sur les année avec le Collegium Musicae (institut processus d’information et de communication) de Sorbonne Université qui rassemble musi- réalise actuellement sa thèse, sous la super- ciens, musiciennes, chercheurs, chercheuses, vision de Virginie JULLIARD, professeure au enseignants-chercheurs et enseignantes- CELSA/Sorbonne Université, afin d’étudier le chercheuses autour de la création, la recherche, rôle joué par l’IA dans la modération des pu- la conservation et la pratique musicale) deux blications qui prennent place dans les réseaux séminaires dédiés à l’improvisation musicale ar- sociaux numériques (RSN). Il vise la compré- tificielle, afin de faire dialoguer les deux com- hension de la contribution des RSN au dé- munautés sur le sujet de la prise en compte des bat public, des promesses qu’ils incarnent en corps dans le processus d’improvisation en IA. termes d’inclusion et de ‘publicisation’ de re- L’IA au service des humanités et des vendications nouvelles, autant que des menaces sciences sociales touche également des do- qu’ils font peser en termes de brutalisation des maines d’importance pour la sécurité et le ren- échanges ou d’invisibilisation des textes et des seignement. S’associant à la géographie, l’IA images par lesquels une communauté se struc- pour le GeoInt utilise des données géolocali- ture en ligne. Bien que les RSN soient inves- sées et multisources. Ce secteur est actuelle- tis comme des lieux de construction de soi et ment l’un des plus stratégiques dans le domaine de structuration de communautés par des per- de la recherche et du développement pour ses sonnes “minorisées” en vertu de leur origine so- applications civiles et militaires. Cette capacité ciale ou ethnique ou de leur “orientation sexuel- renouvelée qu’offrent les méthodes d’IA en ma- le”, que leurs règles d’utilisation soient protec- tière de reconnaissance des signaux faibles, de trices et que les discours des entreprises qui les détection des mouvements sur les images satel- détiennent soient égalitaristes, ils sont impli- lites et les caméras de surveillance, les réseaux qués dans de nombreux cas de “discrimination sociaux, etc. produit des changements structu- algorithmique”.

Juillet 2021N o 113 80 Portrait : Glenn ROE, professeur de lit- d’ouvrages de référence — son objectif est de térature française et humanités numé- retracer l’échange et la diffusion d’idées et de riques textes à travers la “République des lettres”, un réseau interculturel du 18e siècle qui vise à faire Glenn ROE est professeur à la Faculté des avancer le récit des Lumières. Lettres de Sorbonne Université depuis 2018. Il enseigne les humanités numériques à l’UFR de Portrait : Marine BUFFARD, docto- Littérature française et comparée et est rat- rante au CELSA (Ecole des Hautes taché au Centre d’étude de la langue et des Etudes en Sciences de l’Information et littératures françaises. Après un passage par de la Communication) Oxford, Glenn Roe a enseigné à l’Université Nationale Australienne. Il a travaillé huit ans Marine BUFFARD réalise actuellement un comme chef de projet senior pour le projet doctorat sur le thème “Instagram au prisme ARTFL (American and French Research on the de l’intelligence artificielle”, sous la supervision Treasury of the French Language) de l’Univer- de Caroline MARTI. Lauréate du programme sité de Chicago, l’un des centres de recherche doctoral SCAI 2019, elle est rattachée au la- et de développement nord-américains les plus boratoire de recherche du CELSA, le GRIPIC anciens et les plus connus pour l’analyse de (Groupe de Recherches Interdisciplinaires sur textes assistée par ordinateur. Depuis 2010, il les Processus d’Information et de Communica- est rédacteur en chef adjoint de l’édition numé- tion) et à l’école doctorale Concepts et Lan- rique de l’Encyclopédie de Diderot et d’Alem- gages. Après un master en marketing digi- bert, un projet phare en humanités numériques tal et un master en communication, Marine développé en collaboration avec ARTFL et le BUFFARD a travaillé comme ‘brand strategist’ CNRS en France. Ses recherches actuelles se pour plusieurs marques dans les industries de situent principalement à l’intersection des nou- la mode, du luxe et de l’innovation. Son pro- velles approches informatiques et des questions jet actuel vise la compréhension critique des de recherche littéraire et historique tradition- dispositifs numériques “sociaux”, en particulier nelles. Puisant dans divers domaines tels que via Instagram, plateforme considérable par le l’histoire intellectuelle, l’histoire des idées, la volume d’usagers qu’elle mobilise et les pra- théorie littéraire, l’histoire du livre et les hu- tiques sociales qu’elle transforme. Instagram manités numériques, il s’intéresse notamment est en effet le terrain principal pour appréhen- à l’idée d’“intertextualité” dans la mesure où der l’intelligence artificielle avec un angle pro- elle se rapporte à diverses pratiques éditoriales, blématique interrogeant la textualisation cal- autoritaires et critiques sur le long terme. En culée des pratiques sociales par le dispositif nu- particulier, il envisage de réaliser une étude sur mérique. Dans quelle mesure le dispositif numé- l’évolution du concept de “paternité” dans la rique, tel qu’il est conçu pour Instagram pour France des Lumières, et sa relation souvent accueillir du texte et de l’image, participe-t-il controversée avec “l’autorité” — qu’il s’agisse à une textualisation calculée des pratiques so- de l’Etat, de l’Eglise, des Anciens, des Mo- ciales ? Il s’agit de souligner l’ambivalence d’un dernes — au cours du long 18e siècle. En ex- fonctionnement algorithmique qui repose à la ploitant le contenu de diverses collections nu- fois sur une logique de compilation et de col- mériques à grande échelle — y compris des lecte des données. C’est le fondement du pro- bases de données littéraires et historiques, des cessus de textualisation, de mise en forme du collections de correspondance et une multitude texte qui conditionne la structure des énoncés,

Juillet 2021N o 113 81 qui donne un cadre aux possibilités d’expres- sur Instagram, et font l’objet de représenta- sion linguistiques et iconiques. La textualisa- tions des usagers. Du point de vue des concep- tion est à la fois une mise en signes et la réali- teurs, cette textualisation est l’émanation de la sation d’un système signifiant. Dans ce cadre, volonté éditoriale, l’indice de l’activité des usa- à la fois contraint et ouvert, les pratiques so- gers d’Instagram, la condition de la création ciales sont vécues en parallèle de l’usage d’Ins- d’une valeur médiatique, aussi bien symbolique tagram, voire sont vécues pour être relatées qu’économique.

