Programme de recherche académique (ARP)

Les secteurs créatifs de l'économie s'appuient de plus en plus sur des collaborations et des transferts de technologie avec des instituts de recherche pour élargir leur base de connaissances, saisir les opportunités d'innovation et développer des avantages concurrentiels permettant de pérenniser la croissance. Or il est rare que le potentiel d'innovation des écosystèmes associant universités et industrie soit pleinement exploité. Augmenter l'impact de la recherche universitaire sur l'économie demeure un objectif clé de politique publique en Europe. Il manque en particulier d'autres éléments probants permettant de comprendre le fonctionnement des transferts de technologie entre universités et industrie et d'identifier les leviers à actionner pour que ces transferts aient un maximum d'impact.

Cet axe de recherche nécessite des projets traitant spécifiquement de l'impact de la recherche universitaire sur l'innovation industrielle et sur l'économie. Les universités et les organismes publics de recherche sont des acteurs clés dans les écosystèmes de l'innovation d'aujourd'hui et sont principalement à l'origine d'avancées scientifiques susceptibles de marquer un point de rupture pour l'économie.

L'OEB sollicite donc des propositions de projets de recherche sur les thématiques suivantes :

SA-RA1-TA1: Mesure de l'impact de la recherche scientifique sur l'évolution mondiale des technologies
Les propositions devront définir des méthodes permettant de détecter les technologies émergentes issues de la recherche fondamentale, de suivre leur diffusion et d'évaluer leur impact sur l'orientation et la rapidité des évolutions technologiques dans l'économie mondiale.

SA-RA1-TA2: Création de valeur grâce à des transferts de technologie de l'université vers l'industrie en Europe
Les propositions devront définir des méthodes et des données permettant de suivre les modes existants de collaboration et de transfert de technologie, depuis les laboratoires universitaires vers le marché, d'identifier les écosystèmes d'innovation dans les universités européennes et de comparer l'impact de la recherche sur la performance économique des écosystèmes locaux et sur l'économie au sens plus large.

SA-RA1-TA3: Recours renforcé aux brevets pour les transferts de technologie de l'université vers l'industrie
Les propositions devront évaluer le rôle joué par le système de brevet et par les acteurs et institutions concernés (ex. : inventeurs universitaires, offices de transfert technologique et autres intermédiaires, cadres réglementaires) et recenser les meilleures pratiques et les conditions générales pour encourager la commercialisation des inventions universitaires.

Afin d'élargir l'accès aux connaissances en matière de brevets en associant innovation et apprentissage, le programme de recherche académique de l'OEB financera la recherche sur l'application de l'intelligence artificielle et de technologies numériques à la formation et l'enseignement de la PI. Trois lignes de recherche liées les unes aux autres et concernant les méthodologies, les modes de communication et les formats apporteront des connaissances sur la formation et l'enseignement de la PI à l'avenir. Elles détermineront les programmes d'enseignement de l'OEB tout en contribuant à la formation et à l'enseignement de la PI dans le monde et, plus globalement, aux techniques d'apprentissage d'aujourd'hui.

L'OEB sollicite des propositions de projets de recherche sur les thématiques suivantes :

SB-RA2-TA1: Impact et utilisation de la réalité augmentée et de la ludification
 Ce domaine thématique concerne l'impact et l'utilisation de l'intelligence artificielle et de technologies numériques pour développer de nouvelles méthodologies et de nouveaux cadres d'enseignement, à savoir la réalité augmentée et la ludification. S'agissant de réalité augmentée, les simulations et la superposition d'objets imitant le monde réel et améliorant la perception de la réalité stimulent l'apprentissage immersif. S'agissant de la ludification, l'intelligence artificielle utilisée dans le cadre de la PI peut aider à la configuration psychologique et pédagogique des simulations, des scénarios et des jeux de rôle : elle peut se matérialiser concrètement par de nouvelles connaissances sur la création d'environnements d'apprentissage virtuels basés sur des défis et par la génération automatique d'intrigues et de scénarios.

SB-RA2-TA2: Impact et utilisation de différents canaux : image, vidéo et audio
 Ce domaine thématique porte essentiellement sur l'impact des canaux disponibles utilisant l'image, la vidéo et le son pour la formation et l'enseignement. L'essor des contenus vidéo que l'on connaît depuis 15 ans s'accompagne aujourd'hui d'une progression équivalente des contenus audio, notamment sous la forme de podcasts et de livres audio. À l'avenir, la recherche sur l'utilisation des contenus audio pour la formation et l'enseignement et les proportions dans lesquelles ces contenus contribuent, sont complémentaires ou supérieurs aux contenus vidéo, pourraient déterminer la forme des ressources pédagogiques.

