Intelligence Artificielle en Santé et Environnement – AXIAUM

Le projet AXIAUM vise à faire émerger des sujets de recherche interdisciplinaires innovants sur la santé et l’environnement en appui sur l’intelligence artificielle (IA) avec pour objectif de favoriser l’émergence de nouvelles méthodologies et résultats de recherche. L’ambition du programme de contrats doctoraux proposé par le consortium entre l’Université de Montpellier et l’IMT Mines Alès est de tisser des liens forts entre les nouvelles recherches sur l’IA avec les dispositifs de recherche existants, la stratégie du consortium en terme d’IA, notamment la structuration de l’ISDM, Institut de Science des Données de Montpellier.

Le projet s’inscrit pleinement dans la certification de l’I-SITE obtenu en 2017 pour son projet Montpellier Université d'Excellence (MUSE) qui adresse trois défis sociétaux majeurs : NOURRIR, PROTEGER et SOIGNER.

Les thèmes du projet AXIAUM couvrent 4 principaux domaines:
• Santé;
• Environnement;
• Fondements de l’Intelligence Artificielle: alignement d’ontologies, contraintes
• Sciences sociales.

La sélection des sujets et des candidats aux contrats doctoraux s’appuiera sur un processus de sélection en deux étapes reposant sur le respect rigoureux de critères d’éligibilité : excellence, interdisciplinarité, intersectorialité, internationalisation, éthique et cohérence avec la stratégie en IA définie par le consortium.


Les travaux de recherche sur la santé porteront en particulier sur le cancer et le VIH. Des méthodes d'apprentissage en profondeur seront étudiées et étendues afin de traiter les images IRM. Plus généralement, des approches mathématiques et un apprentissage machine / statistique seront développés (plasticité métabolique et hétérogénéité dans les mélanomes, réseaux statistiques dynamiques pour cellules cancéreuses, utilisation de la génomique et de l'immunogénétique,…). Les liens entre sciences numériques et mouvement seront également étudiés pour mieux comprendre l'éthologie du mouvement humain, considéré comme le niveau d'intégration des phénomènes biologiques et cognitifs, au cours de notre échange d'informations avec l'environnement. Les défis scientifiques incluent le développement et la validation clinique de méthodes de collecte de «données de mouvement» (réadaptation post-AVC, évaluation de la conscience des patients non répondeurs suite à une lésion cérébrale grave par exemple).

L’apprentissage automatique et le deep learning seront également étudiés et de nouvelles méthodes seront construites en interdisciplinarité pour des défis environnementaux tels que la surveillance de la biodiversité marine et côtière et les risques d’inondation. Les travaux reposeront sur des données massives hétérogènes, par exemple à haute résolution (images satellites) et la conception de méthodes de deep learning innovantes.
Les thèmes de recherche peuvent porter sur plusieurs thèmes, tels que l'identification des déterminants du transport de l'eau dans les plantes par la reconnaissance des modèles, la reconnaissance automatique et à haut débit des organes de la plante (développement des racines), la détermination du réseau d'interactions entre les plantes et les pollinisateurs en identifiant le pollen grains transportés par les insectes capturés, etc.

Dans le cadre des sciences sociales, nous proposons d'essayer de comprendre comment l'intelligence artificielle aura pour effet de bouleverser la conception traditionnelle du créateur et de vérifier si l'existence d'un créateur (personne physique) est une condition d'application du loi sur la propriété intellectuelle.
D’autre part, les marchés en ligne évoluent avec l'intelligence artificielle. Notre objectif est de comprendre les problèmes juridiques liés à l'analyse des données dans ce fonctionnement, ainsi que les techniques utilisées pour modéliser les relations contractuelles entre tous les acteurs.