Projets / Collaborations / Actions

Produire des connaissances nouvelles en matière de justice juvénile et de santé mentale Le projet ERA vise à combler deux lacunes majeures dans les politiques publiques en faveur de la jeunesse au Sénégal : la justice juvénile et la santé mentale des jeunes. Toutes ces recherches sur la justice juvénile et la santé mentale des jeunes seront réalisées par une équipe pluridisciplinaire, composée de chercheurs (CNRS, IRD, ISED), de praticiens du droit et de la santé, d’une organisation de la société civile, l’Association Pour le Sourire d’un Enfant (APSE) et des acteurs du Ministère de la Justice du Sénégal.

BElief change FOR better MUlti-Source Information Analysis Considérons un cadre où l’on reçoit un flot continu d’informations potentiellement contradictoires à partir d’un ensemble de sources de fiabilité initialement inconnue. A partir de ces informations, il est nécessaire à tout moment i) de se former une opinion ii) d’évaluer la fiabilité des différentes sources. Le but de ce projet est d’étudier ces deux tâches, et de les réaliser conjointement, afin d’obtenir la meilleure évaluation possible.

EXPlainable artificial intelligence: a KnowlEdge CompilaTion FoundATION Le projet EXPEKCTATION concerne le développement d’approches pour un apprentissage automatique interprétable et robuste, en utilisant la compilation de connaissances : nous recherchons des techniques de prétraitement capables d’associer à un prédicteur boîte noire une boîte blanche, pouvant être utilisée pour fournir diverses formes d’explication et répondre à des requêtes de vérification sur la boîte noire. Nous prévoyons de nous concentrer sur le problème de l’interprétabilité post-hoc : on examinera des modèles d’apprentissage qui ne sont pas interprétables intrinsèquement et on analysera les modèles une fois appris.

Event-centric Reasoning for Interpreting everydAy NArratives Donner un sens aux récits du quotidien est une tâche très difficile, qui nécessite une compréhension approfondie de la langue et une connaissance vaste du monde. Alors qu’un “lecteur humain” peut s’appuyer sur un raisonnement de haut niveau pour tirer des conclusions, les modèles actuels manquent largement de cette capacité. La majorité des approches existantes de la compréhension du langage, en particulier celles qui reposent sur des modèles neuronaux de bout en bout, se concentrent principalement sur l’exécution de formes de raisonnement de bas niveau (au niveau de la phrase) pour accomplir des tâches.

Une plate-forme basée sur l'argumentation pour la démocratie participative La démocratie participative est une forme de gouvernement qui permet à chacun de participer à l’élaboration des lois. Elle présente de nombreux avantages puisqu’elle renforce l’intégration des citoyens dans le débat politique. Plusieurs plateformes en ligne existent ; la plupart d’entre elles proposent de représenter un débat sous la forme d’un graphe, ce qui permet aux humains de mieux appréhender les arguments et leurs relations.

Collecting, Representing, cOmpleting, merging and Querying heterogeneous and UncertaIn waStewater and stormwater network data Les gestionnaires des réseaux d’eau urbains sont de plus en plus confrontés à l’analyse de données/informations hétérogènes massives (données géographiques imprécises et incertaines, cartes numériques/analogiques, etc.). L’analyse intelligente de ces données est un défi auquel il est nécessaire de se confronter pour obtenir des cartes précises des réseaux, faire le suivi de variables environnementales et identifier des zones d’interventions.

EXplainable and parsimonious Preference models to get the most out of Inconsistent DAtabases De nos jours, les données deviennent de plus en plus un bien de grande valeur pour de nombreux domaines du monde réel… En raison de l’hétérogénéité et de l’imprécision des sources de données, les informations recueillies sont souvent incomplètes et incohérentes. Par exemple, les utilisateurs de réseaux sociaux peuvent facilement poster leurs observations sur certains événements, mais malheureusement ces messages sont souvent loin d’être précis ou corrects.