Juillet 2021N o 113 82 Liste des chaires en Intelligence Artificielle Institut 3IA ANITI

La liste des chaires et de leurs projets est disponible ici : https://aniti.univ-toulouse.fr/ chaires/

Programme Intégratif « IA Acceptable »

Leïla AMGOUD (CNRS, IRIT) - Empowering Data-driven AI by Argumentation and Persuasion. Jean-François BONNEFON (CNRS, TSE-M) - Moral AI. Céline CASTETS-RENARD (UT1C, Université d’Ottawa, CA) - Law, Accountability and Social Trust in AI. Nicolas DOBIGEON (INP Toulouse, IRIT) - Fusion-based inference from heterogeneous data. Fabrice GAMBOA (UT3, IMT) - AI for physical models with geometric tools. César A.HIDALGO (MIT, USA) - Developing AI to Improve Global Governance. Jean-Michel LOUBÈS (UT3, IMT) - Fair & Robust Machine Learning. Bruno JULLIEN (CNRS, TSE-R) - The effects of AI on competition in the marketplace.

Programme Intégratif « IA Certifiable »

Jérôme BOLTE (UT1C, TSE-R) - Large Scale Optimization for AI. Daniel DELAHAYE (ENAC) - AI for air traffic management and large scale urban mobility. Serge GRATTON (INP Toulouse, IRIT) - Data Assimilation and Machine Learning. Jean-Bernard LASSERRE (CNRS, LAAS) - Polynomial Optimization. Jean-Michel LOUBÈS (UT3, IMT) - Fair & Robust Machine Learning. Joao MARQUÈS SILVA (Université de Lisbonne, PT) - Deep learner explanation & verification. Claire PAGETTI (ONERA) - New certification approaches of critical AI based systems. Jérôme RENAULT (UT1C, TSE-R) - Game Theory and Artificial Intelligence. Marc TEBOULLE (Tel Aviv University, Israel) - Pushing the frontier of nonconvex optimization to more general settings and understanding why it works.

Programme Intégratif « IA Collaborative »

Rachid ALAMI (CNRS, LAAS) - Cognitive and interactive robotics. Fréderic DEHAIS (ISAE-SUPAERO) - Neuroadaptive technology. Hélène FARGIER (CNRS, IRIT) - Knowledge compilation techniques for reducing complexity of algorithms for solving problems with uncertainty and preferences. Nicolas MANSARD (CNRS, LAAS) - Motion Generation for Complex Robots . Rufin VAN RULLEN (CNRS, CerCo) - Deep Learning with semantic, cognitive and biological constraints. Thomas SCHIEX (INRAE, MIAT) - Design using intuition and logic. Thomas SERRE (Brown University, USA) - Artificial Vision. Louise TRAVÉ-MASSUYES (CNRS, LAAS) - Synergistic transformations in model based and

Juillet 2021N o 113 83 data based diagnosis.

Institut 3IA Côte d’Azur

Axe « Éléments fondamentaux de l’IA »

Un descriptif des chaires de cet axe est disponible ici : https://3ia.univ-cotedazur.eu/ research/core-elements-of-ai

Jean-Daniel BOISSONNAT (Inria) - Topological data analysis. Charles BOUVEYRON (Université Côte d’Azur) - Generative models for unsupervised and deep learning with complex data. François DELARUE (Université Côte d’Azur) - Mean field multi-agent systems in AI. Maurizio FILIPPONE (Eurecom) - Probabilistic machine learning. Rémi FLAMARY (Université Côte d’Azur) - Optimal transport for machine learning. Fabien GANDON (Inria) - Combining artificial and augmented intelligence techniques on and through the Web. Marco LORENZI (Inria) - Interpretability and security of statistical learning in healthcare. Xavier PENNEC (Inria) - Geometric statistics and geometric subspace learning. Jean-Charles RÉGIN (Université Côte d’Azur) - Decision intelligence. Carlos SIMPSON (CNRS) - AI and mathematics. Andrea G.B. TETTAMANZI (Université Côte d’Azur) - Towards an evolutionary epistemology of ontology learning. Serena VILLATA (CNRS) - Artificial argumentation for humans.

Axe « IA pour la médecine numérique »

Un descriptif des chaires de cet axe est disponible ici : https://3ia.univ-cotedazur.eu/ research/ai-for-integrative-computational-medicine

Nicholas AYACHE (Inria) - AI for e-patients and e-medicine. François BREMOND (Inria) - Video analytics for human behavior understanding. Hervé DELINGETTE (Inria) - Joint biological and imaging biomarkers in oncology. Rachid DERICHE (Inria) - Computational brain connectomics. Olivier HUMBERT (Université Côte d’Azur) - Comprehensive omics profiling for precision me- dicine in oncology. Jean-Pierre MERLET (Inria) - Non-invasive assessment of disabilities. Maxime SERMESANT (Inria) - AI and biophysical models for computational cardiology.

Juillet 2021N o 113 84 Axe « IA pour la biologie numérique et IA bio-inspirée »

Un descriptif des chaires de cet axe est disponible ici : https://3ia.univ-cotedazur.eu/ research/ai-for-computional-biology-and-bio-inspired-ai

Laure BLANC-FÉRAUD (CNRS) - Imaging for biology. Frédéric CAZALS (Inria) - AIMS : Artificial intelligence for molecular studies. Patricia REYNAUD-BOURET (CNRS) - MEL : Modeling and estimating learning. Ellen VAN OBBERGHEN-SCHILLING (Inserm) - AI-powered analysis of the tumor microenvi- ronment. Pascal BARBRY (CNRS) - Human Lung Atlas. Benoit MIRAMOND (Université Côte d’Azur) - Bio inspired AI from neurosciences to embedded autonomous devices.

Axe « IA pour les territoires intelligents et sécurisés »

Un descriptif des chaires de cet axe est disponible ici : https://3ia.univ-cotedazur.eu/ research/ai-for-smart-and-secure-territories

Pierre ALLIEZ (Inria) - 3D modeling of large-scale environments for the smart territory. Melek ÖNEN (EURECOM) - Privacy-preserving machine learning. Marina TELLER (Université Côte d’Azur) - Deep law for tech (DL4T). David GESBERT (Eurecom) - Internet of Learning Thing. Paola GOATIN (Inria) - Data driven traffic management. Cédric RICHARD (Université Côte d’Azur) - Distributed dark fiber optic sensing for smart cities monitoring. Elena DI BERNARDINO (Université Côte d’Azur) - Territorial Security through environmental risks management.

