Energie et écologie

Quel est l'impact de l’intelligence artificielle sur l'environnement ? Comment peut-elle redéfinir les défis de l'énergie ? Comment peut-elle bénéficier à ces domaines ?

Le monde de l'environnement et de l'énergie connaît de profonds changements ces derniers temps : le monde industriel se développe de manière exponentielle avec des conséquences sur l'environnement, la demande d'électricité et d'autres sources d'énergie augmente, pour n'en citer que quelques-uns. Le progrès et la nature sont considérés comme des ennemis, mais ils ne sont pas toujours opposés. 

L'IA est en train de contribuer positivement aux défis liés à l'énergie et l'écologie.

Il permet l'exploitation rationnelle de l'agriculture, l'optimisation des procédés de réduction de la pollution tels que le recyclage ou la participation à la recherche pour lutter contre la pollution plastique des océans. Dans le cadre de ces questions, l'Institut DATAIA finance deux projets de recherche, PEPER et Warm Rules, qui visent respectivement à optimiser l'utilisation des énergies renouvelables et à étudier l'adaptation des organismes au changement climatique.

e-Science

La révolution des techniques expérimentales a ouvert la porte à des jeux de données de très grande dimension mais avec un nombre d’observations limité. Un enjeu essentiel est d'accompagner ce changement en développant une culture de l'expertise des données.

Les disciplines scientifiques génèrent par des expériences un grand nombre de données. Une grande partie du travail des scientifiques consiste à exploiter ces données : les stocker, les représenter, en extraire les informations utiles ou importantes puis faire de la modélisation, des modèles statistiques, des prédictions, les tester etc. Ces données étant de plus en plus complexes, tous les scientifiques ne sont pas forcément outillés pour répondre aux défis posés par ces données,  qui deviennent de plus en plus techniques au fil du temps.

L'Institut DATAIA propose des outils pour faciliter aux scientifiques l’analyse des données.

Pour créer de nouvelles collaborations et dynamiser l’analyse des données,  une approche nouvelle consiste notamment à soutenir la création de challenges pour repérer, pour un problème donné, les meilleures stratégies et les combiner pour arriver à un modèle d’ensemble plus performant. Dans le cadre du Center for Data Science, des chercheurs et ingénieurs de l’équipe Parietal du centre Inria Saclay – Île-de-France, ont lancé en 2018 un challenge sur l’autisme à partir d’images du cerveau d’enfants, autistes ou non.  Ainsi, des spécialistes en apprentissage mettent au point des modèles prédictifs pour le diagnostic de la maladie. Ce challenge a permis de faire avancer le score de prédiction et booster la qualité du diagnostic de l’autisme de 10%.Dans le cadre des e-sciences, un autre type d’approche consiste à établir la structure causale des phénomènes  plutôt que la prédiction : il s’agit d’une branche très active de l’apprentissage.

Industrie

L'intelligence artificielle est considérée comme la caractéristique stratégique de l'avenir, mais son développement n'est possible que par la collaboration entre la recherche et l'application. L'Institut DATAIA s'emploie à renforcer ces relations.

L'intelligence artificielle est considérée comme la caractéristique stratégique de l'avenir, mais son développement n'est possible que par la collaboration entre la recherche et l'application. L'Institut DATAIA s'emploie à renforcer ces relations. La recherche est axée sur le développement d'outils analytiques capables d'interroger de grandes bases de données. Cependant, les industries sont les sujets qui ont le plus grand stockage d'informations. D'autre part, pour valoriser ces grandes bases de données, les entreprises ont besoin des bons outils pour les interroger et les manipuler.

Le développement de l'IA dans le domaine industriel est possible grâce à des recherches universitaires préalables.

De nombreuses initiatives ont été prises jusqu'à présent pour renforcer la collaboration entre ces deux acteurs. Dans le cadre de l'initiative gouvernementale « AI for Humanity », un manifeste pour l'IA au service des industries a été signé. Son objectif est de coordonner un plan d'action avec l'écosystème français pour définir les enjeux liés au développement de l'IA et hiérarchiser les thèmes de recherche. L'Institut DATAIA promeut un Plan d'Affiliation Industrielle, un partenariat visant à enrichir le développement de la recherche académique sur l'IA ainsi qu'à donner des avantages aux entreprises.

Réseaux des personnes et des objets

Les réseaux sociaux sont des réseaux d’influence et de production de valeur. Si la plupart des messages sont actuellement produits par les utilisateurs, des capteurs commencent à produire un flux d’information supplémentaire et continu. Une nouvelle forme de communication et d’échange d’informations est donc en train de naître et il est essentiel de comprendre comment nos comportements et les interactions sociales sont influencés.

Pour cela, il faut développer de nouvelles méthodologies permettant une analyse adéquate des différents impacts liés à ces évolutions.

Santé et bien-être

L'un des potentiels de l’IA dans l'environnement de la santé réside dans sa capacité à reconnaître et à corréler les facteurs biologiques ou physiologiques dans de grandes quantités de données.

Grâce à l'extraction d'informations à partir d'un grand nombre de pratiques cliniques et de recherches médicales, l'IA peut aider à établir des corrélations personnalisées sur les risques ou fournir aux médecins une aide à la décision optimale.

L'accès aux données de santé est un enjeu majeur pour le développement de l’IA en France.

Il n'existe pas de cadre simple pour accélérer la disponibilité des données. En France, en juin 2018, le ministère de la Santé a lancé une mission, le « Health Data Hub », pour faciliter l'utilisation des données à des fins de recherche et d'innovation. Pour faire face à ce problème, l'Institut DATAIA a financé le projet de recherche « MissingBigData » en 2018, qui vise à aborder le problème des données manquantes sous un angle différent et à proposer de nouveaux modèles plus puissants à partir d'échantillons de données plus importants pour imputer les valeurs manquantes.

Urbanisation 4.0 et transport

Les systèmes de transport intelligents et coopératifs, basés sur la modélisation du trafic, la gestion distribuée et interactive du trafic et la prise de décision optimale font partie de nos domaines d’applications.

L'exploitation collaborative d'informations distribuées entre les véhicules (semi) autonomes favoriseront des progrès significatifs en terme de sécurité et de trafic. Sont également concernés les systèmes interconnectés cyber-physiques, qui nécessitent le développement de solutions pour une prise décision distribuée optimale dans un contexte d’incertitude. De manière plus générale, l'urbanisation intelligente en intégrant des sources d'informations de capteurs distribués pour l'aménagement du territoire, la gestion des ressources, des transports et de la mobilité.

Le succès de l’IA en transport et mobilité dépend largement de la qualité des données de situations de conduite et de la capacité à les traiter.

Cette labélisation doit être réalisée manuellement aujourd’hui ce qui ne permet pas d’atteindre la performance souhaitée rapidement. Il y a donc une manque de disponibilité d’expertises et d’expérimentation à grande échelle. De plus, les acteurs privés éprouvent des difficultés pour mettre en place des projets en collaboration avec des chercheurs. Un dispositif de partenariat à moyen terme à été lancé par l’Institut DATAIA. Le Programme d’Affiliation Industrielle, en fait, a le but de promouvoir la collaboration entre académique et industriel en favorisant le contact et les échanges entre eux.