Projets financés

Ce projet a pour objectif d'exploiter des données externes pour représenter, analyser, comprendre et identifier les causes des anomalies observées dans les réseaux d'eau. L'idée est de rompre avec les approches traditionnelles d'analyse des problèmes basées sur une seule source et de tirer parti de

Au cours de la décennie écoulée, l'apprentissage profond a largement transformé le traitement des signaux audio, résolvant des tâches comme le rehaussement de la parole enregistrée dans des environnements avec un bruit modéré et peu de réverbération. Cependant, l'application de ces techniques dans d

La prolifération des données de mobilité humaine horodatées et géolocalisées provenant de plusieurs sources offre un immense potentiel pour des applications en planification des transports, analyse du comportement des voyageurs, surveillance des maladies et gestion urbaine intelligente. Cependant, l

Le transport maritime représente 2,9 % des émissions mondiales de CO2, avec une augmentation potentielle de 44 % d'ici 2050. Pour y remédier, des solutions de propulsion assistée par le vent, telles que les voiles rotatives de Norsepower et les voiles gonflables de Michelin, sont explorées. Cependan

Les algorithmes à estimation de la distribution (AED) sont des heuristiques d’optimisation à usage général qui font évoluer de manière itérative un modèle probabiliste du domaine de recherche. Peu après leur création il y a plus de 20 ans, les AED utilisés dans la pratique ont capturé des dépendance

Les modèles d'intelligence artificielle générative (IAG) sont coûteux, leur entraînement et leur inférence nécessitent énormément d’énergie. Les modèles IAG étant de plus en plus adoptés pour résoudre des problèmes dans l'industrie, des changements importants dans la manière dont nous entraînons et

Les modèles d'apprentissage machine supposent généralement que les données d'entraînement et de test sont distribuées de manière identique. Cependant, cette hypothèse s'effondre souvent dans les applications réelles en raison des changements dans les distributions de données au fil du temps et des c

L’évaluation objective des interactions adulte-enfant reste une tâche complexe mais essentielle, notamment pour les pédopsychiatres chargés du suivi du développement neurodéveloppemental. Cela est particulièrement crucial dans le cas des enfants atteints de troubles du spectre autistique (TSA), pour

La manipulation robotique dans des environnements non structurés est un objectif à long terme, avec un potentiel d'impacts sociétaux et économiques significatifs, notamment dans la fabrication et les soins de santé. Cependant, les approches actuelles souffrent de limitations importantes en matière d

Les affirmations scientifiques et les discussions informelles sur des questions liées à la science en ligne ont considérablement augmenté, devenant souvent des outils de récits manipulatoires et de désinformation. Des émotions comme la peur et la fierté jouent un rôle clé dans la diffusion de ces af

La détection rapide des maladies émergentes est essentielle pour prévenir les épidémies à grande échelle, minimiser l'impact sur la santé publique et évaluer l'efficacité des interventions. Ce programme de recherche introduit un cadre mathématique innovant qui intègre des technologies de pointe en

Les claudines (CLDNs) sont des protéines de surface cellulaire essentielles au maintien de la polarité cellulaire et de l'intégrité des barrières. Des études sur des échantillons de patients et des modèles précliniques montrent que les CLDNs sont surexprimées dans les tumeurs solides, jouant un rôle

Le développement de méthodes d'apprentissage adaptées aux systèmes à données limitées est une préoccupation centrale de l'intelligence artificielle (IA) pour la santé, qui souffre généralement de données éparses. Une approche prometteuse consiste à tirer parti de systèmes connexes riches en données

Les modèles génératifs sont des modèles d'apprentissage automatique capables d'apprendre et de reproduire la structure sous-jacente des données. Ces modèles sont maintenant si puissants, qu´ils peuvent générer des données synthétiques, indistinguables de données réelles. Cela ouvre la voie à un accè

L'apprentissage automatique a révolutionné des domaines tels que la vision par ordinateur et le traitement du langage naturel. Cependant, le déploiement de modèles d'apprentissage automatique dans des secteurs critiques pour la sécurité exige des garanties en termes de fiabilité, de robustesse et d'

Le projet "Articulateur universel de la parole" vise à reconstruire la dynamique tridimensionnelle du conduit vocal pour toutes les langues et tous les locuteurs. Il s'inscrit dans le domaine de la synthèse articulatoire, modélisant et simulant le processus physique de la production de la parole hum

Former les jeunes à la programmation est essentiel pour relever les défis du 21e siècle. Ce projet vise à créer un assistant IA pour soutenir l'apprentissage de la programmation, notamment pour la programmation compétitive. En utilisant l'apprentissage par renforcement, l'assistant proposera des ind

