ADAGOS a développé une nouvelle approche neuronale basée sur la parcimonie. Elle permet de réduire de plusieurs ordres de grandeurs les ressources (y compris énergétiques) nécessaires pour mettre en œuvre ces méthodes d’apprentissage automatique. Les deux applications majeures de cette technologie sont :
• La construction et l’exploitation de jumeaux numériques ; la parcimonie est à l'origine de la construction de modèles dynamiques prédictifs, à partir de mesures et/ou de résultats de simulation,
• Les objets connectés (IoT) et les systèmes embarqués ; la parcimonie permet de réduire les traitements numériques embarqués, de limiter le transfert de données, de réduire les coûts des équipements intégrés et d’augmenter leur autonomie s’ils sont équipés de batterie.
En s’appuyant sur sa technologie innovante, ADAGOS conçoit et réalise, en collaboration avec ses clients, des outils métiers ou des modèles spécifiques pour des applications extrêmement variées (industrie, défense, transport, énergie, santé…).

To address the challenges in the implementation of machine learning, ADAGOS has developed NeurEco. A new neural network approach based on parsimony. NeurEco reduces the resources (size of learning data, energy consumption, size of neural network and memory requirement, computing time, development time) required to implement machine learning methods by several orders of magnitude when compared with the current state of the art. Their first significant fields of application are embedded systems and the Internet of Things. By achieving the smallest sufficient network structure, they minimize the network’s battery consumption and make it possible to embed AI on small devices and to increase their autonomy. Thanks to its parsimony, NeurEco requires less data for learning. It is even possible to embed the learning process and to update the neural network on the fly, avoiding the need for waiting weeks and months to collect enough data.
Their second major field of application is healthcare. Thanks to parsimony, any prediction given by ADAGOS’s neural networks comes with a clear explanation.