Conférence dans le cadre de la fête de la science 2024.

Intervenants : Marian Scuturici et Pierre Faure-Giovagnoli

L'objectif de cette conférence est de présenter l'utilisation des modèles d'intelligence artificielle pour améliorer le rendement des turbines d'une centrale hydro-électrique.

Cet événement biannuel depuis 1984 est l'occasion de promouvoir des travaux, des bonnes pratiques, et de réfléchir et échanger sur des problématiques et solutions, d'apprendre et de partager.

Ces trois journées s'adressent aux enseignants, chercheurs, doctorants, étudiants et industriels offreurs de solutions dans les domaines de :

• Conception de produits et services,
• Ecoconception & Analyse du Cycle de Vie,
• Réalité Virtuelle & Réalité Augmentée,
• Tolérancement & Industrialisation,
• Chaîne numérique,
• Procédés de fabrication avancés,
• Automatisme et robotique, Ingénierie système,
• Métrologie & Précision,
• Gestion et systèmes de production,
• Maintenance,
• Intelligence Artificielle pour l'industrie du futur,
• IoT.

Cet évènement sera aussi l'occasion de célébrer les 40 ans du réseau S.mart.

Comment auditer l’IA ou plutôt comment auditer les IA ? Selon quelles méthodes et procédures ? Pour quels objets ? Selon quelles finalités ? C’est à ces questions que la journée les audits de l’IA entend se confronter.

L’actualité juridique internationale relative à l’IA témoigne de la volonté d’encadrer les systèmes d’intelligence artificielle (SIA) afin d’assurer leur sécurité et fiabilité. Qu’il s’agisse du règlement européen sur l’IA, des travaux du Conseil de l’Europe sur une futur convention ou encore du décret présidentiel américain, l’accent est porté sur l’évaluation des SIA à l’aune des risques qu’ils font peser sur nos sociétés démocratiques. En effet, l’IA est susceptible de changer notre rapport au monde, au travail, à la justice, à l’exercice des droits civiques. Dès lors les systèmes d’IA doivent être dignes de confiance, au regard de leurs potentielles conséquences sur la vie quotidienne des citoyens. Une évaluation des systèmes d’IA est donc nécessaire pour s’assurer qu’ils remplissent leur tâche de la manière la plus fiable possible. Accompagnant cette évaluation, les audits et certifications ont alors vocation à créer un cadre de confiance pour les utilisateurs des SIA.

Ainsi, après l’atelier organisé en 2023 et dédié au partage et à la protection des données de santé, le projet IPoP du PEPR Cybersécurité vous convie à la journée "Les audits de l’IA" qui a pour ambition de questionner cet encadrement de l’IA par l’évaluation, d’en sonder les défis mais aussi les réponses apportées aujourd’hui par la recherche et les acteurs de terrain.

Cette journée sera l’occasion d’échanger en croisant les points de vue (académique, institutionnel, réglementaire, industriel).

• Programme : https://files.inria.fr/ipop/audit-ia/tag/hyde/

Appel à poster : Cet atelier offre l’opportunité à des chercheurs de présenter leurs travaux en lien avec la thématique de la journée sous forme de poster.

• Plus d'information : https://files.inria.fr/ipop/audit-ia/tag/poster/

Building Autonomous Agents with Hybrid Navigation Policies

Doctorant : Assem SADEK

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

Les progrès récents de l'IA, et plus particulièrement de l'apprentissage automatique, permettent aux robots de s'intégrer de manière plus transparente dans nos habitudes quotidiennes. L'objectif de cette thèse est de faire un pas de plus vers le développement d'agents autonomes intelligents qui peuvent être intégrés dans notre environnement quotidien, comme les maisons, les hôpitaux, les centres commerciaux, etc. Ces agents devraient posséder la capacité de naviguer efficacement dans leur environnement pour atteindre un certain objectif, comme atteindre une certaine zone de l'environnement ou trouver un certain objet. C'est pourquoi nous examinons le large éventail de techniques existantes pour la construction d'un agent de navigation incarné. Ces techniques peuvent entièrement être apprises par des réseaux neuronaux (techniques basées sur l'apprentissage) ou elles peuvent être des techniques basées sur la géométrie qui reposent sur une modélisation explicite de l'agent et de son environnement. Dans cette thèse, nous construisons des approches hybrides qui utilisent les deux techniques afin de pouvoir fonctionner, non seulement dans une simulation, mais également dans un environnement physique réel. Il s'agit d'un objectif commun à toutes les contributions à ce travail.

