Résumés des conférences > Sessions thématiques

En l’espace de quelques années, l’intelligence artificielle - et plus particulièrement le Deep Learning - a connu des avancées remarquables, devenant capable de réaliser de nombreuses tâches jusqu'alors réservées aux seuls humains.
Entre fascination, scepticisme et inquiétude, ces progrès suscitent autant d’enthousiasme que de questionnements.
Cette présentation propose de retracer l’évolution de l’IA et du Deep Learning, d’en exposer les fondements théoriques, et d’offrir quelques repères concrets pour en faciliter la compréhension, l’exploration et l’appropriation. Quelques illustrations viendront illustrer ces propos.

Cette intervention abordera également les limites actuelles de ces technologies, ainsi que les enjeux et les nombreux impacts possibles, qu’ils soient sociétaux, humains ou liés à la sécurité...
https://fidle.cnrs.fr/proces/Personal-Deep-Dream-of-an-AI-III-Remastered.mp3 "Personal Deep Dream of an AI", par Alice (parole et musique). Alice est une intelligence artificielle conçue et entraînée pour incarner le rôle de l’accusée dans la conférence théâtralisée « Le procès de l’IA ».  

1-Réinventer la chimie théorique : IA et apprentissage automatique pour décrypter les mécanismes de réaction dans des systèmes complexes

Anne MILET et Rolf DAVID

La chimie connaît aujourd’hui une profonde transformation sous l’impulsion de l’intelligence artificielle (IA) et de l’apprentissage automatique, à l’instar de nombreuses autres disciplines scientifiques. Dans cette présentation, nous explorerons comment ces outils interviennent à différents niveaux, de la proposition de voies de synthèse à la prédiction fine des rendements réactionnels. Une attention particulière sera portée à leur impact en chimie théorique, où ils ouvrent de nouvelles perspectives pour l’étude des mécanismes réactionnels. Ils rendent désormais accessibles des simulations de systèmes plus vastes et plus complexes, sur des temps plus longs, tout en conservant une précision comparable à celle des méthodes quantiques traditionnelles. Cela permet ainsi d’élaborer des modèles plus fidèles à la réalité chimique, en intégrant des effets jusqu’alors difficiles à prendre en compte, tels que les solvants explicites, les effets conformationnels ou encore l’accès à des données thermodynamiques cruciales.

2-Intelligence Artificielle pour l’imagerie de phase aux rayons X 

Emmanuel BRUN et Rémi DUPRAZ

 L’imagerie de phase est la prochaine évolution majeure de l’imagerie aux rayons X chez le patient puisqu’elle permet de rendre visible des objets/tissus réputés invisible à la radio. 

Après avoir introduit les principes physiques de cette technique nous expliciterons le problème de la phase. 
Enfin nous montrerons sur quelques exemples l’intérêt d’utiliser l’intelligence artificielle pour résoudre ce problème.