AIDIST’2026

Résumé de la conférence

Les progrès récents de l’intelligence artificielle ont élargi notre capacité à exploiter des données massives et hétérogènes, et permis le développement de modèles de plus en plus performants. Dans de nombreux domaines, cependant, la performance prédictive n’est plus une finalité mais un point de départ : il s’agit désormais de concevoir des systèmes qui expliquent leurs résultats, qui intègrent des connaissances et des préférences, qui interagissent avec l’utilisateur et qui soutiennent la décision dans des environnements dynamiques et incertains.

Cette conférence retrace ce passage de l’IA prédictive à une intelligence décisionnelle augmentée, autour de trois basculements. Du modèle qui prédit au modèle qui se justifie : explicabilité et raisonnement contrefactuel. Du modèle qui décrit au modèle qui agit : apprentissage par renforcement pour la décision séquentielle, apprentissage actif couplé à l’aide multicritère à la décision. Du modèle isolé au modèle hybridé : intégration de connaissances dans les modèles d’apprentissage et interfaces conversationnelles pour l’analyse et l’aide à la décision.

À travers des travaux menés en systèmes industriels, en maintenance et en santé, nous montrerons comment ces approches répondent à des besoins complémentaires : prédire, expliquer, apprendre des préférences, intégrer des connaissances, décider et interagir.

Une attention particulière sera portée aux tendances actuelles d’hybridation entre apprentissage automatique, optimisation, modèles mathématiques et interaction humain–IA, ainsi qu’aux défis de généralisation, de robustesse et de fiabilité des systèmes intelligents. L’objectif est de dégager des perspectives vers une nouvelle génération de systèmes d’aide à la décision combinant données, modèles, connaissances et jugement humain.