Candidater
Brochures
Prendre RDV
Voir l’agendaLa recherche en intelligence artificielle à l’EPITA
Comment rendre les systèmes d’IA plus fiables, compréhensibles et utiles ? La recherche en intelligence artificielle à l’EPITA explore ces défis au sein de son laboratoire, le LRE. De l’explicabilité des modèles à l’apprentissage décentralisé, notamment avec le projet européen OCEAN coordonné par l’école, découvrez les travaux qui interrogent les capacités de l’IA et cherchent à en dépasser les limites.
Comprendre la recherche en intelligence artificielle avec les experts de l’EPITA
Des questions ? Venez nous les poser !
À Paris, Lyon, Rennes, Strasbourg ou à Toulouse, venez rencontrer nos étudiantes et étudiants et échanger avec eux sur la vie étudiante à l’EPITA.
Les enjeux de la recherche scientifique en intelligence artificielle à l’EPITA
Expliquer une décision, reconnaître les limites d’un modèle ou apprendre sans centraliser les données : les équipes du LRE étudient les conditions d’une intelligence artificielle fiable et maîtrisée. Ces questions prennent une dimension concrète lorsque les systèmes sont utilisés pour analyser une voix, accompagner un professionnel de santé ou traiter des données industrielles.
Comprendre les décisions des modèles d’intelligence artificielle
Un modèle peut produire un résultat pertinent sans que son fonctionnement soit facilement interprétable. Comment identifier les informations sur lesquelles il s’appuie ? Comment repérer un biais ou une relation trompeuse dans les données ? La recherchTraite en IA explicable vise à rendre ces mécanismes compréhensibles. À l’EPITA, les travaux explorent notamment les concepts appris par les réseaux de neurones et les règles logiques qui peuvent éclairer leurs décisions. L’enjeu est de donner aux experts les moyens d’examiner les résultats avant de les utiliser.
IA et médecine, comprendre pour mieux soignerMaintenir la fiabilité de l’IA lorsque les données évoluent
Un système évalué dans un contexte donné peut rencontrer des difficultés lorsque son environnement change. Cette dérive des données interroge la capacité des modèles à rester pertinents face à de nouvelles situations . Une autre difficulté concerne l’apprentissage continu : acquérir de nouvelles connaissances peut altérer celles déjà apprises, un phénomène appelé « oubli catastrophique » . Les recherches s’attachent à comprendre ces limites pour concevoir des modèles plus adaptatifs et mieux évaluer leurs conditions d’utilisation.
Apprendre collectivement tout en protégeant les données
Comment faire progresser un modèle à partir de données détenues par plusieurs acteurs, tout en préservant leur confidentialité ? L’apprentissage décentralisé explore des méthodes de coopération qui limitent le besoin de réunir toutes les données au même endroit. Avec OCEAN, l’EPITA étudie également la fiabilité des résultats et les conditions de participation à cet apprentissage partagé. Il s’agit notamment de comprendre comment encourager des contributions utiles lorsque les participants poursuivent des intérêts différents.
Évaluer les risques liés aux contenus générés et aux systèmes autonomes
Les progrès de l’ IA générative rendent plus difficile l’authentification de certains contenus, notamment les enregistrements vocaux. Les chercheurs doivent développer des méthodes capables de détecter les manipulations et d’expliquer leurs conclusions. Parallèlement, l’IA agentique, qui permet de planifier des actions et de mobiliser des outils, élargit les questions de contrôle et de fiabilité. Ces évolutions renforcent l’importance d’évaluer les systèmes dans leurs conditions réelles d’utilisation.
Mesurer l’utilité et l’impact environnemental des algorithmes
La performance d’un algorithme doit être examinée au regard de son usage, des données disponibles et des ressources nécessaires à son fonctionnement. Dans le traitement des déchets, par exemple, les systèmes doivent analyser des images, des mesures de capteurs ou des données de flux très différentes. Avec RecyclAI, l’EPITA contribue à définir des critères pour évaluer leur capacité à fonctionner dans plusieurs contextes, leur coût énergétique et leur impact environnemental.
Les projets de recherche en intelligence artificielle menés à l’EPITA
Les recherches du LRE traduisent ces enjeux en questions scientifiques précises. Chaque projet explore une approche, en évalue les possibilités et en examine les limites. Explicabilité, analyse de la voix, apprentissage partagé ou évaluation environnementale : découvrez les objectifs et les méthodes de plusieurs travaux portés par les équipes de l’EPITA.
Pandora : comprendre les concepts appris par les réseaux de neurones sur graphes
Le projet ANR Pandora étudie le fonctionnement interne des réseaux de neurones sur graphes, ou GNN. L’objectif est d’identifier les concepts que ces modèles apprennent et de les rendre interprétables par des experts. Les chercheurs analysent notamment la manière dont plusieurs neurones s’activent ensemble et contribuent aux prédictions.
Ces travaux doivent aider à mieux comprendre les décisions des modèles et à repérer d’éventuels biais dans les données. Ils mobilisent notamment Marc Plantevit, Idir Benouaret, Lamine Diop et Alessio Ragno. Le projet associe l’EPITA, l’IRISA et le GREYC, avec le soutien de l’Agence nationale de la recherche.
