Argumentaire & axes principaux IA

Cet axe explore comment les technologies d’IA peuvent contribuer à la résilience écologique et à une société plus respectueuse de l’environnement en optimisant l’utilisation des ressources naturelles, en réduisant l’impact environnemental des activités humaines et en favorisant des modèles économiques plus durables.
Les travaux présentés dans cet axe mettront en lumière les avancées concrètes de l’IA dans des domaines tels que la gestion des énergies renouvelables, la préservation de la biodiversité, la réduction des émissions de gaz à effet de serre et la lutte contre le changement climatique.
Cet axe s’adresse aux chercheurs et praticiens en IA, en mettant l’accent sur les contributions scientifiques et techniques qui répondent aux enjeux du développement durable.
Les contributions soumises pourront inclure par exemple des systèmes de gestion intelligente des ressources, des modèles de surveillance des écosystèmes en temps réel ou des outils de sensibilisation aux enjeux écologiques.

• IA et gestion durable des ressources naturelles
• IA pour l’énergie et la transition écologique
• IA pour la biodiversité et la préservation des écosystèmes
• IA pour l’agriculture durable et l’alimentation responsable
• Villes intelligentes et durables
• IA pour la lutte contre le changement climatique
• IA pour l’économie circulaire et l’innovation durable
• IA pour la sensibilisation et l’éducation à l’environnement
• Green IA : vers une IA durable et frugale

L’intelligence artificielle est de plus en plus présente dans le domaine de la santé, que ce soit dans la prise en charge des patients, dans la gestion des ressources médicales ou même dans l’établissement des diagnostics. Grâce aux algorithmes d’apprentissage automatique et aux modèles d’IA avancés, il est désormais possible d’analyser d’immenses volumes de données biomédicales, d’identifier précocement des pathologies et d’adapter les traitements en fonction des profils génétiques, des données cliniques et des informations sur l’environnement des patients, notamment grâce aux objets connectés. L’IA contribue également à optimiser les flux hospitaliers, à automatiser la détection d’anomalies sur les images médicales et à assister les chercheurs dans la découverte de nouveaux médicaments. En tant que catalyseur de la révolution numérique et durable, l’IA favorise une médecine plus accessible, efficace et responsable, tout en apportant des solutions innovantes aux défis actuels des systèmes de santé. Cependant, ces avancées soulèvent des enjeux majeurs en matière d’éthique, de protection des données et de transparence des algorithmes. Cet axe du colloque AIDIST’2026 explorera les applications concrètes de l’IA en santé, ses opportunités et ses limites, tout en mettant en lumière les perspectives d’avenir dans ce domaine en pleine évolution.

• L’IA pour le diagnostic et la décision médicale
• L’IA et la médecine préventive, prédictive et personnalisée
• L’IA en imagerie médicale
• L’IA au service des parcours patients
• L’IA au service de la découverte de médicaments
• Chatbots, NLP et interfaces en santé
• L’IA en santé : enjeux éthiques, réglementaires et sociétaux
• L’IA et la santé publique
• L’IA en recherche biomédicale et bio-informatique
• IA et dispositifs médicaux intelligents

L’IA redéfinit profondément les interactions sociales, les dynamiques politiques et les enjeux éthiques dans nos sociétés numérisées. Cet axe explore comment l’IA influence la citoyenneté, les relations humaines et les systèmes démocratiques, tout en soulignant les défis scientifiques et techniques liés à son développement éthique et responsable. Les travaux présentés dans cet axe permettront d’explorer comment l’IA peut être un levier pour une citoyenneté éclairée et une société plus juste. Ils mettront en lumière les enjeux autour d’applications de l’IA dans des domaines tels que la démocratie numérique, la lutte contre la désinformation, la surveillance intelligente et la protection des libertés individuelles. L’un des piliers de cet axe est l’IA explicable (XAI), qui vise à rendre les algorithmes transparents, équitables et responsables. Les contributions scientifiques montreront notamment comment les techniques d’IA, telles que le traitement du langage naturel (NLP), l’analyse de sentiments ou la modélisation des comportements, peuvent être utilisées pour renforcer la confiance des citoyens, garantir le respect des normes légales et favoriser une prise de décision éthique. Une attention particulière sera portée à l’IA générative dont l’adoption massive marque une rupture technologique majeure et touche tous les pans de la société (l’éducation, la recherche, l’emploi, la créativité, l’environnement, …). Les défis techniques et éthiques à relever sont nombreux, comme par exemple les biais algorithmiques, la protection des données et la fiabilité des informations. Les contributions pourront inclure des études de cas, des modèles algorithmiques ou des frameworks visant à améliorer la transparence, l’équité et la responsabilité des systèmes d’IA dans des contextes variés, tels que les réseaux sociaux, les élections ou la gestion des données personnelles.