SB-RA2-TA3: Pertinence de systèmes intelligents de tutorat pour l'enseignement de la PI
 Ce troisième domaine concerne les systèmes intelligents de tutorat et leur pertinence pour la formation et l'enseignement de la PI. Les propositions de recherche devront fournir des preuves et proposer des projets sur l'utilisation de techniques d'intelligence artificielle pour simuler un tutorat humain personnalisé, dispenser des cours les mieux adaptés aux besoins cognitifs des apprenants et donner des retours ciblés et rapides, le tout sans qu'un enseignant soit obligé d'être présent. Le recours à l'apprentissage automatique prédictif pour le développement d'un apprentissage personnalisé et adaptatif, l'intérêt de pouvoir modifier les objectifs et les résultats d'apprentissage ainsi que l'explosion de l'intelligence artificielle émotionnelle pour établir les contenus pédagogiques sur la PI, sont des sous-domaines de recherche connexes qui permettront aux systèmes intelligents de tutorat d'accélérer et d'améliorer la qualité de l'apprentissage de la PI.

Les brevets représentent un défi fascinant pour les chercheurs travaillant dans les domaines du traitement du langage naturel et de la vision par ordinateur. Maîtriser la complexité qui caractérise les figures relatives aux brevets, tant au niveau du langage que de leur création, constitue un tour de force aussi bien pour l'esprit humain le plus acéré que pour les machines les plus perfectionnées, à savoir les algorithmes d'intelligence artificielle de pointe tels que les transformeurs complexes ou les réseaux convolutifs profonds. Ce domaine de recherche vise à répondre à deux objectifs :

• mettre en avant le rôle des brevets en tant que source de données prolifique dans le domaine de l'intelligence artificielle et de l'apprentissage automatique ; et
• encourager les initiatives de recherche universitaire en lien avec les brevets qui sont susceptibles de contribuer directement aux projets et programmes de l'OEB.

SB-RA3-TA1: Résumés de brevets basés sur l'intelligence artificielle pour l'entraînement et l'inférence de modèles
Les brevets ont une longueur variable et utilisent un langage complexe, répétant souvent des passages et des informations contextuelles qui ne contribuent pas à l'invention en elle-même. L'identification des informations pertinentes dans cette partie non structurée peut constituer un point de départ précieux pour les applications en aval. Ce projet de recherche doit permettre de déterminer si la création automatique de résumés de brevets au moyen de l'apprentissage automatique peut améliorer les performances des modèles en aval, tels que la classification automatique et/ou la recherche automatisée de brevets.

SB-RA3-TA2: Génération de données synthétiques pour résoudre les problèmes liés à un manque de ressources
La complexité de la tâche de classification des brevets tient au fait que la CPC comprend actuellement 270 000 symboles et que, pour beaucoup d'entre eux, les données disponibles sont très limitées. Ce projet de recherche doit permettre de déterminer la manière optimale d'augmenter la quantité de données dans de tels scénarios pour les outils de classification reposant sur l'intelligence artificielle, afin de compenser les déséquilibres des ensembles de données et, ainsi, de rendre la classification plus performante pour un modèle de référence donné. La génération de données plus nombreuses ou de données synthétiques doit être rendue possible par l'entraînement des transformeurs de pointe afin de produire, pour les classes concernées, du texte de brevet synthétique suffisamment spécifique pour générer des signaux, sans que cela estompe pour autant les frontières avec les autres classes.

SB-RA3-TA3: Exploitation multimodale d'informations
Une part importante du contenu des brevets prend la forme de représentations graphiques (figures relatives aux brevets). Ce projet de recherche doit permettre de déterminer dans quelle mesure il est possible de combiner ces figures et le texte correspondant pour entraîner des algorithmes de recherche d'image, afin que ceux-ci identifient les images liées conceptuellement à partir d'informations contenues dans les pixels et de données linguistiques.

Le programme de recherche académique de l'OEB apporte un soutien financier à des projets rigoureux de recherche en collaboration. Un budget total de
300 000 EUR pour chaque axe de recherche est prévu pour financer les projets de recherche menés pendant au minimum deux ans et au maximum trois ans. Les projets sélectionnés seront dotés d'un montant allant jusqu'à 150 000 EUR. La priorité sera donnée à des projets ambitieux visant des résultats pertinents en termes de politique publique, avec des méthodologies que l'OEB pourra mettre en œuvre dans d'autres études.

Pendant la recherche, les départements de l'OEB participants partageront leurs compétences et connaissances spécialisées avec les équipes de recherche.

Les rapports finaux de recherche comprendront des éléments qui pourront figurer dans des publications universitaires de haut niveau revues par des spécialistes du domaine. Ces rapports seront également utilisés pour des études et publications ultérieures de l'OEB.