MIAI@Grenoble Alpes

Axe « Apprentissage et raisonnement » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ chairs/machine-learning-and-reasoning/axis-1-machine-learning-and-reasoning-799689.htm?RH= 6499587734413182

Sophie ACHARD & Martial MERMILLOD - Towards Robust and Understandable Neuromorphic Systems Romain COUILLET - Large Dimensional Statistics for AI Jérôme EUZENAT - Knowledge communication and evolution Anatoli JUDITSKY & Arkadi NEMIROVSKI - High-dimensional Inference by Convex Optimisa- tion Diane LARLUS - Lifelong Representation Learning

Juillet 2021N o 113 85 Patrick LOISEAU & Marie-Christine ROUSSET - Explainable and Responsible AI Julien MAIRAL - Towards More Data Efficiency in Machine Learning Jérôme MALICK & Yurii NESTEROV - Optimisation & Learning

Axe « Architectures matérielles et embarquées » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ chairs/embedded-and-distributed-ai-and-hardware-architecture-for-ai/axis-2-embedded-and-distributed-ai-and-hardware-architecture-for-ai-799690. htm?RH=6499587734413182

Lorena ANGHEL & Alexandre VALENTIAN - Hardware for spike-coded neural networks exploi- ting hybrid CMOS non-volatile technologies Frédéric PÉTROT - Digital Hardware AI Architectures Denis TRYSTRAM - Edge intelligence

Axe « Perception et interactions » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ chairs/perception-interaction/axis-3-perception-interaction-799693.htm?RH=6499587734413182

Xavier ALAMEDA-PINEDA & Radu HORAUD - Audio-visual machine perception and interac- tion for companion robots Gérard BAILLY & James CROWLEY - Collaborative Intelligent Systems Edmond BOYER - Data Driven 3D Vision Pascal PERRIER - Bayesian Cognition and Machine Learning for Speech Communication François PORTET & Laurent BESACIER - Artificial Intelligence & Language Christophe PRIEUR - AI and dynamical systems : new paradigms for control and robots

Axe « IA et Société » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ ai-for-human-beings-environment/axis-4-ai-society/

Sihem AMER-YAHIA - Contextual Recommendations in Action - Bridging AI and Real-Life Eco- nomics Gilles BASTIN - Algorithmic society Theodore CHRISTAKIS - Legal and regulatory implications of artificial intelligence Thierry MÉNISSIER - Ethics and AI

Axe « Santé » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ ai-for-human-beings-environment/axis-5-health/

Thomas BURGER & Julien THÉVENON - Artificial Intelligence for High throughput biomedical investigations Philippe CINQUIN - Deep Care : Patient Empowerment via a Participatory Health Project

Juillet 2021N o 113 86 Emmanuel MIGNOT & Jean-Louis PÉPIN - My Way to Health ’trajectories medicine’ Jocelyne TROCCAZ & Sandrine VOROS - Computer-Assisted Medical Interventions (CAMI) Assistant

Axe « Environnement et Énergie » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ ai-for-human-beings-environment/axis-6-environment-and-energy/

Simon BARTHELMÉ & Pierre COMON - Detection, classification and localisation of pollutants in air and liquids Michel CAMPILLO & Olivier MICHEL - Geophysical applications of AI for natural hazard and georesources Jocelyn CHANUSSOT & Wilfried THUILLER - Multiscale, multimodal and multitemporal re- mote sensing Nouredine HADJ-SAID - Artificial intelligence for Smart Grids

Axe « Industrie 4.0 » Un descriptif de cet axe est disponible ici : https://miai.univ-grenoble-alpes.fr/research/ ai-for-human-beings-environment/axis-7-industry-4-0/

Gülgün ALPAN - AI for data-driven and self-configurable supply chains Massih-Reza AMINI & Alexis DESCHAMPS - Machine learning for mAterial desiGN and Effi- cient sysTems (MAGNET)

Institut 3IA PRAIRIE

La liste des chaires et de leurs projets est disponible ici https://prairie-institute.fr/chairs/

Thème « Agents autonomes et systèmes multi-agents »

Tristan CAZENAVE (Université Paris Dauphine-PSL) Jérôme LANG (Université Paris Dauphine-PSL)

Thème « Aide à la décision clinique »

Stephanie Allassonnière (Université de Paris) Anita BURGUN (Université de Paris) Eloi MARIJON (Université de Paris) Raphael PORCHER (Université de Paris)

Thème « Apprentissage automatique et optimisation »

Alexandre d’Aspremont (CNRS)

Juillet 2021N o 113 87 Francis Bach (Inria) Stéphane Mallat (Collège de France) Alessandro Rudi (Inria) Florian Yger (Université Paris Dauphine-PSL)

Thème « Cognition »

Justine CASSELL (Inria) Emmanuel DUPOUX (EHESS)

Thème « Génomique »

Chloe-Agathe AZENCOTT (MINES ParisTech - PSL) Emmanuel BARILLOT (Institut Curie) Rayan CHIKHI (Institut Pasteur) Olivier GASCUEL (CNRS) Eric LETOUZÉ (Inserm) Andrei ZINOVYEV (Institut Curie)

Thème « Gestion des données en réseau »

Karthikeyan BHARGAVAN (Inria) Marc LELARGE (Inria) Laurent MASSOULIÉ (Inria) Pierre SENELLART (ENS)

Thème « Imagerie biologique »

Jean-Baptiste MASSON (Institut Pasteur) Thomas WALTER (MINES ParisTech - PSL)

Thème « Imagerie médicale »

Ninon BURGOS (CNRS) Olivier COLLIOT (CNRS) Stanley DURRLEMAN (Inria) Laure FOURNIER (Université de Paris)

Thème « Physique statistique »

Giulio BIROLI (ENS)

Thème « Robotique »

Juillet 2021N o 113 88 Jean-Paul LAUMOND (CNRS)

Thème « Science des données »

Emmanuel BACRY (CNRS) Laurent COHEN (CNRS) Stephane GAIFFAS (Université de Paris) Gabriel PEYRÉ (CNRS) Christian ROBERT (Université Paris Dauphine-PSL) Irene WALDSPURGER (CNRS)

Thème « Traitement automatique des langues »

Thierry POIBEAU (CNRS) Benoit SAGOT (Inria)

Thème « Vision artificielle »

Ivan LAPTEV (Inria) Jean PONCE(Inria) Cordelia SCHMID (Inria)

Chaires terminées

Pierre GAILLARD (Inria) Florent KRZAKALA (Sorbonne Université) Josef SIVIC (Inria)

Chaires de recherche et d’enseignement en IA de l’appel ANR hors 3IA

François ROUSSEAU – AI-4-CHILD : AI for paedriatric neurorehabilitation Rémi GRIBONVAL – AllegroAssai : Algorithms, Approximations, Sparsity and Sketching for AI Michalis VAZIRGIANNIS – AML-HELAS : Advanced Machine/Deep learning for Heterogeneous Large scale data Edouard DUCHESNAY – Big2small : Transfer Learning from Big data to Small Data : Levera- ging Psychiatric Neuroimaging Biomarkers Discovery Gilles BLANCHARD – BISCOTTE : Bridging Statistical and Computational efficiency in Arti- ficial Intelligence Jean-Christophe PESQUET – BRIDGEABLE : BRIDinG thE gAp Between iterative proximaL methods and nEural networks Christine GUILLEMOT – DeepCIM : Deep learning for computational imaging with emerging image modalities

