L’OCCITANIE SE POSITIONNE SUR LE MACHINE LEARNING AVEC DEEL

« Quand nous avons lancé le programme en 2018, il n’y avait pas d’équipe structurée sur le machine learning. L’objectif était de monter une équipe regroupant industriels et académiques. » Directeur de l’IA pour les systèmes critiques au sein de l’IRT Saint-Exupéry, Grégory Flandin explique la genèse du programme Deel (Dependable and explainable learning), doté de 30 M€ jusqu’à fin 2023. Projet transatlantique réunissant le Québec et Toulouse, il a pour ambition de réunir les conditions pour embarquer de l’intelligence artificielle dans des systèmes critiques, essentiellement dans le domaine des transports, de la mobilité et du spatial. « Cela nécessite de faire appel au machine learning (apprentissage machine), poursuit le chercheur toulousain. Il y a des performances intéressantes dans des contextes peu ou pas critiques, comme les jeux ou le marketing par exemple, mais on n’a pas de garantie pour que cela fonctionne dans des systèmes critiques. » L’enjeu aujourd’hui est de pouvoir intégrer des algorithmes dans des avions ou des véhicules autonomes. Mais la technologie se heurte pour l’instant à des problématiques de robustesse et de sécurité. « Il faut pouvoir résoudre ces problèmes, pour arriver à une certification des systèmes », confie Grégory Flandin, responsable du programme Deel à Toulouse. 

Une filière en ordre de marche
Fin 2020, l’IRT a signé un partenariat avec l’institut interdisciplinaire d’intelligence artificielle Aniti. Les deux instituts collaborent avec l’Ivado (Institut de valorisation des données) et le Consortium de recherche et d’innovation en aérospatiale au Québec (Criaq), côté canadien. Au-delà de ces têtes de pont, c’est tout un écosystème régional qui est impliqué pour faire avancer la recherche et son application industrielle. Côté entreprises, des groupes comme Airbus, Airbus Defence & Space, Thales, Renault, Continental, Safran ou Thales Alenia Space couvrent l’ensemble des secteurs du transport, domaine clé pour l’application du machine learning. L’Université de Toulouse, l’Isae-Supaero et divers laboratoires comme le CNRS, l’Irit, l’Onera viennent compléter cette équipe d’une cinquantaine de personnes à Toulouse. « La filière aéronautique et spatiale est structurée mais, sur les enjeux du machine learning, elle fait face à un dilemme, éclaire Grégory Flandin. Alors que les nouveaux entrants comme Tesla prennent des risques, ces groupes historiques ont une attente en matière d’autonomie et une exigence de sécurité. Nous les aidons à y voir plus clair. » C’est dans ce cadre que la collaboration public-privé prend tout son sens avec des cas d’usages amenés par les industriels, qui fournissent les problématiques et les données à traiter. « Les recherches académiques sont souvent faites sur des "cas jouets". Il est donc important d’avoir ces cas plus complexes », précise le chercheur, alors qu’un livre blanc décrivant les enjeux liés à l’intégration de l’apprentissage machine dans les système critique sera édité prochainement. L’objectif final est donc d’améliorer les algorithmes pour gagner en explicabilité, en robustesse et, au final, en sécurité. Si l’avion autonome reste encore un rêve, Grégory Flandin est persuadé que l’on pourra embarquer du machine learning certifié avec une réelle fiabilité d’ici à 2023.