Contexte et positionnement de l’appel
Les scientifiques aspirent à comprendre le fonctionnement de la nature et de la société. Pour ce faire, ils formulent des hypothèses, conçoivent des expériences et collectent des données, dans le but d’analyser et de mieux comprendre les phénomènes naturels, physiques et sociaux. La collecte et l’analyse des données sont un élément central de la méthode scientifique, et les scientifiques utilisent depuis longtemps des techniques statistiques pour extraire des informations à partir des données afin de tester la véracité de leurs hypothèses et d’extraire autant d’informations que possible à partir de données souvent coûteuses à générer et à collecter.
Le développement des techniques d’intelligence artificielle (IA) a offert des outils supplémentaires pour extraire des informations à partir des données. L’essor de l’IA moderne, en particulier l’apprentissage automatique, repose sur la disponibilité de grandes masses de données, associée à des modèles et des algorithmes de plus en plus complexes, et aidée par la mise au point d’architectures de calcul et d’environnements logiciels spécialisés et les nouvelles technologies de communication.
L’IA est devenue indéniablement un domaine de recherche pluridisciplinaire, qui est en pleine transformation théorique, méthodologique et algorithmique, et qui soulève de nombreux enjeux scientifiques, éthiques, épistémologiques, environnementaux et sociétaux. Dans le même temps, les méthodes de l’IA, en particulier l’apprentissage automatique, pénètrent l’ensemble des champs scientifiques et des Instituts du CNRS. Elles accélèrent les découvertes scientifiques et transforment les pratiques et les manières dont les connaissances sont produites. Toutefois, chaque domaine scientifique a ses propres défis, et il est rare qu’ils puissent être relevés par l’utilisation directe de méthodes d’IA disponibles sur étagère. En effet, ce qui peut apparaître comme une nouvelle application de l’IA ouvre en réalité de nouveaux domaines de recherche pour l’IA et pose des questions méthodologiques fondamentales, comme par exemple l’explicabilité, l’interprétabilité et la robustesse des résultats. Il est de plus devenu primordial et légitime de mieux comprendre les enjeux éthiques et épistémologiques posés par l’usage de l’IA dans la science et la société, ainsi que ses biais potentiels et ses conditions d’usage dans différents contextes.
Objectifs de l’appel
Pour répondre à ces défis identifiés dans son contrat d’objectifs et de performance (COP), le CNRS a décidé de mettre en place en 2022 un centre interdisciplinaire « Sciences pour l’IA, IA pour les Sciences ». Le présent AAP s’inscrit dans le cadre de la mise en place de ce centre dont il constitue un élément programmatique.
L’objectif de cet AAP de la MITI est le développement d’une communauté de recherche interdisciplinaire qui concerne tous les laboratoires du CNRS, à la pointe de la fertilisation croisée entre IA et les autres champs scientifiques. Il vise à soutenir des projets de recherche interdisciplinaires innovants ciblant des grands enjeux de l’IA pour les sciences et des sciences pour l’IA (qu’ils soient d’ordre théorique, méthodologique, instrumental, algorithmique, numérique, éthique, épistémologique, etc.). La grande diversité des questions scientifiques, des données et des approches méthodologiques au sein des différents champs scientifiques peut nourrir la recherche en IA. D’autre part, l’IA peut être un moyen disruptif dans la conduite de la science en transcendant les frontières entre disciplines et en faisant émerger de nouvelles approches interdisciplinaires transformantes pour aborder de manière différente des grands enjeux scientifiques, environnementaux et sociétaux, et ainsi enrichir les disciplines.
Date limite de dépôt des candidatures : lundi 14 mars 2022 à midi (heure de Paris)
Projets lauréats
- HAIReM – Méthode d’IA hybride pour la résolution de problèmes mathématiques issus de la physique
Porté par Matthieu D’AQUIN (INS2I, UMR7503 LORIA, Nancy)
- AnCoR – Analysing Consciousness Recovery
Porté par Stefan DUFFNER (INS2I, UMR5205 Laboratoire d’Informatique en Image et Systèmes d’Information, Lyon)
- BOTAÏ – Robot-Interface entre un concepteur-pilote AI et un composant arithmétique-logique complexe
Porté par Erik DUJARDIN (INP, UMR6303 Laboratoire Interdisciplinaire Carnot de Bourgogne, Dijon)
- DeepLigGPCR – Nouvelles approches protéo-chemométriques guidées par des méthodes d’intelligence artificielle pour le design rationnel de nouveaux ligands de RCPG
Porté par Sébastien FIORUCCI (INC, UMR7272 Institut de Chimie de Nice, Nice)
- imaginecology – L’analyse d’images par IA pour l’écologie animale
Porté par Olivier GIMENEZ (INEE, UMR5175 Centre d’Ecologie Fonctionnelle et Evolutive, Montpellier)
- DrugLearn – Learning and Design of New Drugs
Porté par Sergei GRUDININ (INSMI, UMR5224 Laboratoire Jean Kuntzmann, Grenoble)
- LOWCO – Contribution des régions de faible complexité de l’ADN dans les régulations génomiques
Porté par Charles LECELLIER (INSB, UMR5535 Institut de Génétique Moléculaire de Montpellier, Montpellier)
- Picasso – Développement de méthodes numériques pour décrire les interactions entre surfaces minérales et composés organiques : Approche couplée Simulation-expérimentation
Porté par Pierre MIGNON (INP, UMR5306 Institut Lumière Matière, Lyon)
- TRUENESS – Théâtre-forum virtuel pour lutter contre les discriminations
Porté par Magali OCHS (INS2I, UMR7020 Laboratoire d’Informatique et des Systèmes, Marseille)
- SIDEREAL – Physics-Informed Deep Neural Network for Characterising Galaxy Morphology
Porté par Adeline PAIEMENT (INS2I, UMR7020 Laboratoire d’Informatique et Systèmes, Toulon)
- RHINO – Recherche Intelligente de matériaux à hautes propriétés Optiques fonctionnelles
Porté par Charles PAILLARD (INC, UMR8580 SPMS, Gif-sur-Yvette)
Pour obtenir des informations :
GERIN LASLIER Maryvonne et SIEGEL Anne (responsables scientifiques de l’appel à projets) et la Mission pour les initiatives transverses et interdisciplinaires