Pilier /01 · Recherche

La recherche à AIRINA.

Nous travaillons là où l'IA appliquée est mathématique. Les travaux actuels de l'unité se situent à l'intersection de la topologie, de la théorie de l'apprentissage et des problèmes posés par les systèmes financiers africains.

Productions Articles, code, jeux d'évaluation ouverts Collaborateurs AIMS · ACAS · partenaires universitaires Modèle de financement Subventions + missions industrielles rémunérées

Sciences fondamentales

Sous chaque technologie, des mathématiques.

Technologies quantiques, cybersécurité, intelligence artificielle, les mathématiques restent le fondement de notre souveraineté technologique et le marqueur de l'excellence scientifique en Afrique francophone. AIRINA porte également l'ambitieux programme de « Résidence mathématique » qui permettra d'inviter et de réunir les meilleurs chercheurs en sciences fondamentales.

Axes de recherche actifs

Six axes, une seule direction.

/01

Analyse topologique des données

L'ATD étudie la forme des données : quels groupes se relient, quelles boucles persistent, quels vides résistent à être comblés quand un paramètre d'échelle évolue. L'unité publie sur l'homologie persistante, la stabilité des diagrammes de persistance, la persistance multi-paramétrique et la vectorisation pour le ML en aval. Les travaux en cours portent sur les caractéristiques de persistance pour les séries temporelles financières et pour les graphes construits à partir des journaux de transactions mobile money.

Code : GUDHI · Ripser · giotto-tda · cripser · Productions : prépublications arXiv, articles à comité de lecture, notebooks Jupyter ouverts

/02

IA symbolique et interprétable

L'apprentissage automatique en production dans les secteurs régulés ne sait pas répondre à la question que les régulateurs posent effectivement : pourquoi cette décision, pour cette personne. L'unité travaille sur les modèles interprétables par conception, l'extraction de règles de décision, et les méthodes neuro-symboliques qui conservent la puissance inductive de l'apprentissage profond tout en exposant ce qui a été appris. Nous testons contre les réalités des données de crédit africaines : étiquettes éparses, revenus semi-formels, observations intermittentes, et les contraintes réglementaires qui rendent certaines astuces standard inutilisables.

Applications : scoring crédit, détection de fraude, gestion du risque modèle pour les institutions sous tutelle BCEAO

/03

Fondements topologiques de l'IA et de l'apprentissage par renforcement

Les réseaux profonds apprennent des représentations qui vivent sur des variétés. Nous nous intéressons à la structure topologique de ces représentations, aux cas où la topologie prédit la généralisation, et à la question de savoir si les invariants topologiques peuvent stabiliser l'optimisation de politiques en apprentissage par renforcement lorsque le paysage des récompenses est irrégulier. Cet axe se relie au travail de l'unité sur les fondements mathématiques et alimente l'école d'été de deux semaines sur les fondements topologiques de l'apprentissage profond.

Connexions : hypothèse de variété · signatures topologiques de généralisation · persistance différentiable

/04

ATD pour un apprentissage automatique robuste

La robustesse adverse et la détection hors-distribution ont toutes deux une saveur topologique : de petites perturbations déplacent les points hors de la variété des données. Nous examinons si l'homologie persistante donne des signaux que les méthodes fondées uniquement sur des normes manquent, et si les régularisateurs topologiques réduisent la sensibilité au décalage de distribution sans payer le prix habituel en précision. Travaux en cours ; la formation correspondante ouvrira quand les publications seront en place.

/05

Topologie asymétrique et complexité

La spécialité en mathématiques pures du directeur : espaces quasi-métriques et métriques bipolaires, théorie du point fixe en cadre asymétrique, et applications à la complexité. C'est l'axe mathématique le plus profond de l'unité. Il se relie à la sémantique dénotationnelle en informatique théorique et à l'apprentissage de similarité en ML, où la dissimilarité est naturellement asymétrique (un client ressemble plus à un salarié que l'inverse, pour le risque crédit).

Productions : articles à comité de lecture en mathématiques (collection Springer, revues de topologie et d'analyse)

/06

IA quantique-topologique pour la finance

L'apprentissage automatique quantique a été à la fois sur-vendu et sous-livré, à peu près à parts égales. Nous étudions où les caractéristiques topologiques et les méthodes à noyaux quantiques apportent ensemble un gain mesurable sur les problèmes financiers où les références classiques plafonnent : détection de régime dans les séries non-stationnaires, modélisation de la surface de volatilité sous hypothèses de queues lourdes, construction de portefeuille quand les corrélations s'effondrent. La réponse honnête à « est-ce que ça aide ? » est : parfois, sur des problèmes précis, et nous travaillons à les identifier.

Stack : Qiskit · PennyLane · pipeline ATD classique · comparé à des références classiques solides

Comment l'unité travaille

Ce que nous promettons, et ce que nous ne promettons pas.

Publier avant d'annoncer

La référence de l'unité pour « ce que nous faisons » est ce qui se trouve sur arXiv, dans une revue à comité de lecture, ou dans un dépôt public. Pas ce qui figure sur un site web. Si un axe n'a pas encore de production publique, nous le disons.

Ouvrir le code

Méthodes, code et jeux d'évaluation vivent dans l'organisation GitHub d'AIRINA-Labs. Nous ouvrons les données quand nous pouvons les partager, et documentons ce que nous ne pouvons pas partager et pourquoi.

Co-signer

L'unité a des collaborations établies avec AIMS Sénégal, AIMS Afrique du Sud, AIMS Rwanda, et ACAS. Nous co-encadrons des travaux de master et de doctorat dans les universités partenaires, et publions avec les étudiants en tant que co-auteurs, pas en tant que contributeurs cités dans les remerciements.

Refuser ce que nous ne savons pas enseigner

Si un sujet n'a pas de praticien actif dans l'unité, nous co-organisons avec quelqu'un qui en a un, ou nous ne l'enseignons pas. Le catalogue s'allonge lentement, par discipline.

Collaborer avec nous

Trois portes d'entrée.

Recherche conjointe

Écrivez à contact@airina.africa avec un résumé d'une page de la question et des données accessibles.

Encadrement doctoral

Pour les travaux de master ou doctorat impliquant AIRINA, passez par la page académique du directeur : gabayae.github.io.

Recherche commanditée

Pour les institutions financières et les bailleurs : contact@airina.africa. Nous répondons avec un dossier partenariats d'une page.

Logiciels libres

Lire ou contribuer : github.com/AIRINA-Labs.