12ème Conférence sur les Applications Pratiques de l’Intelligence Artificielle
(Événement affilié à PFIA 2026)
30 au 3 juillet 2026, Arras, France
Conférences disponibles
06
Intervenants
18
La conférence sur les Applications Pratiques de l’Intelligence Artificielle (APIA) est un lieu d’échanges entre les chercheurs académiques et les entreprises (industriels, entreprises de services, startups, .…) pour partager leurs expériences de mise en œuvre de méthodes relevant du domaine de l’Intelligence Artificielle sur des cas concrets. Ce rendez-vous annuel a pour objectif de présenter les approches mises en œuvre afin d’élargir le potentiel applicatif des modèles et outils d’intelligence artificielle en contexte opérationnel. Il vise également à favoriser les échanges autour des verrous rencontrés lors de l’expérimentation de cas d’usage concrets, qui doivent encore être levés pour accélérer la démocratisation de l’IA, ainsi qu’à partager les besoins naissants exprimés par les entreprises.
Cette 12ème édition d’APIA est placée sous le thème de l’IA Agentique. Nous recherchons des contributions pour illustrer des applications concrètes de l’IA et partager des travaux dont l’objet d’étude concerne des problèmes opérationnels ou des données réelles, et nous sommes particulièrement intéressés par les propositions qui mettront en avant les sujets suivants, en lien avec l’IA Agentique :
Toutes les applications, qu’elles soient industrielles, sociétales, économiques, politiques, environnementales, patrimoniales, culturelles, ou autres, sont les bienvenues ainsi que tous les domaines de l’IA. L’accent devra être mis sur la description de la solution proposée et la justification de son adéquation aux objectifs applicatifs visés. Nous apprécierons que les articles incluent une évaluation des coûts de l’usage de l’IA.
Nous aurons le plaisir d’écouter la présentation de Sylvain Lobry, maître de conférences au LIPADE, université Paris Cité : Réponse automatique à des questions visuelles
Résumé: Les images de télédétection contiennent une multitude d’informations qui peuvent être utiles pour un large éventail de tâches, notamment la classification de la couverture terrestre, le comptage ou la détection d’objets. Cependant, la plupart des méthodologies disponibles sont spécifiques à une tâche, ce qui empêche un accès générique et facile aux informations contenues dans les données de télédétection. Par conséquent, la génération de produits de télédétection précis nécessite toujours des connaissances spécialisées. Avec la réponse automatique à des questions visuelles (RSVQA en anglais), nous proposons un système permettant d’extraire des informations à partir de données de télédétection accessible à tous les utilisateurs : nous utilisons des questions formulées en langage naturel pour interagir avec les images. Grâce à ce système, il est possible d’interroger les images afin d’obtenir des informations spécifiques et de haut niveau. Dans cette présentation, nous aborderons les jeux de données et les méthodes existants pour cette tâche. Enfin, nous explorerons également le potentiel de l’IA agentique pour faire le lien entre cette tâche et les méthodes traditionnelles basées sur la vision par ordinateur, et comment cela ouvre la voie à une adoption industrielle.
Summary: Visual question answering on remote sensing images. Remote sensing images contain a wealth of information which can be useful for a wide range of tasks including land cover classification, object counting or detection. However, most of the available methodologies are task-specific, thus inhibiting generic and easy access to the information contained in remote sensing data. As a consequence, accurate remote sensing product generation still requires expert knowledge. With Visual Question Answering for Remote Sensing (RSVQA), we propose a system to extract information from remote sensing data that is accessible to every user: we use questions formulated in natural language to interact with the images. With the system, images can be queried to obtain high level information specific to the image content or relational dependencies between objects visible in the images. In this talk, we will cover existing datasets and methods for this task. Finally, we will also explore the potential of agentic AI for bridging this task with traditional computer vision-based methods and how this open the way to industrial adoption.
Nathalie Abadie est chercheuse au LASTIG. Ses recherches portent sur l’extraction, la représentation et l’utilisation de connaissances pour la mise en correspondance automatique de ressources hétérogènes avec des référentiels de données géographiques ou géohistoriques.
Ammar Mechouche est expert en science des données chez Airbus Helicopters. Il travaille sur l’analyse des données de vol collectées des hélicoptères en service, ainsi que leur diffusion au sein des différents métiers et la démocratisation de leur valorisation. Son application de prédilection est la maintenance prédictive.
Pour tout renseignement sur APIA 2026: apia2026@easychair.org
Nous attendons des articles et des résumés mettant en avant des applications concrètes de l’intelligence artificielle. …