La personne recrutée va s’impliquer dans le projet Systèmes Autonomes et Auto-adaptatifs de Confiance pour la Défense (SAACD). Ce projet vise à refonder l’ingénierie et le développement de ce type de systèmes complexes.
Un SAACD peut être défini à deux niveaux :
- SAACD Composant : c’est un drone composé de sous-systèmes matériels et logiciels, capable d’observer, prédire, décider et se reconfigurer pour remplir sa mission (ex. surveillance, détection, poursuite, contrôle, …). L’intégration d’IA embarquée impose de repenser les méthodes d’ingénierie.
- SAACD Système de Systèmes (SdS) : il correspond à l’assemblage de plusieurs SAACD Composants, en essaims homogènes ou en meutes hétérogènes pour remplir une mission commune, ex. surveiller une infrastructure critique.
L’un comme l’autre doivent être conçus pour favoriser leurs capacités d’autonomie et d’auto-adaptation. Quatre défis majeurs sont identifiés :
- (P1) modéliser des environnements incertains où des algorithmes robustes d’apprentissage automatique faiblement supervisés peuvent être déployés pour irriguer les processus d’ingénierie et valider au plus tôt cette conception ;
- (P2) intégrer une IA (limitée à l’inférence et/ou capable aussi d’apprentissage, e.g. apprentissage par renforcement) embarquée fiable, et donc explicable, et frugale comme un des composants embarqués à bord d’un SAACD composant dans un premier temps. Cette IA vise à supporter l’observation et l’interprétation de l’environnement, le pilotage en situation autonome, la prédiction et la décision d’adaptation ou de reconfiguration partielle ;
- (P3) réfléchir à l’apport d’un Système Jumeau Numérique du SAACD composant ou SAACD SdS pour en faciliter la prise en main et supporter la formation des opérateurs humains appelés à interagir avec ce SAACD ;
- (P4) viser à terme la certification des SAACD par des preuves de validité et de reproductibilité.
Les questions de R&D portent sur :
- (Pour P1 et P4) “AI as a service” pour enrichir l’ingénierie : modélisation de l’environnement mouvant, complexe et incertain (à des fins d’assistance à la compréhension, de vérification et de validation essentiellement) de l’environnement incertain dans lequel évolue le SAACD Composant ou le SAACD SdS ;
- (Pour P2 et P4) “AI as a component” comme un composant à part entière du SAACD mais devant concilier frugalité et fiabilité des actions envisagées selon la situation rencontrée dans cet environnement mouvant et imprédictible ;
- (Pour P3) Exploiter les Systèmes Jumeaux Numériques, intégrant les apports d’IA développés dans P1 et P2, pour optimiser les simulations, la certification, la maintenance, la formation et le pilotage des deux types de SAACD.
Ce projet consistera à formaliser et intégrer les contributions et apports de : (i) l’ingénierie système basée modèles (MBSE), patrons (PBSE) et données, (ii) l’IA de confiance (explicable et robuste) frugale embarquée, et enfin (iii) des techniques avancées de modélisation, simulation et optimisation dans un environnement complexe incertain pour la conception d’un SAACD.
La démarche de travail s’articule en quatre phases successives et itératives impliquant la personne recrutée et combinant des volets méthodologiques, technologiques et expérimentaux, en mobilisant l’expertise des Enseignants/Chercheurs de SyCoIA en MBSE/MBSSE/PBSE, prédictive analytics, décision autonome, IA robuste et explicable, et Systèmes Jumeaux Numériques interopérables. Ces phases sont synthétiquement :
- Phase 1 – Définition et modélisation des cas d’usage : M1–M3
- Phase 2 – Services IA pour l’ingénierie (AI-as-a-Service) : M4–M8
- Phase 3 – IA embarquée frugale de confiance (AI-as-a-Component) : M6–M11
- Phase 4 – Intégration, démonstration et preuves par jumeaux numériques : M10–M16