Les avancées spectaculaires de l'intelligence artificielle (IA) dans des domaines variés, de la classification d'images à l'IA générative, en passant par la détection d'objets et la reconnaissance vocale, pousse à une intégration croissante dans l'industrie. Toutefois, les processus traditionnels de vérification et de validation logicielle s'avèrent inadaptés aux spécificités des modèles d'IA, notamment en raison de la complexité propre à certains modèles (e.g. réseaux neuronaux) et des défis liés à la traçabilité, à l'explicabilité et aux mesures de couverture. Comment, dès lors, garantir la fiabilité des systèmes d'IA, en particulier dans des secteurs critiques tels que l'aérospatiale, l'automobile et le médical, où la marge d'erreur est quasi inexistante ?

Lors de cette master class, nous aborderons un processus complet de certification des modèles d'IA, conçu en s'inspirant des normes existantes et illustré par une étude de cas. Nous explorerons les étapes essentielles de ce processus, de la définition des exigences spécifiques à l'IA à la validation finale, en mettant l'accent sur l'explicabilité des modèles, la vérification de leur robustesse, la gestion des données hors distribution, et le déploiement sur systèmes embarqués.

Parmi les sujets abordés :

• Explicabilité et robustesse : techniques pour comprendre le fonctionnement interne des réseaux de neurones et pour vérifier formellement leur robustesse.
• Fiabilité des données : stratégies pour identifier et gérer les données hors distribution afin de préserver la performance et la fiabilité des modèles.
• Cas Pratique, défis et solutions : exploration des méthodes pour élaborer un processus de certification adapté à l'IA dans des contextes critiques, identification des principaux défis et proposition de solutions envisageables.

« Je manque de temps pour me documenter sur les nouvelles fonctionnalités MATLAB^® »
« Je ne sais pas comment optimiser mon code MATLAB »
« Chaque montée de version est chronophage »

Parvenir à une productivité optimale peut représenter un défi sans la mise en place de bonne pratiques et l'utilisation des outils adéquats. Au travers de cette master class, nous aborderons différentes techniques et outils MATLAB pour avoir un code performant dans un contexte collaboratif.

Parmi les sujets abordés :

• Optimisation du code : techniques pour cibler rapidement les parties du code à améliorer
• Performance : premiers réflexes pour réduire le temps de calcul
• Robustesse et maintenabilité : bonnes pratiques et sensibilisation à la programmation orientée objet

Robert Bosch France industrialise du code ASIL à partir de modèles Simulink^® livrés par certains constructeurs automobiles.

Des tests back-to-back MIL-SIL et MIL-PIL sont réalisés afin de vérifier que le code généré a le même comportement que le modèle Simulink d’origine. Des tests supplémentaires sont ensuite exécutés afin de vérifier la conformité du code ASIL avec la norme ISO 26262.

Un contrat de consulting avec MathWorks a permis de mettre en place une automatisation complète de tests PIL dans l’environnement Simulink avec Simulink Test™. Un exécutable est compilé avec un compilateur HighTec et est exécuté avec un débuggeur PLS-UDE sur une cible émulée pour un microcontrôleur Infineon TriCore™.

La solution complète a été implémentée sur un serveur Jenkins^® qui assurait déjà la génération du code et la génération de test cases avec Simulink Design Verifier™.

Hutchinson accompagne l'électrification de l'industrie automobile en proposant des solutions pour le management thermique des véhicules.  Pour répondre au mieux aux besoins de ses clients, nos produits sont modélisés dans les domaines de l'hydraulique, de la thermique, de l'automatique, de la mécanique et de l'automatique grâce aux outils comme Simscape™, Simulink^®... L'architecture modulaire de ces modèles dans un outil Git™ nous permet de gagner en efficacité et qualité de développement.

Le Palais de la découverte connaît actuellement sa première grande rénovation en vue de sa réouverture en juin 2025. Créé en 1937 par Jean Perrin, prix Nobel de physique et père du CNRS, consacré aux sciences fondamentales et aux expériences en direct, le Palais est un endroit unique en son genre, connu dans le monde entier. Sa rénovation s’inscrit dans le cadre de celle du Grand Palais, à Paris. Conduite avec l’appui scientifique du CNRS, cette opération entend faire du Palais de la découverte un lieu où le grand public découvrira la recherche contemporaine, dans une époque où les choix collectifs sont plus que jamais à dominante scientifique, que l’on parle d’intelligence artificielle ou de climat par exemple. Fabrique de citoyens éclairés, entièrement tourné vers le développement de la curiosité, le Palais ambitionne d’écrire une nouvelle page de la muséographie scientifique. Ce faisant, il entend susciter plus que jamais des vocations scientifiques et techniques, dès le plus jeune âge. MathWorks, Grand Mécène du nouveau Palais de la découverte, est un partenaire majeur de ce projet emblématique. Les savoir-faire des équipes de MathWorks sont mis à contribution pour la mise au point de plusieurs dispositifs iconiques du futur Palais, dont une future cuve à ondes spectaculaire.

Dans un monde caractérisé par la Volatilité, l'Incertitude, la Complexité et l'Ambiguïté (VUCA), l'adaptabilité et la collaboration entre industrie et enseignement sont essentielles. La table ronde réunira des experts de la formation et du monde industriel pour explorer les synergies nécessaires entre ces deux sphères afin de préparer efficacement les générations futures et permettre une évolution des compétences. Ensemble, nous discuterons des stratégies innovantes pour une évolution conjointe, en mettant l'accent sur l'importance de l'agilité, de la collaboration et de l'apprentissage continu. Rejoignez-nous pour une conversation enrichissante sur la manière dont l'enseignement et l'industrie peuvent s'aligner pour former une force résiliente et adaptable dans un paysage global en constante évolution.