Juillet 2021N o 113 89 Pierre-Yves OUDEYER – DeepCuriosity : Curiosity-driven exploration and curriculum learning in AI with applications to autonomous agents, automated discovery and educational technolo- gies. Patrick GALLINARI – DEEP-VISION : DEEP-VISION Frédéric JURIE – DL4CLIM : Deep Learning for Physical Processes with applications to Earth System Science Pierre MARQUIS – EXPEKCTATION : EXPlainable artificial intelligence : a KnowlEdge Com- pilaTion FoundATION Laurence DEVILLIERS – HUMAAINE : HUman-MAchine Affective INteraction & Ethics Sylvain SAÏGHI – GrAI : Green Artificial Intelligence Isabelle GUYON – HUMANIA : Artificial Intelligence for All Nathalie NEVEJANS – IA Responsible : Responsible AI Meghyn BIENVENU – INTENDED : Intelligent handling of imperfect data Chumin LI – Massal’IA : Propositional Reasoning for Large-Scale Optimization Application to Clean Energy Mobility Issues Ronan FABLET – OceaniX : Physics-Informed AI for Observation-driven Ocean AnalytiX Eric MOULINES – SCAI : Statistics, computation and Artificial Intelligence Frédéric CHAZAL – TopAI : Topological Data Analysis for Machine Learning and AI Hervé GLOTIN – ADSIL : ADvanced Submarine Intelligent Listening Fabian SUCHANEK – NoRDF : Modeling and Extracting Complex Information from Natural Language Text Teddy FURON – SAIDA : Security of AI for Defense Applications Ioana MANOLESCU – SourcesSay : Intelligent Analysis and Interconnexion of Heterogeneous Contents in Digital Arenas Nicolas PADOY – AI4ORSafety : Automatic Endoscopic Scene Assessment for Safety Check- point Validation in the Operating Room Maks OVSJANIKOV – AIGRETTE : Analyzing Large Scale Geometric Data Collections Steve KREMER – ASAP : Tools for automated, symbolic analysis of real-world cryptographic protocols Rémi BARDENET – Baccarat : Bayesian learning of expensive models, with applications to cell biology Sébastien KONIECZNY – BE4musSIA : Belief Change for Better Multi-Source Information Analysis Alexandre GRAMFORT – BrAIN : Bridging Artificial Intelligence and Neuroscience Joseph SALMON – CAMELOT : CooperAtive MachinE Learnning and OpTimization Jean-François MANGIN – FOLDDICO : Using the variability of the human cortical folding pattern to benchmark unsupervised learning Bertrand THIRION – KARAIB : Knowledge And Representation Integration on the Brain Gaël VAROQUAUX – LearnI : Learning data integration, from discrete entities to signals Paolo ROBUFFO GIORDANO – MULTISHARED : Shared-Control Algorithms for Human/Multi- Robot Cooperation Nicolas COURTY – OTTOPIA : Earth Observation with Optimal Transport for Artificial In- telligence

Juillet 2021N o 113 90 Stéphane CANU – Raimo : A road toward safe artificial intelligence in mobility Christian WOLF – REMEMBER : Learning Reasoning, Memory and Behavior Aurélien GARIVIER – SeqALO : Sequential and Active Learning for Optimization Pierre CHAINAIS – SHERLOCK : Fast inference with controlled uncertainty : application to astrophysical observations. Matthieu CORD – VISA DEEP : Towards visual reasoning in deep learning David BOUNIE – XAIforAML : Explainable artificial intelligence for anti-money laundering Claire GARDENT – XNLG : Generating Text in Multiple Languages from Multiple Sources

Juillet 2021N o 113 91 Comptes rendus de journées, événements et conférences Évolution et dynamique des connaissances formelles (EGC & IA ’21)

Manuel ATENCIA cadre de développement de l’ontologie modu- LIG/ mOeX laire et versionnée ETSI SAREF. Finalement, INRIA, Univ. Grenoble Alpes Chan LE DUC a présenté la révision des onto- [email protected] logies dans les logiques de description expres- Jérôme DAVID sives. LIG/ mOeX La journée s’est terminée avec une table Par INRIA, Univ. Grenoble Alpes ronde animée par les organisateurs qui ont [email protected] posé quatre questions aux conférenciers : (Q1) Comment positionnez-vous la thématique de Antoine ZIMMERMANN l’évolution des connaissances formelles vis- LIMOS à-vis de l’IA en général ? (Q2) Comment École des Mines de Saint-Étienne les connaissances formelles et leur évolution [email protected] peuvent contribuer à une IA responsable, ou https://jtegcafia2021.sciencesconf.org au contraire, poser des problèmes éthiques ? (Q3) Quels liens faites-vous entre la diver- Introduction sité/hétérogénéité des connaissances et leur La 5ème journée EGC & IA a eu lieu le évolution ? (Q4) Quelles applications poten- mardi 18 mai 2021 sur le thème de l’évolu- tielles envisagez-vous pour les connaissances tion et la dynamique des connaissances for- dynamiques et évolutives ? melles. En raison de la situation sanitaire du Pour exploiter de la connaissance dans des moment, elle s’est tenue en visioconférence. 79 processus de décision informatisés, il faut la personnes se sont inscrites à la journée et 52 formaliser. La formalisation des connaissances étaient présentes lors de la première conférence s’intéresse à la représentation des entités du invitée. réel et leurs relations plutôt qu’à la gestion La journée a été ouverte par ses orga- et la structuration des données. Bien que la nisateurs, Manuel ATENCIA, Jérôme DAVID formalisation de la connaissance fasse partie et Antoine ZIMMERMANN. Ensuite, Arnaud intégrante de la discipline informatique de- MARTIN (Président de EGC) et Benoît LE puis ses débuts, un regain d’intérêt pour les BLANC (Président de l’AFIA) ont présenté les connaissances formelles en tant qu’atout pour activités et les perspectives de EGC et l’AFIA, les entreprises et les systèmes d’information a respectivement. émergé grâce à la popularisation des “graphes La journée s’est poursuivie par quatre pré- de connaissances”, un concept aux contours sentations traitant de sujets variés autour de flous mais qui porte l’attention sur l’informa- l’évolution des connaissances formelles. Jérôme tion en tant que connaissances plutôt qu’en EUZENAT a commencé avec une présenta- tant que données. tion sur l’évolution culturelle de la connais- L’utilisation croissante de connaissances sance. Yasser BOURAHLA a suivi avec une formelles s’accompagne de besoins pressant en présentation sur l’amélioration et la diversité termes de technologies, techniques et théories des connaissances dans le cadre d’une adapta- liées à leur cycle de vie. En un mot, il faut s’in- tion des ontologies apprises basée sur l’inter- téresser à leur “évolution”. action. Maxime LEFRANÇOIS a présenté un L’évolution et la dynamique des connais-