Hyper-lieux, Crises, Migrations et Inégalités Le projet Hyper-lieux, Crises, Migrations et Inégalités (HYCI) propose d’analyser, au regard de deux crises majeures, de l’asile (2015-2016) et de la Covid-19, auxquelles s’ajoute la crise ukrainienne, les interactions entre les migrations internationales et les inégalités qui leurs sont attachées. HYCI s’intéresse à deux registres d’inégalités, inégalités spatiales-inégalités des droits ainsi qu’à leurs effets sur les migrant-e-s et les sociétés d’accueil, transitoire ou durable. Ces crises, passées ou en cours, révèlent la transformation et de la dynamique des parcours migratoires, interrogée dans les hyper-lieux.

Pré-traitement d’informations pour la résolution de tâches complexes / Compilation avancée de connaissances Projet commun aux laboratoires CRIL, GREYC (Caen), IRIT (Toulouse) et LaBRI (Bordeaux) Concevoir des algorithmes assurant des temps de réponse rapides est un problème fondamental en informatique. Son importance est cruciale lorsque ces algorithmes sont utilisés dans des applications nécessitant des interactions fréquentes avec les humains, comme on en trouve souvent dans la vie quotidienne (par exemple, lors de l’utilisation d’applications sur le Web ou via un smartphone).

Cryptanalyse algébrique pour la cryptographie post-quantum Projet en collaboration avec le MIS (porteur du projet) et le LIP6. Parmi les techniques bien établies en cryptanalyse, les attaques algébriques sont des méthodes permettant de décrire le schéma comme un système d’équations polynomiales, et par conséquent de réduire sa sécurité à la difficulté de résoudre le système associé. POSTCRYPTUM vise à concevoir des attaques algébriques efficaces, pour plusieurs classes de cryptosystèmes qui peuvent être modélisés comme un système polynomial binaire.

THeorie et Évidence pour Mesurer l’Influence dans les structures Sociales PRC en collaboration avec le LAMSADE (porteur du projet) et le LIP6. Le projet THEMIS vise à produire une théorie générale ordinale des situations d’interaction coopérative et des indices de pouvoir pour la formulation d’un portefeuille de solutions de classement social appliquées à différents domaines de l’intelligence artificielle, tels que l’aide à la décision, la théorie des jeux, le choix social computationnel et les systèmes multi-agents.

Enhancing B Language Reasoners with SAT and SMT Techniques Les partenaires de ce projet sont INRIA Nancy (porteur), ULiège and Clearsy. Le projet BLaSST vise à établir un pont entre des techniques combinatoires et symboliques en déduction automatique en vue de résoudre des obligations de preuves issues de modèles B. Les travaux concernent des techniques propositionnelles ainsi que des formalismes SMT plus expressifs, en considérant des encodages, optimisations, construction de modèles et suggestion de lemmes.

Réponse Efficace aux Requêtes en cas de Mises à jour La réponse efficace aux requêtes, est l’un des principaux problèmes étudiés en théorie des bases de données. Il s’agit d’un domaine de recherche très fructueux avec une longue histoire et de nombreux nouveaux résultats et directions. On a par exemple des algorithmes efficaces pour l’agrégation, l’énumération des réponses aux requêtes et le calcul de la provenance. Bien qu’en pratique les bases de données soient des objets dynamiques changeant au fil du temps, la recherche théorique sur ce sujet s’est largement concentrée sur les bases de données statiques : lorsque la base de données change, même légèrement, les algorithmes doivent être réexécutés à partir de zéro avant de répondre, perdant ainsi toutes les informations déjà calculées.

Partenaires : UCCS, LML, LEM, CDEP Dans le cadre du projet ANR VIVAH (Contrats doctoraux en intelligence artificielle - établissement), la stratégie du programme de l’Université d’Artois est de promouvoir et de mener des recherches fondamentales sur l’IA explicable ainsi qu’une recherche interdisciplinaire portant sur des questions importantes en sciences sociales, en santé et en Chimie. Cinq contrats doctoraux ont été soutenus par l’ANR, et deux contrats supplémentaires par l’Université d’Artois.