Et s’il était possible, grâce à l’intelligence artificielle, de soulager les pressions opérationnelles des équipes soignantes et offrir une meilleure qualité de suivi aux patients en prédisant leurs parcours de soins ?​ C’est le sujet qui a occupé Alice Martin, désormais docteure, lors de sa thèse menée au laboratoire DISP¹. Alors que les structures de santé françaises rencontrent des difficultés structurelles, celles-ci tentent d'améliorer la prise en charge des patients notamment en cas de maladies chroniques. Pour anticiper l’évolution de la consommation des actes thérapeutiques, Alice Martin a cherché à comprendre les aspects du profil des patients à travers la donnée. 

Aujourd’hui, les structures de santé rencontrent des difficultés structurelles dans l'organisation des soins et la prise en charge de leurs patients. Quelles sont-elles ?
L’accès aux soins souffre de fractures multiples : augmentation du nombre de maladies chroniques, vieillissement de la population, fracture territoriale dans l'accès aux soins médicaux, pressions financières et recherche d’efficience à tout prix… Beaucoup de structures de santé tentent de s’adapter à ces transformations en optimisant les parcours patients, notamment grâce à la prédiction des évènements cliniques. Cela suppose de mieux comprendre les patients pour leur proposer des prises en charge adaptées à leurs besoins et à leur profil clinique. D’autre part, il y a une disponibilité croissante des données de santé et une meilleure applicabilité de l’intelligence artificielle. Près de 30 % des données stockées dans le monde sont des données de santé et l’exploitation de celles-ci peuvent aider notamment  à assurer la viabilité du système de santé français, qui n’a pas de visée de rentabilité.

Durant votre thèse, vous avez travaillé à cette prédiction des parcours patients. Comment mieux prévoir et soulager les structures dans leurs organisations ? 
Pour anticiper des évènements cliniques sur un profil de patient donné, il a fallu étudier de près beaucoup de données médico-économiques. Ces données, notamment celles issues de la facturations des hôpitaux, sont très révélatrices des parcours de soins. Elles permettent de recomposer la trajectoire suivie des patients, grâce à l’intelligence artificielle qui offre d’excellentes perspectives d’analyse, de modélisation et d’interprétation. Nous avons étudié deux cas d’application. Le premier avec les Hospices Civils de Lyon, autour des troubles neurocognitifs comme l’Alzheimer. Nous avions accès à une base de données de suivi très riche qui, croisée avec les données de l’assurance maladie, ont donné un maillage très précis. Cela nous a permis d’identifier des profils types et d’établir des liens entre le profil et des évènements qui pourraient affecter le parcours de santé. Le deuxième cas d’application concernait un hôpital où l’enjeu était de réduire la variation des besoins en soins de patients traités à domicile, lors de situation de soins palliatifs ou de polyhandicap par exemple. Malheureusement, nous n’avons pas pu donner de suite concrète aux travaux avec cet organisme de santé, mais nous aurions souhaité développer une interface d’aide à la prise de décision pour les personnels soignants. 

