IA de confiance Robustesse Explicabilité / Plateforme de données spatiales et 3D

Rejoignez-nous dans ce meetup, avec au programme deux talks : l’un sur la robustesse et l’explicabilité des modèles d’IA et l’autre sur la visualisation et le traitement de données spatiales et 3D ! Nous nous retrouverons au Bar le Dôme, quartier Saint Denis. On terminera le meetup, comme d'habitude, par un moment d'échange convivial.

Talk d’Alice Joffard : “IA de confiance : Comment garantir robustesse et explicabilité pour une adoption sereine ?”

Abstract: L'adoption à grande échelle de l'intelligence artificielle repose sur la confiance que l'on peut accorder à ses systèmes. Comment assurer leur fiabilité et transparence, conformément aux exigences de l'AI Act ?

Rejoignez-nous pour une session captivante où Numalis, acteur clé de la normalisation de l'IA (ISO/IEC, CEN-CENELEC, AFNOR), vous dévoilera les éléments essentiels pour construire une IA de confiance.

Au programme :
•⁠ ⁠Robustesse et explicabilité : Les deux piliers d'un système d'IA fiable et transparent.
•⁠ ⁠Méthodes formelles et interprétation abstraite : Découvrez des techniques scientifiques avancées qui valident le comportement des modèles d'IA.
•⁠ ⁠Cas concret : Analyse d'un réseau de neurones avec Saimple, l'outil développé par Numalis pour fournir des preuves formelles de robustesse et d'explicabilité, en conformité avec les réglementations les plus strictes.

Ne manquez pas cette opportunité de :
•⁠ ⁠Comprendre les enjeux de la confiance en l'IA.
•⁠ ⁠Découvrir des outils et méthodes pour construire des systèmes d'IA robustes et explicables.
•⁠ ⁠Échanger avec les experts de Numalis lors de la session de questions-réponses.

Durée : 45 minutes, suivies de 15 minutes de questions et réponses.
Speakeuse : Alice Joffard est Ingénieure Recherche et Développement chez Numalis. Elle est ingénieure et docteure en informatique

Talk de Kaaviya Velumani : Une brève introduction à Alteia et à notre plateforme, Aether, qui nous permet de visualiser et de traiter des données spatiales 2D et 3D, en mettant l'accent sur la facilitation des opérations de nos clients dans différents secteurs tels que l'énergie, les infrastructures, l'agriculture, etc.
Je présenterai un cas d'utilisation développé pour Orange, une entreprise de télécommunications française, pour améliorer la précision de localisation des données de son réseau souterrain. Le projet vise à utiliser l’intelligence artificielle (IA) pour géoréférencer automatiquement leur réseau, afin de répondre aux exigences réglementaires à venir. Cela implique d'utiliser des modèles d'IA pour analyser des images provenant de sources telles que Google Street View et des orthophotos aériennes afin de détecter et de localiser avec précision les éléments du réseau, en particulier les « chambres de tirage » (points d'accès aux câbles).

Speakeuse : Kaaviya Velumani est Computer Vision Engineer chez Alteia, Toulouse. Elle se spécialise dans le développement de pipelines pour extraire des informations à partir de données spatiales et de nuages de points 3D. Elle est titulaire d'une maîtrise en géoinformation et observation de la Terre de l'ITC, Université de Twente. Par la suite, elle a complété son doctorat avec HiPhen et l'INRAe d'Avignon où elle s'est concentrée sur le développement de méthodologies intégrant l'apprentissage profond pour extraire des traits de plantes à partir d'images RVB. Elle aime lire sur les tendances récentes en matière d’analyse de données 3D et spatiales.