Théorie de l'argumentation et traitement du langage naturel pour la démocratie participative Projet bilatéral avec le professeur Mihai Surdeanu de l’université d’Arizona. Le projet RHAPSSODY propose un cadre de raisonnement automatisé capable d’extraire, de comprendre et de raisonner sur des arguments complexes. Le projet est basé sur la combinaison de la théorie de l’argumentation computationnelle et du traitement du langage naturel. L’objectif est d’identifier les arguments les plus pertinents listés sur les plateformes de débat, d’estimer les degrés d’acceptabilité de ces arguments en utilisant des informations extraites du web et d’estimer la décision à prendre.

Modern Approaches to Knowledge Compilation MAKC is an international research project (IRP) shared between the Automated Reasoning Group of the University of California at Los Angeles (UCLA) and the Centre de Recherche en Informatique de Lens (CRIL UMR 8188 CNRS - Artois University). It has been created in 2020 for five years and is funded by CNRS, the University of California and Artois University. The MAKC IRP is centered on knowledge compilation (KC) for problem solving.

Production de schémas décisionnels pour atteindre l’efficience économique, sociétale et environnementale en matière de management de parcs de bâtiments et des infrastructures associées, en milieux urbains et péri-urbains.

Partenaires : INRIA, Université de Lille, IMT Douai, CNRS, UPHF, ULCO, UPJV Le projet CornelIA du CPER (Contrat de Plan État-région) Hauts-de-France vise à poser les bases d’une IA responsable et durable, avec des réponses scientifiques à ce défi majeur, un travail multidisciplinaire de co-construction et une mise en situation progressive. Il comporte quatres axes : les bases théoriques et scientifiques de l’IA, l’IA embarquée et les enjeux sociétaux, les liens et applications multidisciplinaires, et l’impact socio-économique, la médiation et la création d’un pôle de compétence en IA.

STormwAteR and WastewAteR networkS heterogeneous data AI-driven management Acknowledgment: This project has received funding from the European Union’s Horizon 2020 research and innovation programme under the MSCA (Marie Skłodowska-Curie Actions, Staff Exchanges)-SE (Staff Exchanges) grant agreement No 101086252; Project title: STARWARS (STormwAteR and WastewAteR networkS heterogeneous data AI-driven management). Public and private stakeholders of the wastewater and stormwater sectors are increasingly faced with large quantities and multiple sources of information/data of different nature: databases of factual data, geographical data, various types of images, digital and analogue maps, intervention reports, incomplete and imprecise data (on locations and the geometric features of networks), evolving and conflicting data (from different eras and sources), etc.

Foundations of Trustworthy AI – Integrating Reasoning, Learning and Optimization TAILOR est un projet européen H2020 centré sur l’IA de confiance et lauréat de l’appel ICT-48-2020 ``Towards a vibrant European network of AI excellence centres’’. TAILOR regroupe 55 partenaires (industriels et académiques) à travers l’Europe. L’objectif du projet TAILOR est de développer les bases scientifiques d’une IA digne de confiance en Europe, en construisant un réseau de centres d’excellence en recherche exploitant et combinant l’apprentissage, l’optimisation et le raisonnement.

Partenaires : ULCO, UPJV, CNRS Avec un budget de 11 millions d’euros sur 10 ans, le Projet MAIA a pour objectif d’accompagner et d’approfondir les nouveaux usages qui apparaissent depuis quelques années dans de nombreux champs scientifiques suite à l’essor de l’intelligence artificielle. Le projet vise à étudier, développer et déployer les interactions fortes existant entre l’intelligence artificielle et trois domaines d’applications phares de l’alliance A2U : la santé (UPJV), la chimie (matériaux, énergie ; UPJV/UArtois) et l’environnement/mer (ULCO) ainsi que sur les aspects économiques, sociologiques, éthiques et juridiques.

exPlications INTElligibles État de l’art Le projet proposé, baptisé pinte, concerne le thème « caractérisation et qualification de l’IA de confiance » et plus précisément les « méthodes et la métrologie de l’explicabilité ». Il s’inscrit dans un courant de recherche pour l’IA explicable, qui se développe en France et au niveau international, et dont l’origine repose sur un double constat : à tout prédicteur (en particulier, ceux de type « boîte noire » comme les réseaux de neurones ou les forêts aléatoires) on peut toujours associer un circuit (booléen ou arithmétique), une « boîte blanche » (ou « transparente ») qui a le même comportement que le prédicteur en terme d’entrées-sorties, tout en étant intrinsèquement plus simple, les tâches d’explication (possiblement contrefactuelles) des prédictions réalisées et de vérification du fonctionnement de la « boîte noire » peuvent être réalisées en s’appuyant sur la « boîte blanche » associée.

