Objectifs de la chaire
La chaire ADDX vise à établir un lien entre les méthodes basées sur des modèles et les méthodes basées sur des données pour la détection d’anomalies (AD) et le diagnostic (DX) en tirant les avantages mutuels des deux approches et en les intégrant étroitement dans un cadre d’IA hybride.
La chaire accorde une place importante à la détection d’anomalies. Celles-ci correspondent à des observations aberrantes, hors distribution ou à des motifs inhabituels dans les données.
La détection d’anomalies est essentielle dans les systèmes d’information et de communication : elle peut indiquer une corruption des données ou un comportement défectueux.
La confiance dans les systèmes d’intelligence artificielle (IA) dépend de la qualité des données et leurs performances ne sont pas garanties pour des entrées qui ne se situent pas dans la distribution d’apprentissage. D’autre part, la détection des anomalies joue un rôle crucial dans la certification des données obtenues à partir de capteurs ou d’images ainsi que dans l’identification des symptômes qui peuvent être utilisés pour le raisonnement diagnostique et la gestion de santé des systèmes.
L’extraction de connaissances explicites à partir de données et l’apprentissage guidé par les connaissances appliquées aux problèmes antérieurs seront les clés de voûte de la recherche de cette chaire. Les approches de l’apprentissage superficiel et profond seront confrontées et intégrées de manière synergique.
Les activités de recherche de la chaire sont organisées de manière équilibrée entre une recherche de type “ciel bleu” et la recherche plus appliquée qui répond à des besoins socio-économiques. Une collaboration est prévue avec d’autres chaires, POPML4PS et TRIAL sur les thèmes de l’optimisation polynomiale et de la robustesse ainsi qu’une implication dans le programme intégratif DEEL.
Un partenariat industriel est également prévu et plusieurs industriels ont déjà manifesté leur intérêt pour cette chaire, à savoir Airbus, Continental, Vitesco Technologies, le CNES et le développement d’une application dans le domaine de la santé est également prévue en collaboration avec l’Oncopole.
La chaire est portée par une équipe de cinq chercheurs qui apporteront des compétences dans trois domaines complémentaires pour les tâches visées : L’IA, les mathématiques et l’automatique. Ce spectre d’expertise permettra d’obtenir des résultats en matière d’IA hybride.
Co-chair
- Jean-Bernard Lasserre (DR CNRS Emerite, LAAS-CNRS)
- Elodie Chanthery (MdC HDR, LAAS-CNRS & INSA Toulouse)
- Carine Jauberthie (PR, LAAS-CNRS & UT3 Paul
Sabatier) - Xavier Pucel (Chargé de recherche, Onera)
- Détection d’anomalies frugale basée sur la fonction de Christoffel.
- Détection d’anomalies et explication.
- Méthodes à faible dimension pour les problèmes de détection d’anomalies à haute dimension.
- Extraction de connaissances de diagnostic explicites à partir de données.
- Détection d’anomalies et diagnostic hybrides basés sur un modèle et des données.
- VITESCO TECHNOLOGIES : Explication des défauts et dépendance aux données de conception dans les procedés de fabrication.
- AIRBUS : Fusion de données et techniques d’intelligence artificielle pour le diagnostic des défauts des capteurs appliqués aux avions de nouvelle génération.
- CONTINENTAL : Détection d’anomalies dans des environnements évolutifs et explications – Application aux lignes de production.
- CNES : Détection d’anomalies par fonction de Christoffel – Application aux télémesures spatiales.
- Oncopole : Détection d’anomalies et diagnostic par Intelligence Artificielle hybride – Application aux machines de radiothérapie.
- AIRBUS : Architectures de diagnostic pour la prochaine génération d’avions.
- BATCONNECT : Solutions hybrides de diagnostic et de maintenance prédictive basées sur l’IA à partir de données acquises en temps réel sur les systèmes de batteries.
- Méthodes de détection d’anomalies sans réglage et frugales.
- Données et connaissances entremêlées pour la détection et le diagnostic des anomalies.