LogiXAI : concevoir des modèles explicables grâce à la logique
Avec LogiXAI, Alessio Ragno et Marc Plantevit explorent une intelligence artificielle dont les décisions seraient compréhensibles dès la conception. Leur approche combine apprentissage automatique et logique : le modèle apprend des règles qui peuvent être examinées et interprétées par l’humain.
Cette recherche vise à faciliter l’analyse des décisions et à renforcer la transparence des systèmes. Elle ouvre notamment des perspectives pour la conception de médicaments, où comprendre les relations identifiées par un modèle est essentiel pour apprécier leur intérêt scientifique.
Reconnaissance du locuteur : identifier une voix et détecter les manipulations
Les recherches en reconnaissance du locuteur cherchent à identifier ou à vérifier l’identité d’une personne à partir de sa voix. Présentés notamment à travers Speaker ID, ces travaux doivent tenir compte des bruits de fond, des variations de la parole et des différences entre les canaux d’enregistrement.
Les recherches de Réda Dehak portent également sur l’authentification des contenus audio et la détection des deepfakes vocaux, générés ou modifiés par intelligence artificielle. Au-delà de la détection, l’enjeu est de pouvoir expliquer les conclusions des systèmes d’analyse pour accompagner les experts, enquêteurs ou magistrats confrontés à un enregistrement suspect.
OCEAN : développer un apprentissage partagé et décentralisé
Coordonné par l’EPITA sous la responsabilité d’Éric Moulines, le projet ERC OCEAN explore des méthodes permettant à plusieurs participants d’apprendre collectivement tout en conservant le contrôle de leurs données. Les travaux portent notamment sur l’incertitude des résultats et les mécanismes qui peuvent encourager chacun à contribuer utilement.
Le projet réunit l’EPITA, l’École polytechnique, l’Université Paris Dauphine-PSL et l’Université de Californie à Berkeley, ainsi que des partenaires associés britanniques. Financé par un ERC Synergy Grant, il associe intelligence artificielle, statistique, optimisation et économie pour étudier les conditions d’un apprentissage partagé fiable.
RecyclAI : évaluer l’IA appliquée au traitement des déchets
Le projet RecyclAI, mené avec Setec Énergie Environnement dans le cadre d’un appel d’offres de l’association RECORD, vise à construire une grille d’évaluation multicritère des algorithmes utilisés dans le traitement des déchets.
Les recherches prennent en compte la diversité des données et des procédés industriels : images, mesures issues de sondes ou données de flux. L’évaluation doit permettre d’examiner la capacité des algorithmes à généraliser leurs résultats à différents contextes, mais aussi leur coût énergétique et leur impact environnemental. L’objectif est de mieux apprécier les conditions dans lesquelles une solution d’IA apporte une réponse adaptée.
Découvrir les membres et les domaines de recherche de l’équipe IA du LRE
Comment la recherche en intelligence artificielle nourrit-elle les formations de l’EPITA ?
Les travaux sur les modèles, les données et leurs limites contribuent à l’environnement scientifique des formations de l’EPITA. Ils donnent des perspectives concrètes aux enseignements en apprentissage automatique, en traitement de la parole ou en vision par ordinateur. Selon leur parcours, les étudiants peuvent approfondir ces fondements, explorer leurs applications et développer une lecture critique des systèmes d’IA.
En cycle ingénieur, approfondir les fondements et les applications de l’IA
Des majeures du cycle ingénieur permettent d’explorer plusieurs dimensions de l’intelligence artificielle : apprentissage, analyse de données, graphes, développement logiciel ou santé. Elles relient les fondements scientifiques à la conception et à l’utilisation des systèmes.
Pour les étudiants attirés par la recherche, comprendre une méthode implique aussi d’examiner ses résultats, ses hypothèses et ses limites. Cette démarche donne du sens aux connaissances en mathématiques, en algorithmique et en programmation mobilisées dans les projets.
En Bachelor, découvrir l’IA à travers ses domaines d’application
Les Bachelors permettent d’aborder l’intelligence artificielle en lien avec un domaine concret. Les biotechnologies invitent à explorer les relations entre données et sciences du vivant ; le business conduit à examiner les usages de l’IA dans les activités et les décisions des organisations.
Ces parcours donnent des repères pour comprendre ce que les technologies peuvent apporter à un secteur et les connaissances nécessaires pour les mobiliser avec discernement.
En MSc, approfondir l’intelligence artificielle et ses usages professionnels
Les MSc – Master of Science permettent d’approfondir les systèmes d’intelligence artificielle et leurs applications, notamment dans la stratégie marketing ou la valorisation des données. Les domaines étudiés par la recherche éclairent des questions centrales pour ces futurs professionnels : comment évaluer un modèle, interpréter ses résultats et apprécier ses limites ?
Ces formations prolongent les connaissances scientifiques et techniques vers la conception, l’intégration ou le pilotage de solutions adaptées aux besoins des organisations.
En formation continue, comprendre les évolutions de l’IA pour agir
L’Executive Education accompagne les professionnels qui souhaitent développer leurs compétences en intelligence artificielle et comprendre ses conséquences sur leurs métiers. L’enjeu est de pouvoir apprécier les possibilités des technologies, identifier les usages pertinents et intégrer les questions de fiabilité, de gouvernance et de responsabilité dans les décisions des organisations.
Téléchargez la brochure !
Enseignements, modules, projets étudiants, vie associative… Découvrez la documentation EPITA !
