IA et données contradictoires : Télécom SudParis primée à la conférence mondiale IJCAI 2026

Pour la 5ᵉ fois seulement depuis 1969, une équipe française remporte un Distinguished Paper Award à IJCAI, la référence mondiale en intelligence artificielle. Décernée à Badran Raddaoui et ses coauteurs de Télécom SudParis, cette distinction récompense une avancée majeure : permettre aux IA de raisonner de manière plus fiable et transparente lorsqu’elles sont confrontées à des données réelles, souvent imparfaites ou contradictoires.

Un jalon majeur pour la recherche française en Intelligence Artificielle

Lors de l'édition 2026 de l'IJCAI (International Joint Conference on Artificial Intelligence), les travaux menés par Badran Raddaoui, maître de conférences au laboratoire SAMOVAR de Télécom SudParis (Institut Polytechnique de Paris), ont reçu le prestigieux Distinguished Paper Award*.

Réalisée avec Yurun Gu (doctorante à Télécom SudParis), Yue Ma et Nicole Bidoit (Université Paris-Saclay / LISN) ainsi que Katerina Tzompanaki (CY Cergy Paris Université / BETIS), cette publication, intitulée « Tuple Inconsistency Measures: Towards Explaining Query Answers », répond à un défi majeur : comment permettre à l’IA de produire des décisions fiables et explicables lorsque les données sur lesquelles elle s’appuie peuvent contenir des erreurs ou des contradictions ?

Le défi industriel : Faire face à l'incohérence massive des données réelles

Dans la majorité des déploiements industriels et médicaux, les bases de données réelles sont rarement parfaitement fiables. Entre erreurs de saisie, intégration de sources hétérogènes, capteurs défaillants ou informations obsolètes, la violation des contraintes d'intégrité et la génération des contradictions sont très fréquentes.

La plupart des méthodes traditionnelles de gestion des données reposent encore sur une hypothèse forte : les données doivent être cohérentes pour permettre un raisonnement fiable. Lorsqu’une contradiction survient, le système peut alors être contraint d’ignorer certaines informations, d’interrompre son traitement ou de produire une réponse potentiellement erronée.

« En pratique, nettoyer ou corriger l'intégralité d'une base de données est souvent irréalisable en raison du coût extrêmement élevé. Notre approche permet de raisonner de manière robuste en présence d'incohérences, sans devoir éliminer au préalable toutes les données contradictoires », explique Badran Raddaoui.

L'innovation : allier IA symbolique, mesure d’incohérence et explicabilité

L'avancée portée par les chercheurs de Télécom SudParis repose sur le développement d'une nouvelle famille de mesures d'incohérence des tuples (tuple inconsistency measures).

À l’interface de l'IA symbolique, de la logique formelle et de la théorie de la causalité, l'équipe a mis au point  une mesure d’incohérence fondée sur la provenance (Provenance-based Inconsistency Measure). Cette méthode évalue la contribution exacte de chaque donnée individuelle aux violations de contraintes :

1. Quantification précise des conflits : Elle quantifie le degré de responsabilité d’une donnée dans les incohérences ainsi que sa fréquence d’implication dans celles-ci.
2. Extension aux réponses aux requêtes (ICQA) : Elle propage la mesure d’incohérence jusqu'au résultat final fourni à l'utilisateur.
3. Explicabilité augmentée : Le système est capable de certifier une réponse ou d'expliquer précisément dans quelle mesure celle-ci est affectée par une contradiction, en identifiant les données sources qui y contribuent.

Des applications concrètes : De la santé à la sécurité aérienne

Soutenus par l'Agence Nationale de la Recherche (projet ANR EXPIDA), ces travaux offrent des perspectives concrètes de transfert technologique :

• Santé et dossier patient : Dans le cadre du croisement d'analyses médicales, d'observations cliniques et d'historiques médicamenteux divergents, la méthode identifie les zones de contradictions et aide les praticiens à prendre des décisions éclairées sur des données imparfaites.
• Sécurité aérienne et gestion des risques : L'analyse de rapports d'incidents issus de sources multiples et parfois contradictoires permet de remonter aux causes racines sans bloquer l'analyse globale de la chaîne d'événements.
• Gouvernance des données et AI Act : L'approche offre une traçabilité décisionnelle indispensable aux exigences de transparence des réglementations européennes sur l'IA (AI Act).

Un ancrage fort dans la formation des ingénieurs

Outre la portée scientifique et industrielle, cette distinction illustre l'excellence de la recherche menée à Télécom SudParis et son impact direct sur la formation. Yurun Gu, co-auteure principale de l'article, prépare sa thèse au sein de notre école, formant ainsi la future génération d'experts en IA robuste.

Avec cette contribution majeure à l'état de l'art mondial en IA explicable et robuste, Télécom SudParis confirme son rôle d'acteur de confiance pour accompagner les entreprises dans la maîtrise et l’exploitation de leurs données complexes.

Références scientifiques & Informations

• Article récompensé : Tuple Inconsistency Measures: Towards Explaining Query Answers, Proceedings of IJCAI 2026.
• Auteurs : Yurun Gu (Télécom SudParis), Badran Raddaoui (Télécom SudParis), Yue Ma (Université Paris-Saclay), Aikaterini Tzompanaki (CY Cergy Paris Université), Nicole Bidoit (Université Paris-Saclay).
• Cadre institutionnel : Laboratoire SAMOVAR, Institut Polytechnique de Paris, Projet ANR EXPIDA.

En savoir plus sur la Recherche et le Transfert Technologique à Télécom SudParis

Vous souhaitez innover avec nos équipes de recherche ?

Que vous soyez responsable de l'innovation, entreprise ou institution, nos enseignants-chercheurs vous accompagnent dans le développement de solutions IA sur-mesure. Contactez la Direction de l'Innovation et des Partenariats Entreprises. olivier.martinot@telecom-sudparis.eu