L'équipe DISCO développe une recherche méthodologique à large spectre dans le domaine du diagnostic et de la gestion de santé des systèmes. Cette équipe dont les compétences scientifiques sont aux frontières de l'automatique et l'intelligence artificielle a pour objet d'étude un raisonnement de type abductif qui est appliqué à une large variété de classes de systèmes (systèmes dynamiques : de nature discrète, continue ou hybride). Le principe fondamental d'un processus de diagnostic est de confronter l'observation incertaine ou non d'un système réel (mesures bruitées, alarmes, messages, tests) à la connaissance disponible de ce système (modèles incertains ou non) en vue d'établir un état de santé. Cette recherche est motivée par le fait que le diagnostic est crucial en vue d'améliorer, entre autres, la sûreté, la résilience et la maintenabilité des systèmes. Les activités de DISCO pour mener cette recherche peuvent se décliner en trois axes.

1. Étude formelle de propriétés relatives au diagnostic (diagnosticabilité, identifiabilité, gestion de l'incertitude ...) dans les systèmes dynamiques exploitant divers formalismes (réseau de Petri temporel, algèbre (max,+), relations de redondance analytique, calcul ensembliste).
2. Développement de méthodes et algorithmes pour l'estimation, la détection d'anomalies, le diagnostic et le pronostic sur les classes de systèmes étudiés exploitant des approches à base de modèles (observateurs, méthodes ensemblistes, analyses structurelles) ou des techniques d'apprentissage automatique (supervisé ou non) pour l'inférence de modèles de diagnostic à base de données (clustering, régression symbolique, réseaux de neurones) et leurs hybridations.
3. Étude d'applications particulières en partenariat notamment avec des industriels (industrie 4.0, aéronautique, agriculture, automobile, spatial) ainsi que la santé.