Perfectionnement en IA aérospatiale : valider et certifier un système d’IA critique

• Valider un système d’IA critique selon une démarche de sûreté
• Constituer le dossier de preuves destiné à la certification
• Maîtriser les risques résiduels d’un système d’apprentissage

Ingénieurs sûreté, qualiticiens, responsables certification

Connaissance de l’IA et des exigences de sûreté du secteur

• Définir les exigences de sûreté applicables à une IA critique
• Identifier les dangers propres aux systèmes d’apprentissage
• Spécifier le domaine d’emploi et les conditions de fonctionnement
• Concevoir la stratégie de vérification et de validation du modèle
• Tester la robustesse face aux données hors domaine et aux attaques
• Mesurer l’incertitude et la couverture des données d’apprentissage
• Assurer la traçabilité des données, du code et des versions
• Démontrer la maîtrise des risques résiduels devant l’autorité
• Constituer le dossier de certification et ses éléments de preuve
• Organiser la surveillance du système après sa mise en service

• Rédiger le domaine d’emploi d’un modèle de détection embarqué
• Construire un plan de tests de robustesse d’un modèle critique
• Structurer le dossier de preuves d’un système d’IA fictif

• Modèle de plan de vérification et de validation d’une IA
• Check list des éléments d’un dossier de certification
• Guide des risques propres aux systèmes d’apprentissage