AI.iO Artificial Intelligence in Orléans: Apprentissage à partir de données hétérogènes et de connaissances expert. Application aux sciences géologiques et environnementales – AI.i0 PhD Fellowship

L'Université d'Orléans dispose d'une activité de recherche importante dans le domaine de l'Intelligence Artificielle avec des travaux à la fois fondamentaux et appliqués. Ces activités sont menées dans trois laboratoires : LIFO (Laboratoire d’Informatique Fondamentale de l’Université d’Orléans), IDP (Institut Denis Poisson), and PRISME (automatique, signal et traitement d'images). D'autre part Orléans Grand Campus regroupe plusieurs instituts de recherche et laboratoires avec un haut niveau d'expertise en environnement, comme par exemple le BRGM, l'INRA, le CNRS. Plus précisément, Orléans (BRGM, INRA, …) est l'un des plus grands centres en Europe hébergeant des bases de données géo-environnementales nationales et internationales.

La politique scientifique de l'université est de développer un pôle de recherches reconnu dans le domaine de l'Environnement et du Numérique. Dans ce contexte, plusieurs initiatives ont déjà été entreprises: (1) la proposition (non acceptée) d'une Ecole Universitaire de Recherche GEODE intégrant l'Université d'Orléans, le BRGM, l'INRA, le CNRS d'une part, les groupes ANTEA et ATOS d'autre part (2) le montage d'une chaire de recherche et enseignement en IA , Ch.A.I.R.E.-O (Chair Artificial Intelligence Research for Environment in Orléans, leader F. Ros)

Ce projet a pour but de renforcer les activités de recherche fondamentale en Intelligence Artificielle avec comme domaines d'application cible l'environnement et le patrimoine. Dans ce genre d'applications il faut souvent prendre en compte une grande quantité de données issues de différentes sources, arrivant à intervalles de temps réguliers ou pouvant survenir à tout moment et de différents endroits. Cela engendre des données hétérogènes (texte, image, signal, capteurs) décrites à différents degrés de granularité. Le temps est un facteur important. Alors que les séries temporelles ont déjà été longuement étudiées, nous envisageons des applications comme l'évaluation d'une catastrophe où les données (tweets, images) peuvent arriver à tout moment. Enfin les experts disposent de nombreuses connaissances qui doivent être intégrées dans le processus d'apprentissage.

Apprendre dans le cas de données hétérogènes à différents degrés de granularité en présence d'événements non réguliers est fondamental dans les applications environnementales mais c'est un problème difficile dans toute sa généralité. Nous avons défini deux axes de recherche fondamentaux dans lesquels s'intègreront les sujets de thèse, guidés par des besoins applicatifs en environnement et en patrimoine.
• Axe 1: Intégration de connaissance
• Axe 2: Explicabilité dans le cas de données hétérogènes
• Axe 3: Applications à des données hétérogènes environnementales.

La première thématique reposera sur les compétences en Apprentissage Profond des laboratoires IDP et PRISME et les compétences du LIFO dans les formalismes déclaratifs pour l'apprentissage et en traitement du langage naturel alors que le second axe sera plus porté par le LIFO, PRISME et le BRGM, pour lequel l'explicabilité est un problème clef pour l'évaluation des risques géologiques et environnementaux.

Ces deux directions de recherche fondamentales seront guidées par des applications réelles, venant d'instituts ou de laboratoires de la région Centre Val de Loire. Des thèses seront plus spécialement dédiées à des applications du BRGM. Nous pouvons citer la fouille de médias pour la gestion de catastrophes naturelles, l'apprentissage profond pour une analyse minéralogique automatique, la prédiction de niveaux d'eau dans les nappes. Il est à noter que cette chance unique de collaborer avec le BRGM permettra aux chercheurs de l'Université d'Orléans d'accéder à des bases de données géologiques et environnementales hétérogènes variées et de collaborer avec des experts en géologie qui peuvent aider à façonner des modèles intégrant leurs connaissances.