Juillet 2021N o 113 93 sances formelles seront le sujet de la 5e édition tion », par Yasser BOURAHLA(Inria Gre- des journées sur l’extraction et la gestion des noble Alpes) connaissances en intelligence artificielle (EGC 15h30-15h45. Pause & IA). Le 18 mai 2021 sera le rendez-vous privi- 15h45-16h15. « Cadre de développement légié pour initier des échanges entre chercheurs de l’ontologie modulaire et versionnée académiques et industriels autour de cette thé- ETSI SAREF », par Maxime LEFRANÇOIS matique. (École des Mines de Saint-Étienne) 16h15-16h45. « Révision des ontologies dans Thématiques les logiques de description expressives », par Chan LE DUC(Université Sorbonne Paris Les sujets considérés pour cette journée Nord) comprennent, sans s’y limiter : 16h45-17h30. Séance de discussion - l’évolution, la révision, la correction de 17h30. Clôture de la journée connaissances formelles ; - la mise-à-jour des bases de connaissances et Détail des interventions des ontologies ; Évolution de la connaissance : La pers- - le raffinement, l’enrichissement, la complé- pective de l’évolution culturelle computa- tion des connaissances formelles ; tionnelle , Jérôme EUZENAT (Inria Grenoble - le versionnement des bases de connais- Rhône-Alpes) sances et des ontologies ; - la dynamique des connaissances formelles, Des systèmes autonomes utilisant leur dans le sens de “ce qui fait évoluer” les connaissance pour agir, doivent la faire évo- connaissances ; luer en fonction de leur expérience. De nom- - l’étude du changement, de toute sorte, dans breuses approches ont été appliquées à l’évo- les connaissances formelles ; lution de la connaissance que ce soit en lo- - les connaissances sous forme de flux et leur gique (révision), apprentissage automatique ou traitement en temps réel. gestion des connaissances. Nous présentons ici une approche computationnelle de l’évolution Déroulement de la journée culturelle de la connaissance. Elle consiste à appliquer les principes de la théorie de l’évolu- 13h30-13h40. Ouverture de la journée et tour tion à la connaissance représentée dans les sys- de table tèmes informatiques. C’est-à-dire que le suc- 13h40-14h00. « Présentation de EGC », par cès ou l’échec des actions accomplies par les Arnaud MARTIN (Président de EGC) et de agents les conduit à modifier leur connaissance l’AFIA par Benoît LE BLANC (Président de de manière à éviter les échecs. On présente l’AFIA). cette approche sous un jour expérimental utili- 14h00-15h00. « Conférence invitée : Évo- sant la simulation multi-agent pour implémen- lution de la connaissance : La perspec- ter ces principes et observer les propriétés de tive de l’évolution culturelle computation- la connaissance ainsi produite (convergence, nelle », par Jérôme EUZENAT(Inria Gre- consistance, correction). On montre ensuite noble Alpes) comment une variante de la logique dynamique 15h00-15h30. « Amélioration et diversité des épistémique peut être mise à profit pour étu- connaissances dans le cadre de l’adaptation dier théoriquement de tels systèmes et mon- des ontologies apprises basée sur l’interac- trer les propriétés des stratégies utilisées par les

Juillet 2021N o 113 94 agents (correction, complétude, redondance). et modifier leurs ontologies en conséquence. Enfin, on met en évidence les relations entre les Nous montrons que les agents réduisent ef- principes mis en œuvre et le modèle réplicateur- fectivement les échecs d’interaction, la plu- interacteur proposé comme une généralisation part du temps, ils améliorent la précision de de la théorie de l’évolution. leurs connaissances sur l’environnement, et ils Amélioration et diversité des connais- n’optent pas nécessairement pour la même on- sances dans le cadre d’une adaptation des tologie. ontologies apprises basée sur l’interaction , Cadre de développement de l’ontolo- Yasser BOURAHLA (Inria Grenoble Rhône- gie modulaire et versionnée ETSI SAREF Alpes) , Maxime LEFRANÇOIS (École des Mines de Résumé : Nous considérons des agents qui Saint-Étienne) utilisent leur connaissance sur leur environ- Résumé : L’ontologie SmartM2M SAREF nement, telles que des ontologies, pour agir. (Smart Applications REFerence ontology) a Lorsque ces connaissances sont apprises indé- pour ambition de contribuer à la transforma- pendamment, celles-ci peuvent être diverses, tion numérique de l’industrie en Europe, en pre- incorrectes ou incomplètes. Cette hétérogé- nant en compte les difficultés liées à l’inter- néité peut amener les agents à être en désac- opérabilité sémantique sur l’Internet des Ob- cord, empêchant ainsi leur coopération. Les jets et les applications web. Il s’agit d’un stan- approches existantes traitent généralement ce dard de l’ETSI (European Telecommunications problème d’interaction en mettant en rela- Standards Institute), organisme de normalisa- tion des ontologies, sans les modifier, ou, au tion européen du domaine des télécommunica- contraire, en se concentrant sur la construction tions qui travaille à la mise en œuvre de normes de connaissances communes. Ici, nous considé- et de standards autour des objets connectés, rons des agents qui adaptent leurs ontologies des données collectées et des applications. SA- afin de s’accorder les uns avec les autres lors REF consiste en une ontologie noyau version- de la coopération. Dans un tel scénario, des née, et différents ontologies satellites version- questions fondamentales se posent : Les agents nées également qui ciblent des domaines mé- arriveront-ils à un état ou les interactions sont tiers comme l’énergie, l’environnement, le bâ- réussies ? Ce processus peut-il améliorer leurs timent, la ville intelligente, l’industrie du fu- connaissances sur l’environnement ? Est-ce que ture, l’agriculture numérique, l’automobile, la tous les agents se retrouveront avec la même eHealth, les wearables, la gestion de l’eau. Cha- ontologie ? cune de ces ontologies est versionnée. Pour répondre à ces questions, nous avons Le nouveau portail web de l’ontologie mo- conçu une expérience en deux étapes. Premiè- dulaire et versionnée SAREF 1 est présenté rement, les agents apprennent à prendre des brièvement, ainsi que le framework de dévelop- décisions concernant les objets de l’environne- pement de SAREF 2 et le pipeline open source ment avec des classificateurs qui sont, ensuite, d’intégration et de déploiement continue qui transformés en ontologies. Dans la deuxième l’outille 3. Ces sont là les résultats du projet étape, les agents interagissent entre eux pour ETSI STF 578 « Specification of the SAREF se mettre d’accord sur les décisions à prendre development framework and workflow, and de- 1. SAREF portal - https://saref.etsi.org/ 2. ETSI TS 103 673 V1.1.1 (2020-08) SAREF Development Framework and Workflow, Streamlining the Development of SAREF and its Extensions 3. SAREF Pipeline - https://saref.etsi.org/sources/saref-pipeline

