L’IA pour comprendre les témoignages écrits de la population
Ce projet sur 24 mois, financé à hauteur de 199 989,20€ par l’ANR et la région Normandie, fédère des chercheurs en intelligence artificielle du laboratoire LITIS, des experts de l’entreprise Saagie spécialisée dans le déploiement de projets data et IA et Atmo Normandie, l’association agréée de surveillance de la qualité de l’air en Normandie. Il vise à développer des solutions d’Intelligence Artificielle (IA) — plus spécifiquement d’apprentissage profond (Deep Learning) — pour collecter, analyser et comprendre automatiquement les témoignages écrits d’une population urbaine impactée par les conséquences environnementales et sanitaires d’un accident industriel.
Le projet de recherche CATCH bénéficie du programme de financement RA-SIOMRI 2021 (Recherche Action – Solutions Innovantes et opérationnelles dans la Maitrise des Risques Industriels en milieu urbain et denses), financé par l’Agence Nationale de la Recherche (ANR) et la région Normandie dans le cadre de la subvention ANR-21-SIOM-0011.
The CATCH project: using artificial intelligence to understand people’s written testimonies
This 24-month project, funded to the tune of €199,989.20 by the ANR and the Normandy region, brought together artificial intelligence researchers from the LITIS laboratory, experts from Saagie, a company specialising in the deployment of data and AI projects, and Atmo Normandie, the accredited air quality monitoring association for Normandy. Its aim is to develop Artificial Intelligence (AI) solutions – more specifically Deep Learning – to automatically collect, analyse and understand the written testimonies of an urban population affected by the environmental and health consequences of an industrial accident.
The CATCH research project is part of the RA-SIOMRI 2021 funding programme (Innovative and Operational Solutions for the Control of Industrial Risks in Urban and Dense Environments), financed by the Agence Nationale de la Recherche (ANR) and the Normandy Region under the ANR-21-SIOM-0011 grant.