Des applications réelles de ce type de prédiction sont donc possibles pour les organisations de santé ? 
Bien sûr, l’usage des algorithmes pour les organisations de santé n’est pas nouveau, mais dans notre cas, une réelle application pose plusieurs questions. D’abord, il faut s’assurer de pouvoir obtenir des données de santé de qualité, pouvant varier d’un établissement ou d’un service à un autre. Ensuite, il existe toujours des biais : ces données sont-elles représentatives de la réalité ? Les biais de représentations et de réplications de nos propres stéréotypes s’appliquent aussi ici. Sur les données que j’ai traitées, il y a eu une situation assez révélatrice : à l’occasion d’un questionnaire visant à évaluer le niveau de dépendance de patients atteints de trouble neurocognitifs, une série de questions les interrogeait sur leurs habitudes à faire le ménage, la lessive ou la vaisselle. De prime abord et au regard de ces questions, les patients de sexe masculin semblaient assez dépendants, alors qu’en réalité, ces patients n’avaient jamais été habitués à ces tâches quotidiennes durant toute leur vie. Avec ces seules données, on aurait tendance à surestimer la dépendance des hommes, alors qu’en réalité, ça n’est qu’un mode de vie qui se reflète. Face à ces biais, il faut être attentif pour pouvoir y apporter des corrections. Aussi, dans notre cas, nos IA généralisent et s’adaptent assez mal à de nouveaux contextes ; difficile pour elles de prévoir des évènements comme la crise Covid par exemple. Plus loin encore se pose la question de la responsabilité juridique de l’algorithme : à partir du moment où l’on décide de son implémentation au sein d’un hôpital, qui doit porter la responsabilité des résultats ? En fait, il y a beaucoup de problématiques qui dépassent la vision académique et qui peuvent poser énormément de freins à l’adoption même si nos travaux ont ouvert beaucoup de perspectives en matière de soutien au corps médical et à la qualité de prise en charge des patients.

[1] Decision & Information Systems for Production systems (INSA Lyon/ Lyon 2/Lyon 1/Université Jean Monnet)

Conférencier : Benoît Carré, musicien, auteur-compositeur

Écoutez des sons et les harmonies de l'intelligence artificielle (IA), découvrez en quoi ils peuvent inspirer un musicien, bousculer ses habitudes et lui permettre de se représenter autrement dans le processus de création. En quelques exemples issus de ses expérimentations avec les prototypes qu'il a contribué à développer au sein d'une équipe de chercheurs depuis 2015, Benoit Carré vous invite à vous faire votre propre opinion sur le potentiel de l'IA dans la création.

Sur inscription

Les développements récents de l'intelligence artificielle constituent une révolution scientifique et technologique dont l’impact sur la société, l’industrie et la science ne cesse de grandir.

Conférencier : Simon Masnou, professeur à l'université Lyon1, chercheur à l'Institut Camille Jordan

En prenant des exemples issus notamment de l’analyse et du traitement des images, nous verrons lors de cette conférence quel changement de paradigme a conduit des méthodes classiques aux méthodes d’apprentissage profond à base de réseaux de neurones. Nous parlerons de la structure et de l’entraînement de ces réseaux, et des nombreuses questions pratiques et théoriques qu’ils suscitent. Nous discuterons aussi des enjeux actuels, à la fois scientifiques, techniques et sociétaux.

C’est un champignon capable de décimer des hectares de récoltes, le pire cauchemar des jardiniers et des agriculteurs. Après les pluies de printemps, le mildiou se manifeste par des taches brunes huileuses et de la moisissure blanche sur les feuilles et les fruits de ses hôtes, jusqu’à causer leur perte. Si les stratégies de lutte contre le mildiou reposent aujourd’hui principalement sur l’utilisation curative de fongicides chimiques, ces méthodes sont de plus en plus stigmatisées en raison de leur persistance dans l’environnement et de leur toxicité pour les organismes non-ciblés. La détection précoce des épidémies de mildiou au début du printemps permettrait d’en limiter l’usage.

Au sein du laboratoire BF2i¹, c’est à travers une poignée de pixels que l’équipe de Pedro Da Silva a réussi à détecter le mildiou de la vigne deux jours avant l’apparition des symptômes². Grâce à un outil d’imagerie hyperspectrale couplé d’une intelligence artificielle, les résultats obtenus ouvrent ainsi de nombreuses perspectives en matière de réduction d’usage de pesticides. 

L’apparition de la maladie : des symptômes difficiles à détecter

Le mildiou, comme bon nombre de maladies fongiques, est sournois. Ses spores, totalement invisibles, peuvent avoir contaminé un seul pied de vigne, qu’un simple épisode pluvieux est suffisant pour infecter les plants alentours. Les jours suivant l'infection, les feuilles présentent des tâches huileuses, de la moisissure blanche et un flétrissement notoire. « C’est une maladie qui se traite avec des fongicides biologiques ou de synthèse dès l’apparition des premiers symptômes, souvent sporadiques. Généralement, lorsque le viticulteur note des points faibles sur son vignoble, il doit traiter toute la parcelle pour être débarrassé de toutes les spores. Détecter cette maladie précocement permettrait de réaliser des traitements ciblés. Sur un principe de dépister – tracer – isoler, les agriculteurs pourraient anticiper les attaques et, en intervenant à petite échelle, limiter l’usage de fongicides », introduit Pedro Da Silva, enseignant-chercheur et directeur adjoint du BF2i. 

