TRIZ-guided discovery of interdisciplinary innovation patterns via AI-enabled literature mining

Identification de schémas d’innovation : une nouvelle méthode d’exploration documentaire interdisciplinaire fondée sur TRIZ et alimentée par l’intelligence artificielle Cele thèse développe un cadre d'intelligence artificielle pour la découverte de solutions d'ingénierie interdisciplinaires en combinant TRIZ (Théorie de Résolution Inventive des Problèmes) avec le traitement automatique du langage naturel. Le système intègre trois composants : un classificateur Text-CNN identifiant les articles interdisciplinaires, un graphe thématique cartographiant les connexions interdomaines, et un système de vérification RoBERTa pour les paires problème-solution. Le processus comprend le cadrage des problèmes selon les paramètres TRIZ, la recherche dans d'autres domaines, la projection des solutions sur les principes TRIZ, et la vérification de l'alignement. Plutôt que la similarité lexicale, il recherche des correspondances conceptuelles profondes expliquant pourquoi les solutions inter-domaines fonctionnent. Une étude de cas en imagerie neuromorphique révèle des solutions bio-inspirées pour les défis de latence et de bruit. Le cadre met l'accent sur la transparence par des étapes traçables et des justifications TRIZ. Cette « ingénierie de la découverte » accélère l'innovation interdisciplinaire tout en maintenant rigueur et explicabilité.