Approche basée sur les composants pour l'ingénierie logicielle des systèmes habilités par l'apprentissage automatique

Les systèmes habilités par l'apprentissage automatique (ML) repoussent les nouvelles frontières de l'utilisation industrielle. Le développement de tels systèmes devient un axe prioritaire pour de nombreux fournisseurs en raison des capacités uniques des techniques d'intelligence artificielle (IA). La tendance actuelle est d'intégrer des fonctionnalités ML dans des systèmes complexes en tant que composants architecturaux. De nombreux défis pertinents sont associés à cette stratégie, tant en ce qui concerne l'architecture globale du système qu'en lien avec le flux de développement (MLOps). La nature probabiliste, la dépendance cruciale aux données et le travail dans un environnement d'incertitude élevée ne permettent pas aux ingénieurs logiciels d'appliquer les méthodologies traditionnelles de développement logiciel. En conséquence, il existe une demande de la communauté pour systématiser l'expérience la plus pertinente dans la construction d'architectures logicielles avec des composants ML, de créer de nouvelles approches pour organiser le processus de développement de systèmes habilités par ML et de construire de nouveaux modèles pour évaluer la qualité du système. Notre recherche contribue à toutes ces directions et vise à créer une méthodologie pour l'implémentation efficace de logiciels habilités par ML et de composants IA. Les résultats de cette recherche peuvent être utilisés dans la conception et le développement dans des environnements industriels, ainsi que comme base pour d'autres études dans le domaine de la recherche, qui est à la fois d'une valeur pratique et scientifique.