Juillet 2021N o 113 95 velopment of the Community SAREF Portal for tion SHIQ avec des individus. Sur la base de la user engagement » 4. distance définie sur les graphes de complétion, Révision des ontologies dans les lo- nous introduirons une opération de révision giques de description expressives , Chan LE appliquée à une ontologie SHIQ avec un en- DUC (Université Sorbonne Paris Nord) semble de nouvelles contraintes sémantiques. Résumé : Notre compréhension d’un do- Cette opération de révision calcule les graphes maine d’application évolue dans le temps. Si on de complétion qu’une ontologie révisée devrait considère une ontologie comme un ensemble de admettre. Cependant, il n’existe pas toujours contraintes sémantiques qui décrit notre com- une ontologie exprimable en SHIQ à partir de préhension d’un domaine d’application, les on- laquelle un algorithme de tableau génère exac- tologies doivent être révisées. En effet, l’ajout tement un ensemble donné de graphes de com- d’une nouvelle contrainte sémantique à une on- plétion. Ceci nous amène à introduire la notion tologie peut la rendre incohérente. Pour rétablir d’ontologie d’approximation supérieure à partir la cohérence avec une perte minimale de sé- de laquelle un algorithme de tableau peut géné- mantique, on changerait d’autres contraintes rer le plus petit ensemble de graphes de com- sémantiques de l’ontologie de sorte que l’on- plétion incluant un ensemble donné de graphes tologie résultante soit sémantiquement aussi de complétion. Cette notion nous permet de proche que possible de l’ontologie initiale. Pour concevoir un algorithme pour construire une pouvoir dire qu’une ontologie est sémantique- ontologie révisée à partir d’une ontologie ini- ment proche d’une autre, il est nécessaire de tiale avec un ensemble de nouvelles contraintes définir une distance sur des structures finies sémantiques. Nous avons implémenté les al- représentant des modèles, appelés graphes de gorithmes proposés avec des optimisations et complétion, qui caractérisent la sémantique nous rapporterons quelques résultats expéri- d’une ontologie. Dans cette exposition, nous mentaux pour montrer qu’une approche basée présenterons un algorithme de tableau pour sur le modèle pour la révision d’ontologies ex- construire de tels graphes de complétion d’une pressives est réalisable. ontologie exprimée dans la logique de descrip-

4. ETSI STF 578 - https://portal.etsi.org/STF/STFs/STF-HomePages/STF578

Juillet 2021N o 113 96 Thèses et HDR du trimestre

Si vous êtes au courant de la programmation de soutenances de thèses ou HDR en Intelligence Ar- tificielle cette année, vous pouvez nous les signaler en écrivant à redacteur@afia.asso.fr. Thèses de Doctorat

Louis VIARD Cyril BRZENCZEK « Méthodes et outils pour la programmation « Modélisation multi-facteurs pour laide à la des systèmes cyber-physiques.» décision dans le traitement par chimiothé- Supervision : Pierre etienne MOREAU rapie des tumeurs cérébrales de type gliome Laurent CIARLETTA diffus de bas grade» Le 01/04/2021, à l’Université de Lorraine Supervision : Jean Marie MOUREAUX Luc TAILLANDIER Patrick WAPET Le 06/04/2021, à l’Université de Lorraine « Preventing the release of illegitimate ap- plications on mobile markets» Christophe DUHIL Supervision : Daniel HAGIMONT « ModelRun, une méthode de transforma- Alain TCHANA tions de modèles pour la vérification de pro- Le 05/04/2021, à l’INP, Toulouse priétés de modèles de systèmes complexes par simulation» Jean philippe BABAU Erol ELISABETH Supervision : Le 07/04/2021, à l’Université de Brest « Fouille de données spatio-temporelles, ré- sumés de données et apprentissage automa- tique : application au système de recom- Seifeddine ABDELHAK mandations touristique, données medicales « Ordonnancement dynamique des patients et détection des transactions atypiques dans dans les services d’urgence.» le domaine financier» Supervision : Gilles GONCALVES Supervision : Serge AGOSTINELLI Saoussen KRICHEN Le 06/04/2021, à l’Université des Antilles Le 07/04/2021, à l’Université d’Artois

Antoine RICHARD Siying LI « Proposition d’un outil d’aide à la décision « Context-aware recommender system for adapte aux contraintes et aux enjeux d’un system of information systems» soutien informatique aux consultations mé- Supervision : Marie Helene ABEL dicales coutumières» Elsa NEGRE Supervision : Alexis TSOUKIAS Le 07/04/2021, à l’Université de Com- Le 06/04/2021, à l’Université Paris sciences piègne et lettres Aurelien LAMERCERIE « Principe de transduction sémantique pour l’application de théories d’interface sur des documents de spécification» Supervision : Benoit CAILLAUD Annie FORET Le 08/04/2021, à l’Université de Rennes 1

Juillet 2021N o 113 98 Bishnu SARKER « On Graph-Based Approaches for Protein Pierre STOCK Function Annotation and Knowledge Disco- « Efficiency and Redundancy in Deep Lear- very» ning Models : Theoretical Considerations Supervision : Marie Dominique DEVIGNES and Practical Applications» Sabeur ARIDHI Supervision : Remi GRIBONVAL David RITCHIE Herve JEGOU Le 23/04/2021, à l’Université de Lorraine Le 09/04/2021, à l’Université de Lyon

Paul GAUTIER Benjamin KIESSLING « Contribution des méthodes d’apprentis- « Avancées en Reconnaissance Optique des sage à la distribution de tâches dans un clus- Caractères pour les Documents Arabes His- ter robotique» toriques» Supervision : Jean Philippe DIGUET Supervision : Marc BUI Johann LAURENT Le 13/04/2021, à l’Université Paris sciences Le 27/04/2021, à l’Université de Lorient et lettres

Bachir AMADOU Jaouad HAJJAMI « Planification à long terme de réseaux d’aé- « Étude et réalisation d’algorithmes de re- roports, approche d’optimisation» connaissance et de guidage sous-marin par Supervision : Felix Mora CAMINO vision» Mohamed SBIHI Supervision : Ayman Al FALOU Thibault NAPOLEON Le 29/04/2021, à l’Université de Toulouse 3 Le 14/04/2021, à l’Université de Brest Quentin DEMOULIN Thomas GARGOT « Image Processing Systems and Algo- rithms for estimating Deformations of Air- « Algorithms and robotics allow to describe craft Structures in Flight.» how we learn handwriting and how to better Supervision : Jean yves TOURNERET help children with difficulties.» Denis KOUAME Supervision : Dominique ARCHAMBAULT Adrian BASARAB David COHEN Le 30/04/2021, à l’INP, Toulouse Le 20/04/2021, à l’Université de Paris 8

Van Trung PHAM Mingxiao MA « Apprentissage profond pour la détection « Attack modelling and detection in distri- de contours - Application au suivi orthodon- bued and cooperative controlled microgrid tique par smartphone» systems.» Supervision : Yves LUCAS Supervision : Isabelle CHRISMENT Sylvie TREUILLET Abdelkader LAHMADI Le 03/05/2021, à l’Université d’Orléans Le 22/04/2021, à l’Université de Lorraine