Déceler les signes de la maladie à travers l’image

Dans une des salles d’expérimentation du laboratoire, des boîtes de pétri renferment l’agent néfaste : le Plasmopara viticola. Durant neuf jours après l’inoculation, les chercheurs du BF2i observent la façon dont l’oomycète se répand sur les feuilles de Cabernet Sauvignon. « En développant un outil à façon et grâce à une technique de spectrométrie, nos études en laboratoire ont décelé la maladie deux jours avant l’apparition des symptômes. » Dans une chambre noire, la caméra hyperspectrale scrute les feuilles contaminées sur un plateau mobile. « On enregistre chaque image en trois dimensions : deux dimensions spatiales, comme pour une photographie, plus une dimension spectrale, c'est-à-dire la lumière réfléchie par la feuille. Le spectre mesuré est composé de différentes longueurs d’ondes jusqu’à 1100 nanomètres, ce qui correspond à un rayonnement infrarouge invisible à l'œil nu. Ensuite, on découpe l'image en plusieurs zones, qui sont ultérieurement classifiées par l'intelligence artificielle comme appartenant à une feuille saine ou à une feuille infectée par le mildiou. Ainsi, grâce à cet outil de détection automatique, nous sommes parvenus à localiser et à quantifier le mildiou sur les feuilles de vigne avec une précision de 99 %. Cela ouvre une belle perspective de développement de nouveaux outils d’aide à la décision pour la réduction des traitements antifongiques dans le secteur viticole », ajoute Pedro Da Silva.

Illustration de la distribution spatiale de la souche de mildiou INRA-Pv45 sur une feuille de vigne de 1 à 9 jours post-inoculation (jpi), détectée automatiquement par le modèle d'intelligence artificielle. Les zones positives de mildiou sont représentées en rouge. (Crédits : BF2i)

Une technique de laboratoire pas encore démontrée en champ 

Pour le moment, aucune expérimentation en champ agricole n’a pu être réalisée. Le responsable de l’équipe « InEn », « Insect Engineering », est prudent lorsqu’il s’agit d’envisager l’extrapolation de la technique développée au sein du laboratoire. Si l’équipe continue de consolider ce travail sur d’autres vecteurs de maladie, elle fait encore face à certaines difficultés pour rendre applicable ce procédé de détection à grande échelle. « Notre outil fonctionne en environnement contrôlé, mais n’est, pour le moment, pas déclinable en champ pour des questions de dimensionnement. La caméra hyperspectrale produit des images très lourdes et il faudrait adapter la méthodologie actuelle pour traiter ces volumes de données considérables en temps réel, d’autant plus que, dans le cas du mildiou, il faut aller très vite entre le moment de la détection et le traitement. Cependant, les résultats que nous avons obtenus ouvrent le champ des possibles en matière de protection des cultures viticoles », conclut Pedro Da Silva.

-------
[1] Biologie fonctionnelle, insectes et interactions (INSA Lyon/INRAE/UdL)
[2] Lacotte, V.; Peignier, S.; Raynal, M.; Demeaux, I.; Delmotte, F.; da Silva, P. Spatial–Spectral Analysis of Hyperspectral Images Reveals Early Detection of Downy Mildew on Grapevine Leaves. Int. J. Mol. Sci. 2022, 23, 10012.
 

Avec l’émergence d’IA (Intelligences Artificielles) génératives telles que ChatGPT ou Dall-e, quelle place conserve l’humain dans le processus créatif ?

En deux mois, le robot conversationnel ChatGPT de l’entreprise OpenAI a franchi le cap des 100 millions d’utilisateurs. Une croissance impressionnante lorsque l'on sait que Google Maps a atteint ce seuil en deux ans. Derrière la fascination du grand public pour cet outil dont les applications sont multiples (génération d’images, brainstorming, rédaction d’articles, …), cette percée amène à redéfinir la conception même de la créativité.