• IA et humanités numériques (données historiques, culturelles, sociales, etc.)
• Démocratie et politique à l’ère de l’IA
• Surveillance intelligente, protection des libertés et des données personnelles
• IA explicable (XAI) et éthique
• IA et réseaux sociaux
• IA pour l’éducation et la recherche
• Gouvernance et régulation de l’IA

L’IA transforme profondément le paysage de l’industrie en production, tout au long du cycle de vie du produit en accélérant l’excellence opérationnelle de la conception à la maintenance, en passant par la production et la logistique. Elle permet également d’améliorer les services en apportant des solutions innovantes aux défis complexes et en optimisant les processus. Cet axe se concentre sur l’intégration de l’IA dans des domaines stratégiques, tels que la conception, la fabrication et l’entretien des équipements, la surveillance de la chaîne logistique, les transports, la prévision des incidents et l’automatisation des opérations bancaires. Les avancées en IA permettent de repenser les modèles économiques et industriels traditionnels, créant ainsi de nouvelles opportunités pour les entreprises, les institutions financières, et les organismes de réglementation. Cet axe met en lumière les technologies de pointe telles que le machine learning, les IoT (Internet of Things), les CPS (Cyber Physical Systems) et la blockchain en explorant leur impact, leur potentiel d’innovation, et les défis éthiques associés. La cybersécurité constitue un défi majeur à prendre en considération. Les cyberattaques profitant des vulnérabilités des nouveaux modèles IA constituent une grande menace qui peut entraver le bon fonctionnement de ces nouvelles solutions et toucher aux données privées des utilisateurs. Proposer des solutions sécurisées et inclure les possibilités de détection en temps réel des vulnérabilités et des intrusions potentielles est une nécessité absolue pour rassurer les utilisateurs et réussir cette transition numérique dans l’industrie et les services.

• IA et excellence opérationnelle
• L’IA pour la conception et l’ingénierie de demain
• L’IA dans la production et la fabrication industrielles
• L’IA pour la maintenance et la gestion des équipements avancées
• L’IA dans les transports et la logistique
• L’IA dans la finance et les services bancaires
• IA et blockchain dans la finance
• Impact de l’IA sur l’expérience client
• Éthique et régulation de l’IA dans l’industrie et les services
• L’IA dans les services publics
• IA et cybersécurité
• IA et IoT (Internet of Things)
• IA et CPS (Cyber Physical System)

L’Intelligence Artificielle repose sur des avancées fondamentales en mathématiques, informatique et sciences cognitives, qui façonnent ses applications et son évolution. Cet axe explore les développements théoriques, les modèles formels et les méthodologies innovantes qui sous-tendent les systèmes d’IA, tout en examinant leurs implications pratiques et leurs limites. Les contributions attendues dans cet axe couvriront aussi bien les avancées conceptuelles (par exemple les nouveaux paradigmes d’apprentissage, le raisonnement causal et les logiques formelles computationnelles) que les défis méthodologiques (robustesse, généralisation, interprétabilité). Une attention particulière sera portée aux approches interdisciplinaires, à la formalisation des biais algorithmiques, ainsi qu’aux méthodes d’évaluation critiques des systèmes d’IA.

Cet axe encourage les travaux fondateurs, les analyses épistémologiques et les cadres unificateurs, tout en restant ouvert aux innovations techniques (LLMs, optimisation, traitement multimodal, …) dès lors qu’elles s’accompagnent d’une réflexion théorique substantielle.

• Théorie de l’apprentissage automatique
• IA pour l’optimisation
• Représentation et traitement des connaissances
• IA et raisonnements
• IA explicable (XAI) et interprétabilité
• Traitement multimodal (NLP, vision, audio)
• Fondements des LLMs et modèles génératifs
• Traitement des données complexes
• IA Agentique
• IA et Big Data
• IA et sécurité informatique
• IA et Génie Logiciel
• IA et applications diverses