Contrat de collaboration avec Exakis-Nelite et Aéroport De Paris. Dans le cadre des travaux d’optimisation interne du Groupe Aéroport De Paris, il a été lancé une étude autour de la mise en place d’outils de prédiction et d’optimisation des ressources aéroportuaires, pour répondre à la forte fluctuation du trafic aérien. L’objectif principal de la collaboration est d’accompagner le Groupe ADP, avec le support d’Exakis Nelite, dans la mise en place d’un outil d’aide à la décision permettant de répondre aux exigences de dimensionnement macroscopique des ressources aéroportuaire conformément aux objectifs de performance du groupe.

Advanced Multilateral Argumentation for DEliberation L’ANR AMANDE (Advanced Multilateral Argumentation for DEliberation) a pour objectif de fournir des outils formels pour la conception de systèmes de délibération multi-agents. Le but principal est de définir et d’étudier les propriétés de tels systèmes, afin que leurs concepteurs puissent assurer que les utilisateurs aient la possibilités d’identifier les arguments clés d’un processus de délibération, et de défendre équitablement leur point de vue. Alors que de tels systèmes de délibération par échanges d’arguments en ligne sont déjà disponibles, il n’existe pas de module de raisonnement permettant d’aider les utilisateurs à exploiter ces graphes d’argumentations.

Techniques ASP pour l’interrogation d’informations web hétérogènes multisources à grande échelle. Projet impliquant les laboratoires CRIL, LERIA (Angers), LIRMM (Montpellier) et LSIS (Marseille). L’objectif du projet est de proposer des méthodes formelles pour l’interrogation d’informations hétérogènes multi-sources à grande échelle. Le projet consiste en particulier à proposer des ex- tensions de l’ASP standard pour représenter des sous-langages traitables d’OWL2 et à étudier de nouvelles opérations de fusion d’informations représentées par des programmes logiques en ASP étendu ou par des langages de type OWL2 de fiabilité et de qualité diverses avec ou sans incertitude.

Business Recommendation for Configurable Products. Projet impliquant les laboratoires : CRIL (Lens), IRIT (Toulouse), LIRMM (Montpellier) et les industriels Cameleon Software, IBM et Renault. L’objectif du projet est de proposer aux applications de configuration en ligne des modèles formels et des outils algorithmiques pour la prise en compte des préférences des clients et la mise en œuvre de recommandations sur des domaines structurés et fortement combinatoires. Le projet BR4CP est labellisé par le pôle de compétitivité « Industries du Commerce » (PICOM).

COMputational SOcial Choice Projet interdisciplinaire informatique-économie, impliquant les laboratoires CREME (Caen), CRIL, LAMSADE (Paris IX) et PREG (Polytechnique). 2010-2013. MSOC est une ANR pluri-disciplinaire rassemblant des chercheurs en informatique et en économie, autour de la question du choix social computationel. L’idée est de regarder les problèmes du choix social (en particulier les méthodes de votes) sous l’angle « computationel », c’est-à-dire en se posant des questions de représentation, de complexité algorithmique, etc.

Approches déclaratives pour l’énumération de motifs intéressants. Ce projet a pour objet la fertilisation croisée entre trois domaines de recherche : l’intelligence artificielle, l’algorithmique combinatoire et la fouille de données. Dans ce contexte, un des objectifs est de définir des langages déclaratifs de haut niveau (logiques ou algébriques) pour exprimer et représenter les problèmes d’énumération de motifs intéressants. Ce projet multi-disciplinaire regroupant le CRIL, le LIRIS et le LIMOS a permis l’émergence d’une nouvelle ouverture de recherche au CRIL autour de la fouille de données.

