PEPR Intelligence artificielle (IA)

Dans le cadre de la stratégie nationale pour l’intelligence artificielle lancée en 2018, faisant suite aux recommandations du rapport Villani, le PEPR Intelligence Artificielle s’inscrit dansle volet recherche pour faire émerger des technologies de rupture dans le développement et l’utilisation de l’intelligence artificielle.

Au cœur des enjeux scientifiques de l’IA, le PEPR IA vise à répondre aux défis sociétaux de durabilité, de transition écologique et de souveraineté technologique.

Le PEPR IA ambitionne de structurer les communautés de recherche afin de lancer des défis scientifiques stimulants et de faire émerger des technologies de ruptures bénéficiant à l’ensemble des acteurs français du domaine.

S’appuyant sur une cinquantaine d’équipes de recherche pendant 5 ans, le PEPR IA s’est assigné les objectifs suivants : 

• Lever les verrous scientifiques de l’IA frugale (en termes d’efficacité énergétique et d’efficacité vis-à-vis des données), de l’IA embarquée, de l’IA distribuée et de l’IA de confiance (en termes de robustesse, d’équité, de transparence et de sécurité).
   
• S’appuyer sur l’excellence de l’école française de mathématiques pour ouvrir de nouveaux horizons aux fondements mathématiques de l’IA ;
   
• Attirer les talents du monde entier en recherche en IA ;
   
• Ouvrir la voie à l’engagement de l’industrie française, et en particulier des startups, dans le déploiement de l’IA.

Ce programme constitue un outil puissant au service de la stratégie nationale IA, avec déjà neuf projets déjà lancés répartis parmi les axes suivants :

• IA de confiance et IA distribuée via une approche multiple de la confiance, intégrant le développement des fondements de la robustesse par des approches statistiques ; l’intégration des méthodes formelles pour la spécification, l’apprentissage et la validation de sûreté des modèles d’IA ; le développement de mécanismes d’apprentissage décentralisés garantissant la sécurité ; l’intégration des modèles causaux avec l’apprentissage machine afin de bénéficier de capacités d’explications fondées.
   
• IA frugale et IA embarquée via l’approfondissement des fondements théoriques et algorithmiques de l’apprentissage machine, pour assurer par construction une frugalité en données et calcul ; l’optimisation poussée des modèles et le pilotage de l’apprentissage par les contraintes matérielles ; la conception d’architectures matérielles dédiées à l’IA, modulaires, flexibles et adaptatives ; l’exploration modèles de calcul proches de la physique.
   
• Nouveaux fondements mathématiques de l’IA, en particulier dans le domaine de l’analyse mathématique, via l’intégration des outils et avancées sur les équations différentielles partielles, le contrôle optimal et le transport optimal afin d’élaborer de nouvelles architectures, avec des schémas d’optimisation stables et des solveurs et approximations efficaces, et la prise en compte des méthodes génératives et de la diffusion d’un point de vue analytique.

Les premiers projets soutenus par le programme devraient permettre le recrutement de plus de 150 doctorants et au moins autant de post-doctorants et d’ingénieurs.

Site web du PEPR IA