Observation de la Terre par Transport Optimal pour l'Intelligence Artificielle – OTTOPIA

L’observation de la terre, que ce soit par satellites, avions ou drones, permet de mieux appréhender la dynamique des systèmes environnementaux et sociétaux de notre planète. C’est un outil crucial pour comprendre l’impact de l’homme sur notre terre. Le développement rapide des cinquante dernières années des missions spatiales et de la technologie des capteurs embarqués amène aujourd’hui à disposer d’une quantité de données inédite, encore très largement sous-exploitée. L’intelligence artificielle peut constituer une aide majeure à l’exploitation de ces données en automatisant des traitements que seuls des opérateurs humains peuvent réaliser, ainsi qu’en croisant les multitudes d’informations disponibles. Cependant ces données présentent des challenges inhérents à leur volume mais aussi à leur complexité. Le projet de Chaire IA OTTOPIA (Observation de la Terre par Transport Optimal pour l'Intelligence Artificielle) propose de s’intéresser à ces problèmes au travers de l’application de la théorie du transport optimal à l’apprentissage machine.
Cet outil mathématique permet d’appréhender les données au travers de leurs distributions, et non plus comme une somme d’individus distincts. Suite à des progrès importants aux aspects calculatoire, il s’est récemment imposé comme un outil de choix pour de multiples problèmes en apprentissage. Nous proposons d’exploiter ses principes sur quatre challenges : 1. multi-modalité et prise en compte de l’hétérogénéité des données an transfert d’apprentissage, 2. Apprentissage avec des données peu nombreuses avec un bruit sur les labels, 3. Sécurité des algorithmes d’IA en observation de la terre et 4. Outil d’interaction avec les images par des questions en langage naturel. Les contributions de la chaire viseront naturellement des développements fondamentaux en IA mais aussi de nouvelles méthodologies appliquées pour lesquelles un fort potentiel de transfert industriel est envisagé. Le projet d’enseignement de la chaire est lié entre autres aux formations en science des données de l’Université de Bretagne Sud (UBS), ainsi qu’à un nouveau Master Erasmus Mundus sur l’analyse des données issues de l’observation de la terre (Geodata science). Le titulaire identifié pour cette chaire est Nicolas COURTY, Professeur des Universités à l’UBS et membre de l’IRISA. C’est un spécialiste du transport optimal, qui dispose d’une solide expérience en machine learning et télédétection, et publie régulièrement dans des conférences de premier plan en IA (NIPS, ICML, ICLR, etc.). 3 partenaires non-académiques sont prévus dans la chaire : le CNES (agence spatiale Française) et 2 start-ups (WIPSEA et Picterra). Ils contribuent au projet de chaire par la mise à disposition de données, cas d’usages et d’expertise.