Comment fabriquer une connaissance précise, pertinente et utile dans un contexte industriel ou commercial très ciblé à partir de volumes massifs de données hétérogènes provenant de sources mutiples et variées ? C’est à cet enjeu que SystemX et ses partenaires entendent répondre en croisant leurs expertises multisectorielles et en hybridant des approches récentes d’apprentissage numérique et les techniques d’IA symbolique, avec la connaissance métier.
SystemX lance le projet « Sémantiques Métier pour l’exploitation de Données multi-sources » (SMD), troisième projet de son programme de recherche « Intelligence Artificielle et Ingénierie Augmentée » (IA2). Ce projet de R&D collaboratif d’une durée de 48 mois réunit 5 partenaires industriels (Airbus Defence and Space SLC, Apsys, Ecosys, EDF, RTE) et un partenaire académique (CentraleSupélec) autour d’une ambition : développer, pour les métiers de la veille ou de la gestion des connaissances, des outils hybridant l’IA symbolique et l’IA par apprentissage pour construire et exploiter des connaissances sur des données hétérogènes multi-sources, afin de favoriser l’aide à la décision en environnement statique ou dynamique.
Le principal objectif de ce projet est de concevoir un système hybridant l’IA symbolique et les méthodes récentes de l’apprentissage (Deep Learning) avec la connaissance métier, pour bâtir des connaissances nouvelles et intelligibles à partir de volumes très importants de données non-structurées, hétérogènes et multi-sources, présenter des recommandations pertinentes pour une meilleure prise de décision.
« Le contexte du projet part d’un constat réel et récurrent que toute entreprise industrielle pourrait faire face lors de son évolution numérique à l’avènement d’un volume important de données fortement hétérogènes, non-structurées et multi-sources. Avec l’accroissement de la puissance de calcul des ordinateurs, on est de plus en plus capable d’en remonter des informations. Cependant, ces attributs utilisés seuls ne permettent pas de fournir une compréhension suffisante et comparable à celle de l’être humain, d’où l’importance de coupler plusieurs approches. Le projet SMD ambitionne de lever un verrou important concernant l’hybridation des approches de représentation des connaissances et du raisonnement (IA symbolique) avec les approches récentes d’intelligence artificielle (par exemple le Deep Learning) pour l’analyse de données hétérogènes », explique Sana Tmar, cheffe de projet SMD, IRT SystemX.
Pour en savoir plus :
