Les différentes branches de l'Intelligence Artificielle (IA) offrent de nombreuses opportunités de développement dans de très nombreux secteurs de l'activité humaine, dont certains ont été identifiés dans le rapport Villani comme prioritaires tels que l'énergie, la santé, les transports et la sécurité. En particulier, la science du logiciel en tire de nombreux bénéfices depuis longtemps. Dans la communauté francophone plus spécifiquement, on peut se rappeler que la conférence LMO (Langages et Modèles à Objets) a regroupé, dès son origine, des recherches en représentation des connaissances et en programmation, et a été le creuset de travaux communs aux chercheurs de ces deux domaines. L'IA peut plus largement apporter des solutions pour la réduction des coûts et des temps de développement et de maintenance, ainsi que pour l'amélioration de la qualité, dont la vérification.

Ces dernières années ont été marquées par un essor de l’IA, que ce soit dans les discours grand public ou dans les travaux de recherche. Au cœur de cet essor, on trouve différentes techniques dont les plus visibles actuellement sont les techniques d'apprentissage automatique (machine learning), avec en particulier l'apprentissage profond (deep learning), qui ont tendance à occulter la largeur et la richesse de ce domaine. Cette prégnance de l'IA dans toutes les activités nous oblige à nous positionner en tant que communauté du Génie Logiciel (GL) afin d'identifier les opportunités et les interactions entre GL et IA qui s'offrent à nous dans les années qui viennent. Dans ce groupe de travail, nous nous proposons de réfléchir non seulement à ce que l'IA peut offrir au domaine du GL, mais aussi à comment les techniques du GL peuvent servir en retour le domaine de l'IA, notamment dans le cadre de systèmes intégrant des composants produits par des techniques d'IA.

Pour plus de détails sur les questions de recherche que ce GT se propose d'aborder, voir le défi Génie Logiciel et Intelligence Artificielle, sur lequel les idées de ce groupe se reposent très largement.

Les slides de la présentation du GT à la réunion d'organisation du GDR GPL 2021 sont également disponibles ici.

Porteurs du GT

Animations

Les actions d'animations envisagées dans ce GT sont les suivantes :

  • Organisation d'une journée annuelle :
    • Présentations de travaux en cours
    • Discussions, vie du groupe
    • Organisation commune avec d'autres GT du GDR GPL et du GDR IA
  • Organisation d'événements :
    • Workshops
    • Summer schools
    • Participations à des écoles de jeunes chercheurs
    • Formations
  • Création d'une liste de diffusion dédiée :
    • Annonces des journées annuelles
    • Annonces de conférences, workshops, etc. dans le thème du GT
    • Annonces de résultats (publications, outils, etc.) pertinents pour le groupe
  • Création d'un site web dédié :
    • Informations sur le GT (membres, objectifs, etc.)
    • Programmes et historique des journées annuelles
    • Pointeurs vers les événements organisés par le GT
    • Pointeurs vers les autres GT et GDR qui ont des interactions avec ce GT

Équipes

Les équipes impliquées dans ce GT sont les suivantes : 

  • Équipe MaREL, LIRMM, Université de Montpellier, CNRS, Montpellier :
    • Nombre de permanents impliqués dans le GT : 8
    • Représentant dans l'équipe : David Delahaye
  • Équipe COCONUT, LIRMM, Université de Montpellier, CNRS, Montpellier:
    • Nombre de permanents impliqués dans le GT : 1
    • Représentant dans l'équipe : Nadjib Lazaar
  • Équipe RMoD, Cristal, Inria, Université de Lille, CNRS, Lille :
    • Nombre de permanents impliqués dans le GT : 2
    • Représentant dans l'équipe : Anne Etien
  • EuroMov Digital Health in Motion, Université de Montpellier, IMT Mines Ales, Ales :
    • Nombre de permanents impliqués dans le GT : 2
    • Représentant dans l'équipe :
  • Équipe Progress, LaBRI, CNRS et ENSEIRB, Bordeaux :
    • Nombre de permanents impliqués dans le GT : 1
    • Représentant dans l'équipe : Jean-Rémy Falleri
  • LIG, Université Grenoble Alpes, Grenoble :
    • Nombre de permanents impliqués dans le GT : 1
    • Représentant dans l'équipe : Lydie du Bousquet
  • LISTIC, Université Savoie Mont Blanc, Annecy :
    • Nombre de permanents impliqués dans le GT : 2
      Représentant dans l'équipe : Flavien Vernier
  • Équipe Caramel, Cristal, Université de Lille, CNRS, Lille :
    • Nombre de permanents impliqués dans le GT : 3
    • Représentant dans l'équipe : Gilles Vanwormhoudt
  • Équipe SPARKS, I3S, Université de Nice Sophia Antipolis, CNRS, Nice
  • CRIL, Université d'Artois
    • Nombre de permanents impliqués dans le GT : 3
    • Représentant dans l'équipe : Daniel Le Berre
  • Équipe MoVe, LIP6, Sorbonne Université, CNRS, Paris:
    • Nombre de permanents impliqués dans le GT : 1
    • Représentant dans l'équipe : Mikal Ziane
  • Axe SIDO, DISP Lab, Université Lyon 2, Lyon :
    • Nombre de permanents impliqués dans le GT : 1
    • Représentant dans l'équipe : Jannik Laval
  • Équipe ARGOS, IRIT, Université de Toulouse, Toulouse :
    • Nombre de permanents impliqués dans le GT : 3
    • Représentant dans l'équipe : Ileana Ober
  • Équipe SMAC, IRIT, Université de Toulouse, Toulouse :
    • Nombre de permanents impliqués dans le GT : 4
    • Représentant dans l'équipe : Sylvie Trouilhet
  • Equipe SM@rtIRIT, Université de Toulouse, Toulouse :
    • Nombre de permanents impliqués dans le GT : 3
    • Représentant dans l'équipe : Sophie Ebersold
  • Equipe ACADIE, IRIT, Université de Toulouse, Toulouse :
    • Nombre de permanents impliqués dans le GT :
    • Représentant dans l'équipe : Marc Pantel
  • Equipe DiverSE, Irisa, Université de Rennes, Rennes
    • Nombre de permanents impliqués dans le GT : 9
    • Représentant dans l'équipe : Mathieu Acher

Interactions

Le GT cherchera à mettre en place des liens, comme par exemple des journées de travail communes ou l'organisation d'événements communs, avec d'autres groupes du GDR GPL, notamment les GT HiFi, IDM, IE, Logiciel Éco-Responsable, LVP, MTV2, Rimel, Sécurité dans le développement logiciel, VL, YODA, ainsi qu’avec le GDR IA et en particulier le GT CAVIAR, qui rassemble des compétences autour de trois domaines de l’IA que sont la programmation par contraintes, l'apprentissage automatique et la fouille de données.

Tags: