Processus de décision multi-agent de confiance pour l'Internet des Objets – MaestrIoT

Le projet a réuni des chercheurs en intelligence artificielle, cybersécurité, systèmes embarqués, robotique et systèmes multi-agents issus de plusieurs laboratoires français.

Les travaux ont d’abord consisté à identifier les principales menaces susceptibles d’affecter des objets connectés, qu’elles proviennent de défaillances matérielles, de conditions environnementales difficiles ou d’attaques malveillantes. Les chercheurs ont ensuite développé un modèle permettant à chaque objet connecté d’évaluer son propre niveau de vigilance en analysant des informations issues de différentes couches de son architecture, depuis le matériel jusqu’aux applications.

Une seconde partie des recherches a porté sur la gestion de la confiance entre objets. De nouveaux modèles ont été proposés afin de permettre à un objet connecté d’estimer la fiabilité des informations qu’il reçoit, même lorsqu’il ne dispose pas d’une infrastructure complète d’authentification. Ces modèles combinent des mécanismes d’authentification adaptative, de réputation et de blockchain afin de renforcer la sécurité des échanges.

Le projet a également développé de nouveaux algorithmes de décision issus de la théorie des jeux et de l’apprentissage automatique. Ces méthodes permettent à plusieurs agents autonomes de coopérer tout en tenant compte de l’incertitude, de la qualité variable des informations disponibles et de la présence éventuelle d’agents malveillants.

Enfin, l’ensemble des développements a été intégré dans une plateforme expérimentale associant robots physiques, simulations numériques et graphes de connaissances, afin de valider les approches proposées dans des scénarios représentatifs de l’industrie et de la mobilité intelligente.

Le projet MaestrIoT a permis d’obtenir plusieurs avancées scientifiques importantes.

De nouveaux modèles de confiance ont été proposés pour les objets connectés, notamment un mécanisme d’authentification adaptative exploitant les capteurs disponibles sur les équipements et un modèle original de confiance bidirectionnelle permettant à chaque objet de démontrer sa propre fiabilité. Les recherches ont également conduit à la définition d’un cadre conceptuel innovant pour construire un état de vigilance des objets connectés à partir d’informations provenant de plusieurs couches matérielles et logicielles.

Dans le domaine de l’intelligence artificielle, le projet a produit plusieurs contributions majeures sur la prise de décision multi-agent sous incertitude. Ces travaux ont donné lieu à des publications dans plusieurs conférences internationales de premier plan, parmi lesquelles ICML, AAAI et NeurIPS, contribuant à faire progresser l’état de l’art en programmation dynamique et en apprentissage pour les systèmes autonomes.

Les chercheurs ont également développé une plateforme expérimentale permettant de connecter des robots réels, des simulateurs et des graphes de connaissances au sein d’un même environnement distribué. Cette infrastructure constitue un outil réutilisable pour l’évaluation de futurs systèmes cyber-physiques.

Au-delà des résultats scientifiques, le projet a renforcé les collaborations entre les équipes partenaires et formé plusieurs jeunes chercheurs, contribuant ainsi au développement de nouvelles compétences françaises dans les domaines de l’intelligence artificielle, de la cybersécurité et des systèmes autonomes.

Les résultats obtenus ouvrent de nombreuses perspectives scientifiques et technologiques.

Les modèles développés pourront être étendus afin de prendre en compte des environnements encore plus dynamiques, intégrant un très grand nombre d’objets connectés et des comportements évolutifs. L’émergence récente des architectures Zero Trust, des jumeaux numériques et de l’intelligence artificielle générative ouvre également de nouvelles possibilités pour améliorer l’explicabilité des décisions prises par les systèmes autonomes et renforcer leur capacité d’adaptation face aux attaques.

Les travaux réalisés dans MaestrIoT constituent également une base solide pour de futurs projets portant sur la sécurité des véhicules autonomes, les usines intelligentes, les infrastructures critiques, les réseaux énergétiques ou encore les systèmes de santé connectés.

La plateforme expérimentale développée pendant le projet continuera à être utilisée comme support de recherche, de démonstration et de formation. Elle permettra de tester de nouvelles architectures de coopération entre robots et objets connectés ainsi que d’évaluer les futurs mécanismes de confiance et de décision développés par les équipes du consortium.

À plus long terme, MaestrIoT contribue à préparer une nouvelle génération de systèmes autonomes capables non seulement de communiquer entre eux, mais aussi d’évaluer la fiabilité des informations qu’ils échangent avant de prendre des décisions ayant un impact sur le monde réel.

Le déploiement d'un internet des objets dans des environnements ouverts et dynamiques soulève plusieurs questions liées à la fiabilité de ses composants. Il est irréaliste de considérer que chaque composant matériel ou logiciel est fiable, digne de confiance et efficace quelles que soient les conditions, notamment climatiques. Le projet MaestrIoT abordera ces questions en proposant un cadre algorithmique de gestion de la confiance dans un système multi-agent contrôlant les capteurs et actionneurs d'un environnement cyberphysique. La gestion de la confiance doit être assurée de la perception à la prise de décision et en intégrant l'échange d'informations entre les dispositifs IoT. Ces contributions théoriques seront appliquées dans deux domaines privilégiés, l'industrie 4.0 et la mobilité coopérative automatisée connectée, avec des démonstrateurs en simulation complète et en hybridant simulation et plates-formes réelles.