Représentation, élicitation et agrégation de préférences sur des domaines combinatoires : nouvelles méthodes et applications. Projet impliquant les laboratoires CRIL, ILOG (Valbonne), IRIT (Toulouse), LAMSADE (Paris IX), LIP6 (Paris VI) et ONERA-CERT (Toulouse). 2005-2009. Le projet PHAC fut centré sur la représentation et l’exploitation des préférences ; plus spécifiquement, il s’est focalisé vers l’évaluation des langages de représentation de préférences, l’élicitation des préférences, l’agrégation de préférences et le choix social, ainsi que la prise de décision robuste, multi-critère et dans l’incertain.

Probabilistic graphical models and description logics for alarm correlation in intrusion detection. Ce projet se situe dans le cadre de la détection d’intrusion. Il consiste à fournir aux sondes la capacité de décrire les événements observés et être en capacité de raisonner sur les alertes (corrélation), tout en prenant en compte les éléments d’incertitude. En particulier, le projet a étudié de nouveaux modèles formels de la corrélation d’alertes basés sur le formalisme des réseaux bayésiens et des logiques des préférences.

SAT en tant que service Projet impliquant les laboratoires CRIL, CRIStAL (Lille), INRA (Toulouse) et LaBri (Bordeaux, investigateur principal). Le projet SATAS est un projet ambitieux, qui vise à faire avancer l’état de l’art dans la résolution massivement parallèle de SAT, avec un regard particulier sur les applications qui font progresser le domaine. L’objectif final du projet est de pouvoir fournir une interface “pay as you go” aux services de résolution de SAT, avec une attention particulière à la consommation d’énergie.

Polynomialité pour la compréhension et l’extension des limites des solveurs performants. Les partenaires de ce projet sont l’IRIT, le LSIS, le Greyc et le CRIL. Le projet TUPLES est centré sur la résolution effective de problèmes NP-Complets, en particulier relevant de l’intelligence artificielle. L’objectif principal est de repousser de façon significative les limites actuellement observées au niveau de l’efficacité des solveurs de problèmes combinatoires, tout en établissant en même temps un cadre théorique qui semble nécessaire pour atteindre cet objectif.

Méthodes de recherche locales pour l’insatisfaisabilité En partenariat avec les laboratoires MIS (Amiens), LRI (Paris Sud) et LSIS (Marseille), cette ANR a permis de proposer de nouvelles méthodes incomplètes pour l’insatisfaisabilité. De nombreux résultats ont été obtenus au cours de cette ANR : méthodes incomplètes, méthodes hybrides, résolution étendue ou encore certains résultats autour du démonstrateur GLUCOSE.

Objets Connectes Intelligents et Personnalises dans le domaine de la Nutrition (OCIP-Nut) Projet impliquant le CRIL et le LIMICS (INSERM, UMRS 1142). Le but de ce projet est de réaliser des études et des recherches préliminaires dans le but d’identifier les verrous scientifiques et cibler des pistes réalisables et à fortes retombées concernant les objets connectés intelligents dans le domaine de la nutrition. Pour ce faire, il est nécessaire d’explorer plusieurs problématiques.

Collaboration CRIL – RATP La RATP assure l’exploitation d’une partie des transports en commun de Paris et de sa proche banlieue. Dans le cadre de son activité, l’atelier de qualification logicielle (AQL) de la RATP utilise, entre autres techniques, la preuve formelle pour l’évaluation des systèmes de sécurité ferroviaire et notamment leur partie logicielle. La preuve formelle permet d’explorer l’exhaustivité des comportements d’un système et, ainsi, d’améliorer significativement le niveau de confiance dans la sécurité.

Il s’agit d’un contrat d’accompagnement de la thèse CIFRE de Benoît Trouvilliez auprès de la société Onyme. Ce contrat concerne l’utilisation de similarités de données textuelles pour la fouille d’opinions et la recherche de produits. En particulier, Benoît Trouvilliez a développé une chaîne de traitements, incluant divers algorithmes de TALN et d’apprentissage (supervisé et non supervisé) pour l’analyse d’opinions à partir de textes courts. Le contrat se déroula en deux phases : étude de faisabilité de la phase de clustering (2009).

