Synthèse des prospectives 2019
Défis sociétaux
Adaptation du numérique à la transition écologique
Adaptation du numérique au défi majeur que constitue la transition écologique ou aux conséquences de notre échec à relever ce défi : méthodes pour mieux comprendre l'impact environnemental et sociétal du numérique, besoins accrus en résilience, nécessité de recréer des systèmes et des infrastructures économes en énergie, ressources, maintenance, etc.
Confidentialité
Sûreté des systèmes (logiciels, matériels, et cyperphysiques)
Problématiques
Construction certifiée de systèmes
Correction d'erreurs
Explicabilité et accountability des systèmes embarqués et cyber-physiques
Avec la complexité et l'autonomie croissantes des CPS les besoins d'accountability et d'explicabilité deviennent cruciaux : pour être socialement acceptables les comportements des CPS doivent être explicables. Ce besoin touche particulièrement les systèmes dont la prise de décisions est basée sur l'intelligence artificielle, mais il n'est pas limité à l'IA. Outre la sûreté, le respect - et la violation - de propriétés comme la sécurité et la vie privée doivent être rendus explicables. Cette explicabilité doit servir, en particulier, à départager les responsabilités juridiques entre acteurs en cas de dysfonctionnements des CPS.
Thèmes de recherche
Concepts, langages et outils pour la modélisation et vérification de systèmes complexes
- réécriture de graphes
- raisonnement automatisé, etc.
Embedded IA
"Embedded IA" et plus specifiquement "embedded machine learning". On voit ainsi emerger des implementations FPGA et ASIC pour faire du ML et des CNN (convolutional neural networks), ainsi que du deploiement sur des multi-coeurs.
Formalisation de preuve en mathématiques appliquées et en informatique théorique
e.g.:
- développement de corpus certifiés de définitions
- théorèmes et algorithmes pour les mathématiques financières, la logique, etc.
Informatique quantique
Langages de haut niveau typés pour la science des données
Importance prépondérante de la préparation des données (nettoyage, requêtage, manipulation distribuée des données, etc.) dans la construction d'applications en intelligence artificielle. Construction de systèmes de types pour l'analyse de la manipulation de données. Construction de méthodes d'analyse et de compilation optimisante pour ces langages et en particulier pour le requêtage.