L’IA est présente dans notre vie et le milieu académique se doit d’étudier l’impact individuel et sociétal des algorithmes décisionnels se basant sur l’IA. Alors que l’IA générative est aujourd’hui utilisée pour générer des textes et des programmes, son intérêt reste à prouver pour la recommandation

Ce projet vise à développer des modèles de fondation pour les tableaux, en apportant aux tableaux les avancées observées pour le langage naturel : des modèles pré-entraînés qui intègrent de nombreuses informations de base et facilitent de nombreuses tâches tabulaires. Les modèles de fondation son

Les journalistes doivent souvent analyser des quantités massives de données numériques, par exemple, des dizaines de milliers de fichiers (textes, feuilles de calcul, etc.), pour comprendre ce que contiennent les données et en tirer des enseignements (comme pour les Paradise Papers). Actuellement

Au cœur des études scientifiques expérimentales se trouve la question de la vérification d'une hypothèse : un nouveau traitement médical est-il meilleur qu'un placebo ? Un nouvel algorithme est-il plus efficace que l'état de l'art ? En raison des fluctuations aléatoires, il est nécessaire de répéte

Le projet se concentre sur l'avancement de l'optimisation stochastique à deux niveaux, un domaine spécialisé en optimisation avec des applications significatives en apprentissage automatique. Les algorithmes actuels reposent souvent sur des techniques d'optimisation lisses, qui sont limitées par des

Le projet SWiNGs vise à exploiter le potentiel de l'apprentissage automatique génératif pour accélérer une tâche fondamentale du calcul scientifique : l'échantillonnage. L'échantillonnage à partir d'une mesure cible est essentiel pour approcher des intégrales de haute dimension et joue un rôle cruci

De nombreuses tâches de sciences des données font appel à des modèles non linéaires et/ou sur-paramétrés, et sont ainsi naturellement formulées comme des problèmes d'optimisation non convexe. Si cette classe de problèmes est connue pour être particulièrement difficile à résoudre, il s'avère que les

Le projet GRAIL vise à étudier et à développer de nouveaux modèles d'IA génératifs argumentatifs applicables à divers domaines. Notre objectif est de créer une nouvelle génération de systèmes d'IA qui apprennent à raisonner comme les humains en utilisant le raisonnement argumentatif, contrairement a

La majorité des personnes sourdes rencontrent des difficultés en lecture et en écriture, ce qui limite leur accès à de nombreuses technologies numériques, telles que la recherche de contenu, la traduction automatique, les assistants vocaux et les chatbots. Pour remédier à cette problématique, le pro

Le projet ERARE vise à développer de nouvelles approches pour générer des explications robustes dans des environnements contraints (par exemple, l'IA frugale, les contextes avec un accès limité aux ressources ou les contextes où les données sont limitées ou défectueuses avec incomplétude ou imprécis

L'accès accru à de grands ensembles de données pose plusieurs défis pour l'apprentissage automatique, avec notamment deux problèmes majeurs : la haute dimensionalité des données et la difficulté d'obtenir des données étiquetées de haute qualité. Ce projet vise à développer des méthodes d'apprenti

En apprentissage statistique, la notion de risque est influencée par divers facteurs, tels que la variabilité des données, l'instabilité des algorithmes, les contraintes d'équité et de confidentialité, ainsi que les changements imprévisibles de l'environnement. L'Optimisation Robuste aux Distributio

Le projet MusAIc (Analyse musicale contrôlable et interprétable par des modèles hybrides) vise à concevoir de nouveaux outils d’intelligence artificielle pour l’analyse audio musicale qui soient à la fois performants, mais aussi contrôlables et interprétables. Les approches traditionnelles dites str

À mesure que les systèmes d'IA sont de plus en plus déployés dans des applications du monde réel, le besoin de méthodes d'interprétabilité robustes devient plus urgent. Garantir l’équité, la transparence et l'utilisation responsable des IA dépend de l'application de méthodes d’interprétabilité effic

L'apprentissage fédéré (FL) permet un apprentissage respectueux de la vie privée, où un serveur central met à jour un modèle global en utilisant les paramètres des clients sans accéder à leurs données. Cependant, le FL fait face à des défis tels que les goulets d'étranglement en communication, les l

L'apprentissage automatique a atteint notre vie quotidienne et presque tous les aspects de la société, mais les techniques actuelles n'offrent pas de garanties de correction. En revanche, les compteurs de modèles peuvent prouver qu'ils ont trouvé des solutions pour des instances comportant des milli

Ce projet vise à développer des méthodes statistiquement certifiées pour la sélection des ensembles d'incertitude dans les processus de décisions Markoviens robustes (RMDPs), utilisés pour la prise de décision séquentielle dans des environnements incertains. Les RMDPs considérent que les paramètres

Des initiatives d'intelligence artificielle comme le web sémantique facilitent le lien entre des données lisibles par machine de différentes sources et l'exploitation des représentations des connaissances (RC), tels que les ontologies et les graphes de connaissances, pour soutenir des tâches de rais