Quelle part de créativité revient à l'IA ? Et au concepteur ? Ces IA vont-elles concurrencer la créativité humaine ou au contraire l’élargir ? Alors que les entreprises du secteur et géants de la Tech accélèrent le déploiement de ces solutions, le monde de l’enseignement et la recherche est également impacté par cette révolution, qu’il s’agisse d’intégrer ou non l’IA dans l’apprentissage, de former aux métiers de demain ou d’utiliser le machine learning pour optimiser des travaux de recherche. Quelles perspectives ces nouvelles technologies ouvrent-elles ?

Venez débattre de ce sujet brûlant avec :

► Flavien CHERVET, Directeur innovation d’IRIIG (International Research Institute for Innovation & Growth) et co-fondateur de Lyon-iS-Ai

► Virginie MATHIVET, Data Science & Engineering Manager chez TeamWork Animation : Camille Guyon, Fabrique de l'Innovation

« Faire aussi bien (voire mieux) avec moins de ressources » : ce pourrait bien être la maxime préférée de Stefan Duffner, enseignant-chercheur au laboratoire LIRIS¹. Spécialiste de l’apprentissage et de la reconnaissance des formes au sein de l’équipe Imagine², il explore une approche de l’Intelligence Artificielle (IA) plus frugale. Comment faire de l’IA robuste, sécurisée et fiable avec moins de données ? Comment relever le défi de la sobriété dans un domaine tenaillé par une course à la performance permanente ? Quel degré d’erreurs est-il acceptable pour un système à qui l’on demande de prendre des décisions pour nous-même ? Stefan Duffner propose d’explorer un concept qui encourage une approche de compromis, entre performances et impacts sur l’environnement. Explications.

Pourquoi, de tous les outils du numérique, l’intelligence artificielle devrait-elle prendre le pli d’une certaine frugalité ou sobriété ?
Derrière le terme « intelligence artificielle » se cache un monde très vaste. Pour ma part, je m’intéresse à l’apprentissage automatique et aux réseaux de neurones profonds, appelé « deep-learning », qui sont des méthodes qui régissent nos principaux usages de l’intelligence artificielle. Ces dernières années, les outils faisant appel à des IA, se sont largement démocratisés, au moyen d’appareils embarqués et de données massivement exploitées. Si l’utilisation de ces données volumineuses permet d’avoir des modèles très précis, il est désormais reconnu qu’elle présente de lourdes conséquences sur le plan environnemental, notamment en matière de consommation d’énergie. Aussi, cette exploitation de données massives va souvent de pair avec des calculs de plus en plus complexes et lourds. Une autre part de la consommation énergétique de l’IA vient de l’apprentissage. Pour qu’un modèle d’intelligence artificielle fonctionne, il a besoin d’être entraîné, d’apprendre. Souvent déployée sur des data centers de grande envergure, cette activité peut s’avérer très gourmande en énergie. Ces approches actuelles, qui ne tiennent pas compte des ressources limitées de la planète, ne sont plus tenables. C’est pour cette raison qu’une partie de la communauté scientifique appelle à plus de frugalité dans l’utilisation des intelligences artificielles, en étudiant d’autres approches plus sobres, tout au long du cycle de développement de l’IA.

Concrètement, quels leviers peuvent être actionnés pour que l’intelligence artificielle soit plus « frugale » ?
Le but, c’est de faire plus léger. Aujourd’hui, beaucoup de modèles sont surdimensionnés et consomment beaucoup plus d’énergie que le besoin le requiert. Il y a beaucoup d’approches pour faire plus « frugal » en matière d’intelligence artificielle et la communauté scientifique commence à s’intéresser notamment à la réduction de la complexité des modèles, en utilisant moins de données ou en les « élaguant ». Il y a aujourd’hui, une surenchère des réseaux de neurones car c’est le système fournissant les résultats les plus performants et efficaces. Cependant, il existe de nombreux usages pour lesquels un apprentissage un peu moins efficace, moins énergivore et plus explicable comme les modèles probabilistes, pourrait convenir. Et puis, concernant les autres leviers, il y a la dimension du matériel, du réseau et du stockage des données qui mériterait d’être repensée pour des IA plus sobres. Je dis « sobre », car il me semble que c’est un terme à différencier de « frugal ». La frugalité invite à faire mieux avec moins, alors qu’il me semble que la sobriété implique de remettre en question les besoins, à l’échelle sociologique, ce qui n’est pas de mon domaine de chercheur en informatique. 

