8
Le groupe de travail veut souligner les grandes potentialités françaises en intelligence artificielle, la
France ayant des chercheurs du meilleur niveau international dans chacune de ces thématiques (ce qui
n’est pas le cas de tous les pays), et ce qui ne limite donc pas le champ des possibles.
Le groupe de travail constate également le manque de grands groupes industriels dans la recherche
amont en intelligence artificielle en France, contrairement à ce qui peut se faire dans d’autres pays.
IDENTIFICATION DES SUJETS DE RECHERCHE DISRUPTIFS
Au niveau des grandes questions de recherche, nous avons identifié 36 sujets de recherche disruptifs.
Nous avons classés ces sujets en 9 grandes thématiques, que nous détaillons ci-dessous:
(voir en Annexe 3 la description de chacun de ces sujets de recherche disruptifs)
- Perception
La perception et les informations perceptuelles sont une entrée de beaucoup de systèmes de raisonnement. Par exemple, pour concevoir des robots capables d’interagir avec leur environnement les capacités de perception sont le premier chainon indispensable avant de mener un raisonnement, de prendre
une décision et d’agir. Or beaucoup reste à faire sur ces problématiques liées à la perception.
Les grands défis concernant cette thématique:
- Vision
- Parole / Audio
- Multimodalité
- Collaboration Humain Machine
Cette problématique est primordiale pour améliorer les interactions humains-machines, afin de permettre aux utilisateurs d’avoir une meilleure interaction avec les programmes et robots. Cela passe en
particulier par la facilitation de l’interaction et donc le développement d’outils pour le traitement du
langage naturel.
Les grands défis concernant cette thématique:
- Recommandations à l’utilisateur
- Décision sous incertitude
- Sémantique et compréhension de la langue
- Intentionnalité / Emotions
- Intelligence Artificielle à large échelle
Un des éléments saillants à l’heure actuelle est le fait que dans de nombreux domaines une grande
quantité de données est disponible, et il faut adapter les méthodes usuelles (raisonnement, décision,
apprentissage, etc) pour pouvoir appréhender efficacement ces données.
Les grands défis concernant cette thématique:
- Raisonner sur des données massives
- Intégration de données hétérogènes et/ou multisources
- Aspects matériels et calcul (architectures distribuées, etc.)
- Explicabilité
Une capacité importante pour les systèmes artificiels automatisés est le fait de pouvoir expliquer, argumenter, justifier un raisonnement, une décision ou une action. Cela est indispensable pour une meilleure acceptabilité des programmes prodiguant conseils ou injonctions (dans le cas d’un véhicule
autonome par exemple).
Les grands défis concernant cette thématique:
- Résumé / Restitution linguistique
- Argumentation / Délibération
- Explicabilité des méthodes d’apprentissage
- Causalité
- Apprentissage machine
Le groupe de travail veut souligner les grandes potentialités françaises en intelligence artificielle, la
France ayant des chercheurs du meilleur niveau international dans chacune de ces thématiques (ce qui
n’est pas le cas de tous les pays), et ce qui ne limite donc pas le champ des possibles.
Le groupe de travail constate également le manque de grands groupes industriels dans la recherche
amont en intelligence artificielle en France, contrairement à ce qui peut se faire dans d’autres pays.
IDENTIFICATION DES SUJETS DE RECHERCHE DISRUPTIFS
Au niveau des grandes questions de recherche, nous avons identifié 36 sujets de recherche disruptifs.
Nous avons classés ces sujets en 9 grandes thématiques, que nous détaillons ci-dessous:
(voir en Annexe 3 la description de chacun de ces sujets de recherche disruptifs)
- Perception
La perception et les informations perceptuelles sont une entrée de beaucoup de systèmes de raisonnement. Par exemple, pour concevoir des robots capables d’interagir avec leur environnement les capacités de perception sont le premier chainon indispensable avant de mener un raisonnement, de prendre
une décision et d’agir. Or beaucoup reste à faire sur ces problématiques liées à la perception.
Les grands défis concernant cette thématique:
- Vision
- Parole / Audio
- Multimodalité
- Collaboration Humain Machine
Cette problématique est primordiale pour améliorer les interactions humains-machines, afin de permettre aux utilisateurs d’avoir une meilleure interaction avec les programmes et robots. Cela passe en
particulier par la facilitation de l’interaction et donc le développement d’outils pour le traitement du
langage naturel.
Les grands défis concernant cette thématique:
- Recommandations à l’utilisateur
- Décision sous incertitude
- Sémantique et compréhension de la langue
- Intentionnalité / Emotions
- Intelligence Artificielle à large échelle
Un des éléments saillants à l’heure actuelle est le fait que dans de nombreux domaines une grande
quantité de données est disponible, et il faut adapter les méthodes usuelles (raisonnement, décision,
apprentissage, etc) pour pouvoir appréhender efficacement ces données.
Les grands défis concernant cette thématique:
- Raisonner sur des données massives
- Intégration de données hétérogènes et/ou multisources
- Aspects matériels et calcul (architectures distribuées, etc.)
- Explicabilité
Une capacité importante pour les systèmes artificiels automatisés est le fait de pouvoir expliquer, argumenter, justifier un raisonnement, une décision ou une action. Cela est indispensable pour une meilleure acceptabilité des programmes prodiguant conseils ou injonctions (dans le cas d’un véhicule
autonome par exemple).
Les grands défis concernant cette thématique:
- Résumé / Restitution linguistique
- Argumentation / Délibération
- Explicabilité des méthodes d’apprentissage
- Causalité
- Apprentissage machine