La proposition ANR LIGHTNING a pour objectif d'apporter un changement de paradigme dans l'apprentissage automatique basé sur la géométrie. Malgré toute l'activité sur ce domaine, il y a encore des limitations fondamentales vis à vis des outils de base utilisés dans les approches actuelles. Notre idé

L'apprentissage automatique a connu ces dernières années un véritable essor, rencontrant sur son chemin de nombreux succès pratiques dans des domaines divers (image, traitement du langage, sciences appliquées). Au coeur de ses succès, une architecture de prédiction en réseau de neurones et un algori

Dans ce projet, nous nous intéressons à des problèmes de planification et d’ordonnancement des activités de satellites d’observation de la Terre. Plus spécifiquement, nous considérons une constellation du ‘’newspace’’ où les satellites utilisés sont généralement des petites plateformes de type nanos

La détection de changements (CPD) est un problème essentiel en statistique et en apprentissage automatique, qui vise à identifier des variations brusques dans les propriétés des données au cours du temps. Ces changements indiquent des transitions dans la distribution sous-jacente ou la dynamique d’u

Le projet Terminus se concentre sur le développement de modèles de fondation de domaine (DFMs) pour la classification des séries temporelles (TSC), en exploitant des techniques d'apprentissage profond afin de construire des modèles spécialisés et adaptés à des domaines spécifiques. Ces DFMs sont con

Dans un monde toujours plus interconnecté, l’interrogation de graphes de connaissances fédérés pose des défis majeurs, en particulier lorsqu'il s'agit de données protégées. SaFE-KG vise à résoudre ces défis en développant une fédération sécurisée de graphes de connaissances, permettant aux organisa

L'objectif du projet EQUATION est de proposer des approches interprétables et robustes pour générer des réponses à partir de questions sur des documents complexes multimodaux. Nous travaillerons sur des systèmes capables de traiter conjointement du texte et des images, en particulier en travaillant

Les aspects sociaux des êtres humains sont à l’origine de leurs remarquables capacités cognitives. L’évolution culturelle est considérée avoir pris le relais de l’évolution biologique dans leur développement. Cependant, les travaux d’intelligence artificielle, à l’exception de dialogues en tête-à-tê

Les compromis deviennent de plus en plus importants pour l'apprentissage automatique (ML) qui doit confronter les défis associés à la conception de systèmes précis, équitables et robustes tout en exploitant plusieurs sources d'informations. En général, ces compromis sont gérés en agrégeant tous les

Dans une société axée sur les données, où la prise de décision dépend d'une analyse avancée des données, les informations pertinentes sont souvent dispersées dans de multiples sources. Cela pose le défi de fournir une vue intégrée de plusieurs sources de données afin de permettre à une partie prenan

À mesure que les systèmes d'intelligence artificielle (IA) s'intègrent de plus en plus dans des domaines sensibles, le besoin de transparence, de fiabilité et d'explicabilité devient primordial. Ce projet vise à renforcer la confiance dans l'IA en exploitant des techniques de compilation de connaiss

Le projet FORM-XAI répond à la nécessité croissante d'interprétabilité dans le domaine de l'intelligence artificielle (IA), particulièrement dans les secteurs critiques comme la santé, la finance et le transport. Les modèles complexes, tels que les réseaux de neurones profonds, bien qu'efficaces, so

Le projet MAPLE vise à aborder l'une des questions les plus pressantes de l'apprentissage automatique moderne : comment les réseaux de neurones apprennent-ils des caractéristiques à partir des données et comment cela impacte-t-il leurs capacités de généralisation ? Malgré leur succès généralisé, les

Les opérateurs neuronaux ont récemment rencontré un grand succès pour modéliser des systèmes dynamiques complexes tels que ceux régis par des équations aux dérivées partielles (EDPs). Leur avantage par rapport aux réseaux de neurones traditionnels réside dans leur capacité à modéliser des applicatio

Avec le lancement de ChatGPT fin 2022, les grands modèles de langage (LLMs) ont attiré l'attention du grand public. Ces modèles simplifient remarquablement les recherches web en synthétisant automatiquement les informations pertinentes. Cela est vrai en particulier pour les questions statistiques, t

Le projet GEvoK vise à automatiser la description des évolutions des territoires afin d’aider les gestionnaires de l’aménagement dans leur prise de décisions. L’objectif est de produire des graphes de connaissances spatio-temporelles (ST-KGs) standardisés, interopérables et conformes aux principes F

L’apprentissage automatique repose généralement sur la collecte et la centralisation de données utilisateurs sur une machine unique (ou un cluster de machines) afin d'entraîner un modèle. Cependant, cette approche ne peux pas être mise en oeuvre pour des applications où les données sont trop sensibl