Le domaine de l’Intelligence Artificielle et de la science des données est aujourd’hui confronté à d’importants défis, au premier rang desquels se situent des thématiques telles que le raisonnement automatique, la prise de décision, les systèmes multi-agents, les données massives, et l’apprentissage, qu’il soit automatique, de préférences, ou humain assisté par ordinateur. L’axe IA et sciences des données a pour rôle de structurer et d’animer les recherches dans ces thématiques au sein du LIP6, en favorisant notamment les collaborations entre équipes concernées. Ses activités couvrent un large spectre de recherche en IA fondamentale et visent des applications dans des domaines variés, tels que la santé, l’enseignement, la simulation de systèmes réels, les transports...

Une première orientation de recherche transverse concerne les sciences des données et les systèmes complexes. Celle-ci s’attache à la conception de modèles (mathématiques et informatiques des connaissances et du raisonnement, ou de l’apprentissage), d’approches, et d’outils capables de représenter et analyser des données complexes, ainsi que de passer à l’échelle afin de favoriser le déploiement technologique dans divers domaines scientifiques et applicatifs.

Une deuxième orientation de recherche s’articule autour de l’IA explicable et des systèmes d’IA centrés sur l’humain. Elle vise à accompagner l’entrée dans une ère où les inférences, décisions et recommandations faites par des algorithmes d’IA incluent les utilisateurs depuis la conception jusqu’à l’utilisation. Pour la prise de décision notamment, elle vise à privilégier des systèmes interprétables, justifiables, explicables, éthiques, et équitables.

Une troisième orientation de recherche a pour objectif de proposer des modèles et algorithmes robustes capables de gérer les imprécisions, les incertitudes et les évolutions contextuelles temporelles.

Une dernière orientation concerne, elle, l’IA@Edge. Elle se focalise sur les techniques d’embarquabilité et d’optimisation computationnelle des modèles, en vue de la réduction de la consommation énergétique et pour l’autonomie des dispositifs edge.