Le projet FIDD répond aux défis contemporains de la fouille de données et de l'IA. Avec l'explosion de la génération de données dans divers domaines, la demande croissante d'approches interactives centrées sur l'utilisateur devient impérative. Les méthodes traditionnelles présentent des limites pour suivre l'évolution des besoins des utilisateurs et l'adaptation aux environnements dynamiques. Elles utilisent généralement trois approches pour gérer les contraintes des utilisateurs : le prétraitement, l'intégration des filtrages et le post-traitement. La programmation par contraintes (CP) est une solution déclarative qui peut s'avérer complexe à mettre en œuvre et exige des compétences d'analyste. De plus, la modélisation manuelle des contraintes est un défi ardu. Une réponse à ce défi émerge dans le domaine en pleine expansion de l'Acquisition de Contraintes (AC), qui se concentre sur l'acquisition directe des contraintes à partir des données. La fouille interactive révolutionne les méthodes traditionnelles en introduisant une approche itérative composée de l'extraction de motifs, de l'interaction avec les utilisateurs pour façonner le processus et de l'apprentissage des préférences des utilisateurs pour guider la recherche. Cependant, les méthodes actuelles comportent des limitations, notamment l'utilisation de descripteurs indépendants et les défis posés par l'hétérogénéité et la nature dynamique des données. Ainsi, une approche itérative et déclarative est indispensable pour relever ces défis. En réponse, FIDD intègre des techniques avancées de fouille de données basée sur les contraintes, d'acquisition de contraintes, d'apprentissage automatique et de fouille interactive des données, visant à fournir un cadre complet et unifié capable de s'adapter aux besoins évolutifs des utilisateurs, d'extraire efficacement des motifs à partir des données et d'améliorer continuellement ses performances grâce aux retours des utilisateurs et à la révision déclarative du modèle.