Le programme de recherche baptisé IA2 et lancé par l’IRT SystemX vise à combiner les technologies de l'intelligence artificielle avec les méthodes déjà déployées par les ingénieries industrielles, afin d’optimiser les performances opérationnelles mais aussi d'aider à la transformation des métiers. ...Le programme réunit une trentaine de partenaires industriels et académiques sur 5 ans, et se compose de six projets de R&D collaboratifs à finalités industrielles, reposant sur des cas d'usage concrets, chapeautés par un projet amont de mise en commun des résultats scientifiques coordonné par Marc Schoenauer, un chercheur de l’Inria Saclay. Il s’agit ici de développer des solutions "hybridantes" selon trois approches de modélisation et de simulation : modélisation physique des systèmes, utilisation de connaissances métier ou de modèles de comportements exprimés par des experts, et modèles d'apprentissage reposant sur les données réelles.

« Pour la résolution d'un problème industriel, c'est généralement une approche unique qui est aujourd'hui utilisée, issue soit du calcul scientifique, soit de la représentation des connaissances, ou bien encore de l'apprentissage statistique, explique Patrice Aknin, directeur scientifique de l'IRT SystemX. Utilisée isolément, chacune des trois approches, même bien outillée, trouve ses limites. Le programme IA2 ambitionne le développement et la mise en œuvre d'approches qui “hybrident” ces différents champs scientifiques. »

Concrètement, ces trois domaines scientifiques souffrent d'un certain nombre de limitations lorsqu'ils sont utilisés indépendamment, avec une difficulté à modéliser fidèlement ou complètement un système physique réel associé à des temps de calculs parfois prohibitifs, et des obstacles à disposer d'un nombre suffisant d'exemples pour permettre un apprentissage de qualité. De plus les discours d'experts s'écartent parfois des observations terrain et il est difficile voire impossible de couvrir tous les cas possibles et de gérer les exceptions. In fine ce programme, par la combinaison de ces approches dans des modèles hybrides, aura pour objectif de favoriser la capacité à modéliser, simuler au plus près un système réel et prendre des décisions adaptées en exploitation.

Le premier projet, Hybridation Simulation Apprentissage, lancé dans le cadre de ce programme, démarre en février 2020 et s’attachera à comprendre comment les calculs industriels et les modèles obtenus par apprentissage sur des données s'enrichissent mutuellement. Les autres projets prévus sont :

- Performance des simulateurs hybrides : ou comment valider et optimiser des simulateurs hybrides ou le virtual testing augmenté

- Supervision d'infrastructures industrielles : ou comment aider à la décision sur un système industriel distribué tirant parti des avancées de l'apprentissage

- Simulation multi-agents augmentée : ou comment les modèles reposant sur les agents logiciels peuvent tirer parti de données réelles pour s'adapter et faire émerger des situations atypiques

- Sémantique métier pour l'exploitation de données multisources : ou comment coupler des données à fiabilités hétérogènes avec des connaissances métier établies

- Cockpit et assistant bidirectionnel : ou comment développer un assistant virtuel qui apprenne de et à l'expert.

Les laboratoires Inria Saclay, LRI - UPSaclay, LTCI - Télécom Paris, LIMSI - CNRS, LIP6 - Sorbonne Université, MICS - CentraleSupélec, Lattice - ENS Paris, CMLA - ENS PS, PIMM - ENSAM participeront au programme dans lequel l'animation scientifique, l'organisation de séminaires ouverts à l'externe et la promotion des résultats et publications scientifiques seront assurées dans le cadre de cette coordination.