Advanced data science and technologies Partenaires : INRIA, Université de Lille 1, Mines Douai, CNRS Le projet DATA (Advanced data science and technologies) du CPER (Contrat de Plan État-région) Hauts-de-France mène un programme de recherche sur les enjeux de la donnée et des technologies numériques clés associées (cloud computing, big data et calcul intensif) en synergie forte avec le tissu économique régional. Il s’articule autour de trois axes de recherche : internet des objets, intelligence des données et des connaissances, calcul haute-performance et optimisation.

Bandits as an AUTOnomous Machine (BAUTOM) La programmation par contraintes a développé un large éventail de méthodes efficaces et polyvalentes pour résoudre de nombreux problèmes du monde réel à grande échelle, pouvant être exprimés et résolus comme des problèmes de satisfaction de contraintes (CSP). Les domaines qui bénéficient de cette technologie sont le transport, la gestion des réseaux, les télécommunications, la bioinformatique et la finance [1]. Par conséquent, des organisations et des industries du monde entier exploitent déjà la programmation par contrainte pour résoudre des problèmes difficiles de conception et de configuration, de planification et d’ordonnancement, de raisonnement temporel et spatial, etc.

High Dimensional Heterogeneous Data based Animation Techniques for Southeast Asian Intangible Cultural Heritage Digital Content. Projet de type Marie Skłodowska-Curie Actions RISE (Research and Innovation Staff Exchange) dans le cadre de l’appel H2020-MSCA-RISE-2015. Le projet AniAge (High Dimensional Heterogeneous Data based Animation Techniques for Southeast Asian Intangible Cultural Heritage Digital Content) est un projet pluridisciplinaire qui implique des chercheurs en Intelligence Artificielle et des chercheur en animation par ordinateur. Il concerne trois principaux sujets de recherche : i) le développement de nouvelles techniques d’animation numérique, ii) la gestion des données volumineuses et hétérogènes et iii) une application à l’héritage culturel immatériel des pays d’Asie du Sud-Est.

Projet commun avec la société Audace et le learning center de la Halle au Sucre de Dunkerque. Ce projet a été soutenu par Pictanovo. L’objectif global de ce projet était l’installation d’un dispositif innovant de recherche documentaire par immersion via la 3D holographique permettant de pénétrer les différentes couches et facettes du contenu documentaire d’un learning center. Nous avons développé un programme accompagnant la recherche de l’utilisateur et lui suggérant des ressources par interprétation des goûts et préférences de manière disruptive, c’est-à-dire en proposant des possibilités en lien avec les recherches actuelles mais permettant de « visiter » d’autres parties de l’espace documentaire.

sécurité des jeux en ligne Projet émergent région NPdC. L’objectif majeur du projet In Ludo Securitas (I.L.S.) est de fournir une approche automatique permettant de détecter des actes de tricherie dans le jeu en ligne mais également des comportements addictifs. Pour cela, il est absolument nécessaire de créer des outils permettant de modéliser le comportement normal d’un joueur en fonction de son niveau et de sa façon de jouer. Il semble intéressant de combiner ces informations à des données réseaux et à d’autres informations statistiques (comme le jeu des autres joueurs).

Lauréat de l’appel à projet « expériences interactives » en collaboration avec la société lensoise Audace. Le but de cette collaboration est de proposer à l’utilisateur, dans le cadre d’un jeu sérieux basé sur la métrologie, des problèmes qui s’adaptent à lui, en vue d’un comportement non déterministe de l’application, mais également pour que le jeu s’« attaque » aux faiblesses du joueur et le fasse ainsi progresser.

Le projet « Karma » est un projet de collaboration avec la société Netice, société basée à Villeneuve d’Ascq spécialisée dans les e-Porte-folio et l’usage des technolo- gies numériques pour l’emploi et la formation. Il a été amorcé par OSEO via une Prestation Technologique Réseau (PTR) et a vocation à se prolonger. Le but de ce projet est d’offrir aux formateurs et apprenants d’une FOAD (Formation Ouverte À Distance) un outil d’évaluation for- mative.

