AIARD
FrançaisEnglish

Recherche

Recherche

Une machine peut-elle aider à formuler un problème inventif, trouver la connaissance qui le résout, et défendre une solution à laquelle un ingénieur ferait confiance ?

Axes de recherche

T1

Raisonnement inventif neuro-symbolique

Les modèles de langage sont éloquents ; TRIZ est rigoureuse. Une machine peut-elle être les deux ?

  • Établi

    Un LLM peut-il exécuter ARIZ pas à pas et produire des concepts jugés nouveaux par des experts ?

T2

Graphes de connaissances et de problèmes industriels

Avant de résoudre, cartographier le problème.

  • En cours

    Comment les équipes d’ingénieurs formulent-elles les problèmes, d’après les graphes FINDER ?

T3

Intelligence des brevets et de la littérature scientifique

Des millions de problèmes résolus, écrits dans une langue que les machines doivent apprendre.

  • Établi

    Des représentations spécialisées brevets retrouvent-elles mieux les solutions que des représentations génériques ?

T4

Découverte de connaissances interdisciplinaires

La réponse vit souvent dans une autre discipline.

  • Établi

    Peut-on quantifier l’interdisciplinarité à partir du texte d’un article ?

T5

Collaboration humain–IA dans l’invention

L’ingénieur reste le juge.

  • En cours

    Comment présenter les suggestions de l’IA pour que les équipes gardent la main sur le raisonnement ?

T6

Tech scouting dans l’énergie

Qui invente quoi, et comment le savoir ?

  • Établi

    Des modèles de NER ajustés détectent-ils les technologies nouvelles avec peu de données en français ?

Niveau de preuveÉtabli — Publié ou démontréEn cours — Recherche engagéeAmbition — Inscrit au programme, pas encore engagé

Notre approche scientifique

Des problèmes aux inventions.

AIARD relie les problèmes aux connaissances, et les connaissances à l’invention. Chaque étape ci-dessous est un objet de recherche à part entière, avec ses modèles, ses données et son évaluation.

Partir de situations réelles apportées par les partenaires, avec leurs contraintes, leur histoire et leur vocabulaire.

Situation problématique

● Le graphe d’invention — Raccourcir les cycles d’injection plastique

Choisissez une étape ou un nœud pour savoir pourquoi il est là.

Fig. 01 [Illustration méthodologique] Raccourcir les cycles d’injection plastique. Chaque connaissance repose sur de vrais brevets et articles (icônes de document) : survolez-la, ou passez à l’étape 04, pour les voir. Les pistes affichées sont documentées dans la littérature technique ; elles illustrent le raisonnement, ce ne sont pas des résultats d’AIARD.

Une chaîne de recherche, six objets de recherche

  1. 01

    Données industrielles

    Situations problématiques, documents et expertise des partenaires.

  2. 02

    Extraction de connaissances

    Brevets et articles transformés en problèmes, paramètres et solutions.

  3. 03

    Modélisation des problèmes

    Graphes de problèmes, de solutions partielles et de paramètres.

  4. 04

    Raisonnement sur les contradictions

    Détecter et qualifier les contradictions qui bloquent le progrès.

  5. 05

    Génération de concepts

    Relier les contradictions à des connaissances, proches et lointaines.

  6. 06

    Évaluation humaine

    Les ingénieurs jugent, sélectionnent, affinent ; leur jugement est aussi une donnée.

Axes de recherche annoncés depuis la création de la Chaire

  • A1Extraction et numérisation des connaissances à partir de toutes formes de documents
  • A2Appariement automatique entre modèles de problèmes et modèles de solutions issus de ces connaissances
  • A3Enrichissement permanent des données

Projets de recherche et thèses

Chaque projet énonce sa question de recherche, sa méthode et, à part, ce qu’il a réellement montré.

Thèse · 2014Terminé

(Meta)Knowledge modeling for inventive design

Thèse de doctorat en informatique, soutenue le 7 février 2014 à l’Université de Strasbourg, dirigée par Denis Cavallucci et Pierre Collet (theses.fr 2014STRAD006).

Thèse · 2019Terminé

Experience capitalization to support inventive design studies

Thèse de doctorat en génie industriel (conception), soutenue le 18 février 2019 à l’Université de Strasbourg, dirigée par Denis Cavallucci et Cecilia Zanni-Merk (theses.fr 2019STRAD002). Suivie d’un post-doctorat pour la Chaire.

Thèse · 2025Terminé

Intelligence brevets et orchestration d’ARIZ par LLM

Une thèse sur la recherche des brevets qui répondent à un problème inventif, et sur l’exécution d’ARIZ par des modèles de langage pour générer des concepts ancrés dans ces brevets. Soutenue en décembre 2025.

Thèse · 2025–En cours

Vers une méthodologie innovante de fusion des connaissances à partir de jeux de données de brevets : application à la conception inventive

Une thèse en informatique, commencée en 2025 et dirigée par Denis Cavallucci et Hicham Chibane, sur la fusion des connaissances contenues dans les jeux de données de brevets au service de la conception inventive. La thèse conçoit l’algorithme de mise en graphe qui transforme les textes en graphes de problèmes, le moteur de TRIZBench ; premiers travaux sur l’extraction de graphes de problèmes et de cartes causales par des modèles de langage.

Thèse financée parArcelorMittal
Toutes les publicationsÉquipe