Construit autour des interfaces
TRAILAB n'est pas un autre spécialiste ajouté à un projet. Il est construit autour des interfaces entre preuves techniques, obligations juridiques, gouvernance institutionnelle, questions éthiques et action humaine.
Pourquoi TRAILAB
Un problème de recherche est devenu trop vaste pour une seule discipline, un seul domaine ou une seule institution.
TRAILAB est une nouvelle institution indépendante bâtie sur des fondations de recherche matures. La trajectoire sous-jacente a commencé dans l’incertitude, a évolué vers des décisions à enjeux élevés, des systèmes critiques, la causalité, l’explicabilité, le droit, les normes, l’éthique et l’action humaine, et a finalement nécessité un foyer durable où ces interfaces pourraient être recherchées ensemble.
Le voyage qui a rendu TRAILAB nécessaire
Le voyage qui a rendu TRAILAB nécessaire
-
2015-2019
Doute probabiliste
La question technique centrale était de savoir comment les systèmes d’IA peuvent représenter l’incertitude : limites de domaine, lacunes épistémiques et variabilité aléatoire, motivées d’abord par des décisions financières et bancaires pour lesquelles l’automatisation était sans aucun doute dangereuse.
-
2020-2022
De la finance aux systèmes critiques
Le même problème de décision est apparu dans la conduite autonome, l’aviation, l’automatisation industrielle, la détection des fausses nouvelles et les projets publics : preuves incomplètes, conditions opérationnelles changeantes et responsabilité humaine.
-
2021-2023
Causalité et explicabilité
L'incertitude ne suffisait pas. Le travail s'est étendu à la causalité, aux contrefactuels et à l'explicabilité : ce qui a causé une prédiction, ce qui changerait sous l'intervention et si les explications sont fidèles, stables et non contradictoires.
-
2023-2024
Loi, loi sur l'IA et normes
Une IA digne de confiance est entrée dans des environnements réglementés. Les obligations de la loi sur l’IA, les normes ISO/IEC 42001, ISO/IEC 23894, les normes harmonisées CEN-CENELEC et les cadres d’assurance sectoriels ont dû être traduits en méthodes opérationnelles.
-
2024-2025
Éthique et philosophie
La confiance technique et juridique soulève encore des questions de légitimité, d’équité, de soin, de paternité, de responsabilité, de réputation et de finalité humaine. L’éthique et la philosophie sont devenues une partie intégrante de la méthode, et non une réflexion secondaire.
-
2026
IA réflexive et TRAILAB
À mesure que l’IA acquérait des effets infrastructurels sur le jugement, l’IA digne de confiance devait être complétée par l’IA réflexive : un objectif de recherche visant à préserver et à renforcer les capacités humaines. TRAILAB devient l'espace indépendant, multidisciplinaire et multi-institutionnel de ce travail.
Indépendant par conception
L'indépendance est précieuse pour les partenaires et les bailleurs de fonds car elle protège la crédibilité des méthodes, des preuves et des conclusions.
Appliqué par méthode
L’impact se produit lorsque la recherche est testée dans des systèmes réels, traduite en normes et rendue réutilisable grâce à des projets, des formations et des preuves d’intérêt public.
Réflexif par ambition
L’IA réflexive s’interroge sur la façon dont le recours à l’IA modifie les capacités humaines qui rendent possibles le jugement, la créativité et la responsabilité.
Notre approche de l'impact
Notre cycle d’impact transforme la recherche en capacité.
TRAILAB est conçu pour que la recherche, la validation concrète et le transfert institutionnel se renforcent mutuellement. Les cas appliqués exposent de nouvelles questions de recherche ; les méthodes sont testées dans la pratique ; les politiques et les normes traduisent les données probantes en capacités réutilisables.
Ancres de recherche et réglementaires 9
-
2020 · Building Uncertainty Models on Top of Black-Box Predictive APIs
Quantification de l'incertitude · Article accepté
Brando, A., Torres, D., Rodríguez-Serrano, J.A., Vitrià, J.
-
2022 · Using Quantile Regression in Neural Networks for Contention Prediction in Multicore Processors
Quantification de l'incertitude · Article accepté
Brando, A., Serra, I., Mezzetti, E., Vitrià, J., Cazorla, F.J.
-
2023 · Main Sources of Variability and Non-Determinism in AD Software: Taxonomy and Prospects to Handle Them
Quantification de l'incertitude, IA réglementaire · Article accepté
Alcon, M., Brando, A., Mezzetti, E., Abella, J., Cazorla, F.J.