Donc, d’après ce que vous laissez entrevoir, l’IA frugale, ça n’est pas vraiment pour tout de suite. Quels sont les freins ?
J’identifie au moins deux freins majeurs. D’abord, un frein technique. Faire de l’IA frugale implique de trouver le bon compromis entre sécurité, robustesse et réponse au besoin. Les deux premières propriétés sont complètement inhérentes à notre usage de l’intelligence artificielle : nous ne voulons pas utiliser d’IA qui fasse de graves erreurs et qui soit sujette aux attaques malicieuses. Parfois, en diminuant les modèles pour gagner en économie d’énergie, on diminue la robustesse. Prenons l’exemple de la voiture autonome : nous ne voulons certainement pas diminuer la robustesse de l’IA qui contrôle la voiture automatique, et que celle-ci confonde un vélo et un piéton. Pour lui faire apprendre à différencier les situations, cette IA a « appris », à travers une multitude de situations différentes. Il sera donc difficile dans cette situation d’alléger le modèle car le seuil de tolérance doit être très bas pour éviter la moindre catastrophe. Bien sûr, on peut questionner le besoin de développer des voitures autonomes, mais c’est un autre débat… L’autre frein majeur pour le développement d’une IA plus frugale, c’est qu’elle implique des compétences dans plusieurs domaines, ce qui réduit le champ des spécialistes pouvant s’impliquer dans cette mouvance. C’est d’ailleurs ce qui m’a motivé à faire un projet avec la SATT Pulsalys³ pour développer un service, facile d’utilisation destiné aux ingénieurs, data-scientists ou à des entreprises qui souhaiteraient s’investir dans la réduction de modèles, sans pour autant en être spécialistes. Nous sommes encore en train de travailler sur un prototype qui ne devrait pas tarder à voir le jour.

Il y a un vrai débat entre les approches dites « green IT » et « IT for Green ». Les terminologies sont proches, pourtant, les démarches ne sont pas les mêmes. Comment y voir plus clair ?
Effectivement, il y existe un vrai débat entre ces approches, qui peuvent être complémentaires. La première prévoit de minimiser l’impact négatif des opérations et des équipements sur l’environnement. L’autre est une démarche qui utilise le numérique dans un objectif de réduction de l’empreinte écologique. Pour ma part, je crois que les intelligences artificielles sont encore trop largement utilisées pour créer des besoins dont l’utilité pourrait être remise en question. Cela est dû au déploiement massif de l’IA ces dernières années, lui-même rendu possible par la disponibilité des ressources de calcul et le matériel disponible, assez bon marché. Jusqu’à aujourd’hui, il est facile d’investir dans l’IA, grâce à des financements. Il ne faut pas oublier que c’est un domaine encore jeune, et que les solutions pour faire plus frugal, ne sont pas encore à la portée de tous. Sur le papier, j’ai le sentiment qu’il y a beaucoup de volonté pour faire « plus vert », mais dans les entreprises, la décision est difficile : utiliser une IA plus « verte » coûte souvent plus cher. Alors que développer un outil d’IA pour faire « plus vert », est un projet plus facilement défendable devant des financeurs. C'est aussi un domaine qui manque encore de règlementation. Nous pourrions imaginer que l’utilisation d’une IA soit soumise à des obligations d’économie d’énergie : ces règles existent pour le chauffage, pourquoi pas avec une IA ?

[1] Laboratoire d'InfoRmatique en Image et Systèmes d'information (UMR 5205 CNRS / INSA Lyon / Université Claude Bernard Lyon 1 / Université Lumière Lyon 2 / École Centrale de Lyon)
[2] Computer vision, Machine Learning, Pattern recognition
[3] Créée en 2014, La Société  d’Accélération du Transfert de technologies (SATT) Pulsalys du site Lyon et Saint Étienne a pour mission de mutualiser les moyens et compétences des établissements de recherche publique de l’écosystème lyonnais et stéphanois en vue d'accélérer le transfert de technologies issu de leurs laboratoires.