Current National Projects

ANR Project

Investissement d'avenir (Equipex)

Founded by IRCOM Corpus Ecrits

CNRS-PEPS Program

Investissement d'Avenir Program

ANR Program

ANR Project

Explicabilité et interprétabilité bout-en-bout des pipelines de machine learning. Explication des modèles d'intelligence artificielle et des composants centrés sur les données. Cette action est à la croisée de différentes thématiques dont l’apprentissage automatique, la fouille de données, mais aussi l’argumentation et l’interaction utilisateur du fait de la représentation d’une explication en tant qu’échange utilisateur / système (notion de “co-construction”), et enfin de traçabilité de l’information, en voyant l’explicabilité comme une certification des composants d’une chaîne de traitement.

Il existe un grand nombre de maladies (paralysie cérébrale, syndrome d’enfermement, maladie de Parkinson, maladie de Charcot ou autres maladies neurodégénératives, syndrome de Rett et maladies génétiques comparables, etc…) qui empêchent les personnes de pouvoir communiquer oralement ou par écrit. La Communication Améliorée et Alternative (CAA) communication palliative, regroupe les aides techniques qui améliorent ou remplacent la communication oral ou écrite chez ces personnes. Un système de communication palliative comprend souvent un clavier affiché sur un écran, un dispositif de commande du clavier adapté à la personne. Il peut également intégrer une synthèse vocale si cela est nécessaire. Ces systèmes peuvent améliorer les capacités de communication. Cependant, il est important que l’aide technique qui est proposée par les médecins (ergothérapeutes, orthophonistes) soit adaptée à la personne et à ses besoins.

In the context of providing sustainable solutions for goals “Life on land” (#15), “Climate action” (#13), and “Sustainable tourism” (target 8.9) and especially on measuring human pressures exerted on ecosystems, the aim of the IntForOut project is to develop new methods and tools to build spatio-temporal data repositories integrating heterogeneous data from multiple spatial data sources: national, regional and local authorities, research and citizens communities. The multisource integration will allow sharing knowledge, which, in turn, will improve ecosystems monitoring over large spatial and temporal scales. The project will propose an approach based on knowledge engineering methods (knowledge graph) to elicit, represent and provide required expertise during the integration process and for stakeholders managing ecosystems. The integration process will be based on multi-scale data matching, quality assessment, semantic enhancement, as well as metadata description. An open knowledge graph and repositories for ecosystem monitoring will be available into a modulable open platform. To validate the added-value of integrating citizen science and public open data, the project implements two complementary use cases: (1) Monitoring Human disturbance on mountain wildlife and (2) Monitoring Ecosystems and compute resilient routes in a highly visited natural area. Finally, from a societal point of view, the project has the ambition to initiate a virtuous circle whereby citizens may be more involved in and more aware of the need for citizens communities and conservation, when shown the added value of the data they are collecting.