Dans un monde où la transition énergétique est devenue une priorité, l'innovation dans l'électrification des transports, le stockage d'énergie, et les systèmes de gestion de l'énergie est cruciale. Les ingénieurs en charge du développement de systèmes embarqués pour batteries, moteurs électriques, et convertisseurs de puissance sont à l'avant-garde de cette transformation. Le défi ? Accélérer le développement tout en garantissant la qualité, la sécurité, et la conformité des produits. Le « Virtual Commissioning » est une solution puissante permettant de tester et de valider les stratégies de contrôle et les performances du système dans un environnement virtuel avant le déploiement physique.

Dans cette master class nous parcourrons ensemble les différentes phases de conception amenant à l'activité « Virtual Commissioning » :

• Modélisation du système électrique
• Mise au point de la partie contrôle via de la simulation
• Optimisation par de la simulation du fonctionnement du système électrique
• Déploiement de la partie contrôle sur cible embarquée
• Plateforme hardware-in-the-loop

Avec la complexité croissante des exigences industrielles, l'industrialisation du développement logiciel est devenue un impératif pour garantir la qualité et la fiabilité des produits. Dans cette master class, nous explorons les pratiques et les outils de DevOps qui favorisent cette industrialisation, en rationalisant les processus de développement pour répondre aux normes industrielles élevées et garantir des produits logiciels robustes et certifiés.

Parmi les sujets abordés : 

• Projets MATLAB^® : organisation du code et des fichiers pour une collaboration améliorée.
• Versioning : meilleures pratiques de contrôle de version avec Git.
• CI/CD : automatisation des étapes de construction, de test et de déploiement.
• Gestion des artéfacts : maîtrise de la gestion efficace des éléments de développement.
• Tests avec MATLAB et Simulink^® : méthodologies de test pour garantir la qualité et la fiabilité du logiciel.

L'analyse des modes de défaillance est souvent le domaine d'expert métiers qui se basent sur leur expérience pour déterminer les cas critiques et élaborer des moyens de détection et correction. Cette analyse est souvent effectuée de manière manuelle, nécessitant un travail intensif de collecte de données et de calculs. L'inconvénient de cette approche inclue le risque d'omissions, de subjectivité et de limitations dans la prise en compte de toutes les interactions possibles entre les composants du système.

L'utilisation de la simulation offre une alternative prometteuse pour minimiser ces inconvénients. En utilisant des modèles numériques détaillés des systèmes, la simulation permet d'explorer un large éventail de scénarios de défaillance et d'évaluer leur impact sur la sûreté de manière plus exhaustive. De plus, les modèles peuvent intégrer des données réelles de fonctionnement pour améliorer la précision de la simulation.

Au cours de cette master class, nous utiliserons l'exemple d'un respirateur artificiel pour mettre en œuvre une analyse de risque et utiliser la simulation pour identifier et confirmer des cas critiques.

Parmi les sujets abordés :

• Modélisation système et spécification des interfaces
• Introduction de défauts dans le modèle 
• Plan d'expérience avec une combinaison des défauts
• Traçabilité entre les exigences de robustesse et les modes de détection dans le modèle

L'interface utilisateur MATLAB^® a largement évolué ces dernières années et un accent particulier a été porté sur la facilité d'utilisation. Tout comme les applications graphiques fournies avec MATLAB, l'IA générative change notre façon de coder et permet de gagner en productivité.

Dans cette master class, et à travers quelques exemples de mise en œuvre, nous reviendrons sur les approches low code/no code permettant l'exploration interactive de données (signal, images, séries temporelles, etc.) et l'automatisation des traitements.

Dans cette session, nous nous focaliserons sur ces quelques applications emblématiques :

• Data Cleaner : pré-traitement et mise en forme de données
• Signal Analyzer : analyse de signaux dans les domaines temporels, fréquentiels et temps/fréquence
• Classification Learner : IA pour les non-experts
• AI Chat Playground : ChatGPT pour faciliter le développement
• Optimisation  : expression et résolution de problèmes d'optimisation

Ganymed Robotics développe un robot médical collaboratif, qui requiert le développement d'un système de contrôle spécifique pour le pilotage de composants non standards. En exploitant la puissance de MATLAB^® et Simulink^®, nous avons utilisé une approche Model Based, pilotée par les tests, pour créer une solution de contrôle robuste et précise. La présentation sera axée sur :

• La modélisation des composants électromécaniques non standards et l'implémentation de lois de commande régissant la position, la vitesse et le courant 
• La génération automatique de code pour logiciel embarqué 
• La conception de bancs de tests pour vérifier la précision 
• La collaboration avec MathWorks Consulting Services

IFPEN a développé une chaîne d’outils logiciels unique au service de l’innovation dans le domaine de l’électronique de puissance et des moteurs électriques.

Grâce à une intégration verticale complète, depuis l’exploitation de données de simulation éléments finis jusqu’à la réalisation d’essais sur banc forte puissance, IFPEN a pu drastiquement réduire ses temps de développement et ceux des partenaires accompagnés.

L’environnement MATLAB^® et Simulink^® constitue le pivot de cette approche centralisée permettant de passer d’un moteur à un autre ou d’un algorithme de contrôle à un autre en quelques minutes, tout en offrant des fonctionnalités avancées de prototypage rapide dans une simple carte électronique.