LaREx est une solution innovante conçue pour détecter les décalages de distribution dans les données d'entrée des modèles d'intelligence artificielle, notamment ceux utilisés en vision par ordinateur. Elle permet d'évaluer la fiabilité des systèmes de classification d'images, de détection d'objets et de segmentation sémantique en identifiant les écarts entre les données d'entraînement et les nouvelles données. Développée par des chercheurs soutenus par des programmes publics français, cette méthode offre une approche légère et efficace pour renforcer la sécurité des applications critiques.

Ce projet de recherche académique étudie comment la quantification des modèles de vision par ordinateur (VLMs) peut améliorer leur fiabilité sans sacrifier leur précision. Il propose une évaluation systématique des compromis entre précision et robustesse dans le cadre de l'ICML 2026, avec des implications pour le déploiement de modèles légers en production.