-
2023 · SAFEXPLAIN: Safe and Explainable Critical Embedded Systems Based on AI
Explicabilité, IA réglementaire · Article accepté
Abella Ferrer, J., Pérez, J., Englund, C., Zonooz, B., Giordana, G. et al. (y compris Brando, A.)
-
2024 · A Novel Application of SCMs to Time Series Counterfactual Estimation in the Pharmaceutical Industry
Causalité · Document d'atelier
Garriga, T., Sanz, G., de Cambra, ES, Brando, A.
-
2025 · Managing Sources of Uncertainty in Utilizing AI in Development and Deployment of Safety-Critical Autonomous Systems
Quantification de l'incertitude, IA réglementaire · Article accepté
Lowe, R., Ulan, M., Bui, TH, Adell, A., Labaien, J., Brando, A.
-
2026 · AI Sandboxes Must Be SME-Oriented Compliance Accelerators
Quantification de l'incertitude, IA éthique, IA réglementaire · En cours d'examen
Rodrigo-Albert, D., Eguíluz, JA, Hidalgo, J., Vargas, V., Mir, M., Brando, A.
-
2026 · EU AI Act implementation timeline
Source réglementaire · FAQ de la Commission européenne
La Commission présente la loi sur l’IA comme un cadre juridique basé sur les risques avec une application par étapes : pratiques interdites et connaissances en IA à partir de février 2025, gouvernance GPAI à partir d’août 2025 et obligations à haut risque désormais séquencées vers décembre 2027 et août 2028 dans le cadre du paquet de simplification.
-
2026 · Standardisation of the AI Act
Source réglementaire · Page politique de la Commission européenne
La Commission décrit comment les normes harmonisées traduisent les exigences de la loi sur l'IA en langage technique pour la gestion des risques, la gouvernance des données, la journalisation, la transparence, la surveillance humaine, l'exactitude, la robustesse, la cybersécurité, la gestion de la qualité et l'évaluation de la conformité.
Recherche → méthodes
Publications et questions ouvertes sur l'incertitude, la causalité, l'explicabilité, la sécurité, la réglementation, l'éthique et l'IA réflexive.
Validation appliquée → preuves
Cas d'utilisation dans les domaines de la finance, de la banque, de l'aviation, des systèmes autonomes, de l'automatisation, de la recherche pharmaceutique, de la santé, de l'éducation et des infrastructures d'intérêt public.
Transfert systémique → adoption
Méthodes tenant compte de la réglementation, traduction des normes, capacité politique, adoption par les PME, orientation du secteur public et apprentissage institutionnel sensible aux droits.
Approche TRAILAB en double cycle
Méthodes / savoir-faire
incertitude · causalité · explicabilité · gouvernance · interaction réflexive
Recherche ↔ Application ↔ Impact
- RecherchePublications, travaux de doctorat, problèmes de benchmark, questions théoriques
- DemandeBanque, finance, ADAS, aviation, pharmacie, santé, automatisation, éducation
- ImpactAdoption, systèmes plus sûrs, meilleures décisions, capacité d’intérêt public
Recherche ↔ Transfert systémique ↔ Impact
- RecherchePublications, travaux de doctorat, problèmes de benchmark, questions théoriques
- Transfert systémiqueContexte AI Act, ISO, CEN-CENELEC, politiques publiques, société civile, droits
- ImpactAdoption, systèmes plus sûrs, meilleures décisions, capacité d’intérêt public
Pourquoi maintenant - Europe
L’Europe passe de l’élaboration de règles en matière d’IA à une adoption à grande échelle dans des secteurs stratégiques, tout en continuant de mettre l’accent sur une IA, des compétences et des capacités institutionnelles dignes de confiance et centrées sur l’humain. TRAILAB travaille à l’interface entre capacité, adoption, confiance, droits et action humaine.
- Contexte de la loi européenne sur l’IAobligations basées sur les risques, connaissances en IA, gouvernance GPAI et obligations des systèmes à haut risque
- Normes harmoniséeslangage technique pour la gestion des risques, la gouvernance des données, la journalisation, la transparence, la surveillance humaine, la robustesse et la cybersécurité
- Adoption institutionnelletraduction des capacités en données probantes, gouvernance, compétences et responsabilités dans tous les secteurs