Juillet 2021N o 113 99 Sebastien PIEDADE « Synthèse de plans conditionnels pour la Vincent COUTEAUX décision dans l’incertain» Supervision : Charles Lesire CABANIOLS « Apprentissage profond pour la segmenta- Guillaume INFANTES tion et la détection automatique en imagerie Le 05/05/2021, à l’Université de Toulouse, multi-modale : application à l’oncologie hé- ISAE patique» Supervision : Isabelle BLOCH Le 19/05/2021, à l’Institut polytechnique Martin VASSOR de Paris « Graphes de localités : une approche for- melle à l’encapsulation et implémentation» Mariana Segovia FERREIRA Supervision : Jean Bernard STEFANI Le 07/05/2021, à l’Université Grenoble « Cyber-resilience and attack tolerance for Alpes cyber-physical systems» Supervision : Joaquin Garcia ALFARO Ana CAVALLI Maico LEBERLE Le 20/05/2021, à l’Institut polytechnique « Dissecting call-by-need by customizing de Paris multi type systems» Dale MILLER Supervision : Ahmed samy NASSAR Beniamino ACCATTOLI « Learning to map street-side objects using Le 07/05/2021, à l’Institut polytechnique multiple views» de Paris Supervision : Sebastien LEFEVRE Jan WEGNER Antoine PIROVANO Le 21/05/2021, à l’Université de Lorient « Méthodes de diagnostic assiste par ordi- nateur pour le dépistage du cancer du col de Thomas DELACROIX l’utérus sur lames de frottis vaginal en mi- lieu liquide base sur les réseaux de neurones « Meaningful objective frequency-based in- à convolution : conception, optimisation et teresting pattern mining» Philippe LENCA interpretabilité.» Supervision : Supervision : Said LADJAL Le 21/05/2021, à l’École nationale super- Le 07/05/2021, à l’Institut polytechnique ieure Mines-Telecom Atlantique Bretagne de Paris Pays de la Loire

Oihana COUSTIE Amaury DEPIERRE « Détection d’anomalies dans les systèmes « Simulation Enhanced Deep Learning for d’information modernes grâce à des mé- Adaptive Robotic Grasping» thodes d’inférence de structure et de détec- Supervision : Liming CHEN tion de nouveautés dans les logs» Le 21/05/2021, à l’Université de Lyon Supervision : Olivier TESTE Josiane MOTHE Le 11/05/2021, à l’Université de Toulouse 1

Juillet 2021N o 113 100 Kevin OSANLOU Florence CARTON « Apprentissage de plans de manœuvres off- « Exploration of reinforcement learning al- road pour véhicules autonomes» gorithms for autonomous vehicle visual per- Supervision : Tristan CAZENAVE ception and control» Le 27/05/2021, à l’Université Paris sciences Supervision : David FILLIAT et lettres Le 31/05/2021, à l’Institut polytechnique de Paris Marzieh MOZAFARI « Hate speech and offensive language de- Fatma MERABET tection using transfer learning approaches» « Solutions de sécurité pour l’internet des Supervision : Noel CRESPI objets dans le cadre de l’assistance à l’au- Reza FARAHBAKHSH tonomie à domicile» Le 28/05/2021, à l’Institut polytechnique Supervision : Damien SAUVERON de Paris Malika BELKADI Le 01/06/2021, à l’Université de Limoges Martin Rios WILSON « Sur la dynamique des réseaux d’auto- Alexandre ARAUJO mates: une approche basée sur la théorie de « Construire des réseaux neuronaux pro- la complexité informatique» fonds compacts et robustes avec des ma- Supervision : Sylvain SENE trices Toeplitz» Alejandro MAASS Supervision : Jamal ATIF Le 31/05/2021, à l’Université d’Aix- Le 01/06/2021, à l’Université Paris sciences Marseille et lettres

Gwenael RAULT Mohamed HADJADJ « Système d’aide à la décision pour le der- « Problèmes de tournées de véhicules pour nier kilomètre : application au problème de la livraison de béton frais» tournées de véhicules riches» Supervision : Hamamache KHEDDOUCI Supervision : Marc SEVAUX Le 02/06/2021, à l’Université de Lyon Philippe LACOMME Le 31/05/2021, à l’Université de Lorient Ziwei XU « Enchancing LDA for Ontology Learning» Nicolas TURPAULT Supervision : Fabrice GUILLET « Analyse des problématiques liees à la re- Mounira HARZALLAH connaissance de sons ambiants en environ- Le 03/06/2021, à l’Université de Nantes nement réel» Supervision : Emmanuel VINCENT Romain SERIZEL Le 31/05/2021, à l’Université de Lorraine

Juillet 2021N o 113 101 Hossain KORDESTANI « Conception et développement d’un sys- Salwa KOBEISSI tème d’e-santé intelligent et sécurisé base sur le raisonnement probabiliste et la tech- « Réécriture spéculative de programmes ré- nologie blockchain» cursifs en boucles candidates à une paralléli- Supervision : Kamel BARKAOUI sation et une optimisation efficaces utilisant Le 04/06/2021, à l’Université de Paris, HE- un mécanisme inspecteur-exécuteur» Philippe CLAUSS SAM Supervision : Le 24/06/2021, à l’Université de Stras- bourg Quentin CABANES « Nouvelle méthodologie de co-conception d’apprentissage en profondeur basée sur Aina Gari SOLER une plate-forme matérielle pour le prototy- « Word Meaning Representation in Neural page CPS: reconnaissance d’objets dans une Language Models : Lexical Polysemy and étude de cas de véhicule autonome» Semantic Relationships» Supervision : Amar Ramdane CHERIF Supervision : Alexandre ALLAUZEN Le 07/06/2021, à l’Université Paris-Saclay Marianna APIDIANAKI Le 24/06/2021, à l’Université Paris-Saclay

Manon JUBERT « Algorithme de planification de numérisa- Sabrine EDDED tion et d’alignement de nuages de points 3d « Approche collaborative pour la configura- pour le contrôle in-situ de pièces mécaniques tion des lignes de produits» en cours d’usinage» Supervision : Camille SALINESI Supervision : Jean luc MARI Henda Ben ghezala HADJAMI Jean philippe PERNOT Le 29/06/2021, à l’Université de Paris 1 Le 08/06/2021, à l’Université d’Aix- Marseille Victor DAVID « Traitement de la Similarité en Argumen- Nawal ELDROGI tation» « Vision par ordinateur pour suivi automa- Supervision : Leila AMGOUD tique et caractérisation de comportement Le 05/07/2021, à l’Université de Toulouse 3 animal aquatique» Supervision : Franck LUTHON Alex LAMBERT Le 16/06/2021, à l’Université de Pau « Apprentissage de Fonctions à Valeurs Fonctionnelles dans des Espaces de Hilbert à Govind RAJANBABU Noyaux Auto-reproduisants avec Pertes In- « Réduction d’ordre partiel pour les sys- tégrales: Application à l’Apprentissage d’un tèmes temporisés» Continuum de Taches» Supervision : Igor WALUKIEWICZ Supervision : Florence D alche BUC Balaguru SRIVATHSAN Le 07/07/2021, à l’Institut polytechnique Frederic HERBRETEAU de Paris Le 16/06/2021, à l’Université de Bordeaux