Le projet Pajero regroupe des partenaires industriels (Horizontal Software, EQUITIME, CAPS) et académiques (CRIL, I3S, PRISM) et a pour objectif de mettre en œuvre une solution de gestion de ressources multiples capable de gérer des problèmes de grande taille en utilisant des techniques innovantes de programmation par contraintes et le parallélisme, en particulier dans le cloud. La responsabilité scientifique du projet incombe au CRIL. Ce projet d’une durée de 4 ans (2011-2015) est financé par OSEO dans le cadre du programme ISI (Innovation Stratégique Industrielle).

Inférence MAP dans les réseaux Bayésiens à intervalles : Approche possibiliste et application à la reconnaissance des formes. Le projet MAPPOS propose une approche originale pour le problème de l’inférence MAP dans les réseaux Bayésiens à intervalles, avec une application en reconnaissance des formes. Les requêtes MAP revêtent une importance particulière puisqu’elles sont à la base de plusieurs applications comme la classification supervisée, le diagnostic, etc. Ce problème est d’autant plus important qu’il n’existe pas d’algorithmes efficaces pour répondre à ces requêtes.

Deep Learning 4 Deep Solving Parmi les grands défis de l’intelligence artificielle figurent les problèmes « Beyond NP » apparaissant dans de nombreuses applications pratiques, telles que la planification, l’ordonnancement, la configuration et la recommandation. Ces problèmes calculatoirement difficiles, peuvent souvent être décomposés en tâches d’inférence plus simples, utilisant des tests de cohérence globale, ou d’optimisation linéaire sous contraintes. L’objectif de ce projet consiste à apprendre ces tâches d’inférence, par des réseaux de neurones profonds, qui offrent des délais de réponse très rapides, au prix d’erreurs possibles de prédiction.

Evolution des politiques de contrôle d’accès et gestion d’actions interférentes PEPS INS2I 2016 Sécurité Informatique et des Systèmes Cyber-physiques impliquant le CRIL et le LORIA CNRS UMR 7503. le contexte général de ce projet est la gestion des politiques de sécurité et leur mise en œuvre. L’observation initiale est que, dans les modèles de contrôles d’accès existants, les politiques de sécurité sont définies en termes d’actions élémentaires indépendantes du système d’information à sécuriser.

Fusionner des sources distribuées pour améliorer questions-réponses. MODERN est une proposition de projet qui croise l’IA symbolique et numérique et qui vise à fournir des méthodes de fusion robustes pour les questions-réponses, capables d’agréger plusieurs sources web ouvertes afin d’obtenir des réponses fiables. En particulier, le projet vise à proposer des méthodes de fusion qui bénéficient des travaux récents sur le raisonnement fondé sur le bon sens et les représentations de l’espace vectoriel des droits comme outils pour traiter les inexactitudes rencontrées lors de l’agrégation de sources d’information.

Compiling Provenance Data (CODA) PEPS JCJC INS2I 2017 impliquant le CRIL et CRIStAL UMR 9189. Dans ce projet, nous nous efforcerons de renforcer les liens existants entre les domaines de bases de données et l’intelligence artificielle, plus spécifiquement entre les problèmes d’évaluation de requêtes et de compilation de connaissance. L’idée principale de ce projet est de remarquer que la structure expliquant l’impact des données présente pour répondre à une requête, appelée provenance, peut être représentée par un modèle très étudié dans la communauté de l’intelligence artificielle, les circuits.

DIStributed COmpilation (DISCO) Le projet DISCO porte sur la compilation distribuée de connaissances. La compilation de connaissances vise à améliorer l’efficacité de la résolution de divers problèmes calculatoirement difficiles en réalisant un pré- traitement d’une partie des informations disponibles et en exploitant ensuite les représentations compilées calculées lors du pré-traitement. L’objectif du projet DISCO est d’étudier comment le parallélisme peut être exploité pour améliorer l’efficacité de la phase de compilation et celle d’utilisation des formes compilées produites.