Juillet 2021N o 113 102 Clovis Anicet OUEDRAOGO « Sur la gestion de la QoS dans les plates- formes IoT compatibles NFV.» Supervision : Christophe CHASSOT Samir MEDJIAH Khalil DRIRA Le 07/07/2021, à l’Université de Toulouse, INSA

Habilitations à Diriger les Recherches

Nous n’avons malheureusement pas eu dont vous avez entendu parler. (redacteurs- connaissance ce trimestre d’HDR dans le bulletins@afia.asso.fr domaine de l’IA. N’hésitez pas à nous envoyer les informations concernant celles

Juillet 2021N o 113 103 À PROPOS DE L’AfIA

L’objet de l’AfIA, Association Loi 1901 sans but - Collège Représentation et Raisonnement (de- lucratif, est de promouvoir et de favoriser le dévelop- puis avril 2017) ; pement de l’Intelligence Artificielle (IA) sous ses diffé- - Collège Science de l’Ingénierie des Connais- rentes formes, de regrouper et de faire croître la com- sances (depuis avril 2016) ; munauté française en IA et, à la hauteur des forces de - Collège Systèmes Multi-Agents et Agents Au- ses membres, d’en assurer la visibilité. tonomes (depuis octobre 2016) ; L’AfIA anime la communauté par l’organisation de - Collège Technologies du Langage Humain grands rendez-vous. Se tient ainsi chaque été une se- (depuis juillet 2019) ; maine de l’IA, la « Plate-forme IA » (PfIA 2019 à Tou- - Collège Compétitions (depuis octobre 2018). louse, PfIA 2020 à Angers, PfIA 2021 à Bordeaux) au - la parution trimestrielle des Bulletins de l’AfIA ; sein de laquelle se tiennent la Conférence Nationale d’In- - un lien entre ses membres et sympathisants sur les telligence Artificielle (CNIA), les Rencontres des Jeunes réseaux sociaux LinkedIn, Facebook et Twitter; Chercheurs en IA (RJCIA) et la Conférence sur les Ap- - le parrainage scientifique, mais aussi éventuellement plications Pratiques de l’IA (APIA) ainsi que des confé- financier, d’événements en IA ; rences thématiques hébergées qui évoluent d’une année - la diffusion mensuelle de Brèves sur les actualités de à l’autre, sans récurrence obligée. l’IA en France (abonnement ou envoi à la liste) ; Ainsi, PfIA 2021 héberge du 28 juin au 2 juillet - la réponse aux consultations officielles ou officieuses 2021 à Bordeaux, outre la 24e CNIA, les 19es RJCIA et (Ministères, Missions, Organismes) ; la 7e APIA : les 32es IC, les 16es JFPDA, les 29es JFSMA - la réponse aux questions de la presse, écrite ou orale, et les 15es JIAF, trois journées thématiques (Défense & également sur internet ; IA, Jeux & IA, Santé & IA) et une section de 6 tutoriels - la divulgation d’offres de collaborations, de forma- accessible à tous les inscrits à la plateforme. tions, d’emploi, de thèses et de stages. Forte du soutien de ses 340 adhérents à jour de leur L’AfIA organise aussi mensuellement des journées cotisation en 2020, l’AfIA assure : communes avec d’autres associations. Pour 2021 : TAL - le maintien d’un site web dédié à l’IA reproduisant & IA avec ATALA; IHM & IA avec AFIHM; EGC & IA également les Brèves de l’IA ; avec EGC. - une journée industrielle « Forum Industriel en IA » Enfin, l’AfIA encourage la participation de ses (FIIA 2020); membres aux grands événements de l’IA, dont PfIA. - une journée enseignement « Enseignement et For- Ainsi, les membres de l’AfIA, pour leur inscription à mation en IA » (EFIA 2021); PfIA, bénéficient d’une réduction équivalente à deux - une journée recherche « Perspectives et Défis en fois le coût de leur adhésion, leur permettant d’assis- IA » (PDIA 2021); ter à PfIA 2021 sur 5 jours au tarif de 0 e ! - la remise annuelle d’un prix de thèse en IA ; Rejoignez-nous vous aussi et adhérez à l’AfIA pour - le soutien à plusieurs collèges, actuellement au contribuer au développement de l’IA en France. L’adhé- nombre de 8, ayant leur propre activité : sion peut être individuelle ou, à partir de cinq adhérents, - Collège Industriel (depuis janvier 2016) ; être réalisée au titre de personne morale. Parmi les - Collège Apprentissage Artificiel (depuis jan- personnes morales, certaines peuvent vouloir rejoindre vier 2020) ; notre Collège Industriel, au plus près de l’IA ! - Collège Interaction avec l’Humain (depuis Merci également de susciter de telles adhésions en juillet 2020) ; diffusant ce document autour de vous !

Juillet 2021N o 113 104 CONSEIL D’ADMINISTRATION COMITÉ DE RÉDACTION Benoit LE BLANC, président redaction@afia.asso.fr Domitile LOURDEAUX, vice-présidente Emmanuel ADAM Isabelle SESÉ, trésorière Rédacteur Grégory BONNET, secrétaire Grégory BONNET rédacteur Dominique LONGIN, Rédacteur en chef adjoint Emmanuel ADAM, webmestre resp-gt-redaction@afia.asso.fr Autres membres : Gaël LEJEUNE Sandra BRINGAY, Yves DEMAZEAU, Gaël DIAS, Rédacteur Catherine FARON-ZUCKER, Pierre FEILLET, Thomas GUYET, Marie LEFEVRE, Engelbert Dominique LONGIN Mephu NGUIFO, Gauthier PICARD, Valérie REI- Rédacteur en chef NER, Céline ROUVEIROL, Laurent SIMON, resp-gt-redaction@afia.asso.fr Charlotte TRUCHET Laurent SIMON Rédacteur LABORATOIRES ET SOCIÉTÉS ADHÉRANT COMME PERSONNES MORALES

Ardans, Berger Levrault, CRIL, CRIStAL, Dassault Aviation, ENIB, EURODECISION, GRETTIA, GREYC, Huawei, I3S, IBM, INRIA Sophia Antipolis Méditerranée, IRIT, ISAE-SUPAERO, Lab- STICC, LAMSADE, LERIA, LGI2P, LHC, LIG, LIMICS, LIMSI, LIP6, LIPADE, LIRIS, LIRMM, LITIS, MaIAGE, Naver Labs, Renault, Thales, Université Paris-Saclay, Veolia.

Pour contacter l’AfIA Président Serveur WEB Benoit LE BLANC http://www.afia.asso.fr École Nationale Supérieure de Cognitique Bordeaux-INP Adhésions, liens avec les adhérents 109 avenue Roul, 33400 Talence Isabelle SESÉ Tél. : +33 (0) 5 57 00 67 00 tresorier@afia.asso.fr president@afia.asso.fr

Calendrier de parution du Bulletin de l’AfIA

Hiver Printemps Été Automne

Réception des contributions 15/12 15/03 15/06 15/09 Sortie 31/01 30/04 31/07 31/10

Juillet 2021N o 113 105