Argument Patterns in computer supported cOllaborative LearNIng L’apprentissage collaboratif assisté par ordinateur est une approche pédagogique dans laquelle l’apprentissage se fait par interaction sociale à l’aide d’un ordinateur. Des recherches antérieures donnent des raisons de croire que les groupes d’étudiants qui sont plus efficaces que les autres utilisent des typologies d’arguments spécifiques dans leur interaction lors de la résolution de problèmes. Notre projet vise à collecter les données d’interaction et à appliquer les approches existantes de l’informatique qui permettent d’identifier des modèles d’arguments.

fouille de données par contraintes Le projet est réalisé en collaboration avec l’université de Setif.

Non-Classical Reasoning for Enhanced Ontology-based Semantic Technologies Collaboration avec l’université de Cardiff. La tendance actuelle vers des applications intelligentes pour l’exploitation de grands ensembles de données pousse pour une meilleure compréhension des fondements théoriques et pratiques du raisonnement sur les ontologies formelles. Malgré les progrès réalisés au cours des dernières décennies dans le développement des logiques de description, de nombreux aspects importants du raisonnement humain dans ce cadre ont été largement négligés ou partiellement traités.

Reconciling Description Logic and Non-Monotonic Reasoning in the Legal Domain Le présent projet a comme objectif intégrer les logiques de description avec les formalismes pour le raisonnement non-monotone en général et avec les approches par défaut et révisable en particulier de façon à ce que l’on puisse modéliser des situations dynamiques, des exceptions et d’autres aspects du raisonnement, comme le raisonnement légal et l’argumentation. En particulier, nous étudierons les limitations des logiques de description dans ces types de raisonnement, par exemple en présence d’exceptions non-prévues explicitement dans la littérature normative.

Logics for Reasoning about Multi-Agent Environments. Les environnements multi-agents sont habités par divers “agents autonomes”. Ces agents sont capables d’agir de manière autonome, c’est à dire sans intervention externe, pour atteindre leurs objectifs. Bien que l’environnement mono-agent a été étudié depuis longtemps, les études sur les environnements multi-agents sont plutôt récentes. Ce type d’environnements apporte de nouveaux challenges, tels que la prise en compte d’actions non déterministes, la compétition et la coopération entre agents.

Knowledge compilation for constraint programming L’objectif principal de ce projet est d’utiliser les forces complémentaires des deux équipes de recherche pour obtenir de nouveaux résultats dans le domaine de recherche qui se situe à la frontière de la compilation de connaissances, du codage et de la résolution SAT, et de la programmation par contraintes. Dans ce projet, l’accent sera mis sur le format CNF, qui est le principal format d’entrée des solveurs et compilateurs existants.

Etude et développement d’un système spatio-temporel de gestion de secours médicaux d’urgence Une situation d’exception ou une catastrophe est définie comme étant une grave perturbation d’une société, causant des pertes en vies humaines et en biens au point que la société sinistrée ne peut y faire face en recourant à ses seules ressources disponibles. Les catastrophes engendrent un nombre important de victimes de gravité variable. Face à de telles situations, les différents acteurs impliqués sont appelés à mettre en oeuvre, dans les plus brefs délais, les moyens indispensables permettant une prise en charge d’un afflux massif de victimes.

Qualité des Données multi-Sources, un double défi pour les sciences Sociales et les sciences de l’Informatique Ce projet questionne la qualité des données dont les modes d’acquisition sont variés et présentent différentes imperfections. Cette étude s’efforcera de développer des prétraitements, des réparations et des extractions de connaissances afin de mieux les analyser et les valoriser pour la prise de décision. Les données utilisées traitent des migrations internationales. Par la création d’outils efficaces, le projet vise à améliorer la connaissance des chercheurs et des décideurs sur l’implication des réseaux de traite dans les parcours migratoires, les relations entre le droit des migrants et les politiques migratoires, les enjeux sociaux et politiques de la mobilité des mineur(e)s.