Liste des démonstrations présentes
| Équipe de recherche | Titre de la démonstration | Courte description de la démonstration |
|---|---|---|
| FOX | Pas bêtes les pixels | Équipé de son smartphone, l’Homme moderne n’hésite plus à photographier et à filmer son environnement. Ces images, composées de pixels, n’ont pas de sens tant qu’elles n’ont pas été analysées par une intelligence humaine ou artificielle. En utilisant des algorithmes appropriés, des informations peuvent être extraites des pixels de ces images pour permettre de reconnaître des objets, estimer les émotions d’une personne, compter des véhicules… |
| SigMA | Signaux, modèles et applications | Panorama des activités de recherche de l’équipe SigMA (posters et slides), ayant pour dénominateur commun le traitement statistique du signal au sens large. Des exemples de travaux récents seront présentés dans le cadre des applications actuellement étudiées dans l’équipe: sécurité de l’information (stéganographie / stéganalyse), imagerie (problèmes inverses en astronomie et cosmologie, imagerie polarimétrique), processus ponctuels déterminantaux (algorithmes de Monte Carlo en grande dimension et application en physique quantique), approches tensorielles pour l’analyse de signaux multi-dimensionnels |
| MINT | ScenoZones : Technique de locomotion 3D pour créations artistiques immersives | ScenoZones est un projet en réalité étendue de l’équipe MINT qui a pour objectif d’explorer des méthodes de déplacement / locomotion dans des environnements virtuels pour des groupes d’utilisateurs portant des casques de réalité virtuelle, dans un contexte de performances ou installations artistiques immersives. L’espace physique est divisé en différentes zones virtuelles, qui donnent accès à des points de vue prédéfinis dans un environnement virtuel partagé. L’objectif est ici d’étudier l’effet sur la coprésence (le sentiment de partager l’expérience avec d’autres utilisateurs) ainsi que le potentiel pour la création artistique. |
| Bonsai & D-Dal | Vizitig, visualisation et requêtes de graphes appliqués à la biologie | Dans un monde où le séquençage ADN et d’ARN est de moins en moins coûteux, la difficulté d’obtenir des données pour la biologie et la médecine a laissé sa place à des challenges algorithmiques et analytiques sans précédents, à en faire pâlir le célèbre “Chercher une aiguille dans une botte de foin”. Bases de données, requêtes de graphe, vectorisation de code et visualisation : venez découvrir comment l’intersection entre l’informatique théorique et la biologie nous permet d’explorer le monde infiniment petit mais néanmoins phlétorique du vivant tel qu’on le connaît. |
| Biocomputing | Apprentissage de modèles en écologie marine | Le phytoplancton, microalgue à la base des chaînes alimentaires marines, joue un rôle clé dans la régulation du climat et de la qualité de l’eau. Pourtant, les interactions entre ses différentes espèces restent largement méconnues. Grâce à l’IA explicable, nous transformons des séries temporelles en règles logiques, puis en graphes d’interactions. Cette approche offre une vision interprétable des dynamiques communautaires et met en lumière les facteurs qui façonnent le développement du phytoplancton. Nous voulons allier l’écologie et l’informatique afin d’ouvrir de nouvelles perspectives pour comprendre et protéger les écosystèmes marins ! |
| NOCE | Utilisation de l’IA dans un jeu sérieux de formation aux compétences comportementales | Dans notre vie personnelle comme professionnelle, les compétences comportementales jouent un rôle essentiel. Elles regroupent des qualités comme l’écoute, l’empathie, la gestion des émotions, la capacité à collaborer ou encore la communication claire. Ces aptitudes influencent directement la qualité de nos relations avec les autres : elles favorisent la confiance, réduisent les conflits et facilitent la coopération. Cependant, développer ces compétences ne se limite pas à la théorie ; il est nécessaire de s’entraîner dans des situations concrètes. C’est là qu’intervient notre outil : un dispositif de jeux sérieux basé sur l’intelligence artificielle. Grâce à ce type de solution, chacun peut simuler des interactions sociales réalistes, recevoir un retour immédiat sur son comportement et explorer différentes façons de réagir. L’IA devient alors un partenaire d’apprentissage qui aide à progresser dans un environnement sans risque, en renforçant peu à peu nos capacités relationnelles. Les autres travaux de l’équipe seront également présentés sur le stand (poster). |
| SMAC | Un protocole stochastique pour évaluer les infrastructures routières intelligentes | Les infrastructures routières intelligentes permettent de fluidifier le trafic sur les réseaux routiers, avec pour conséquence une réduction des temps de trajet des usagers et une réduction des émissions de gaz polluants ou à effet de serre. De nombreux systèmes intelligents ont été proposés dans la littérature au cours des dernières décennies, mais les méthodes utilisées pour les évaluer laissent place à de nombreux biais qui ne nous permettent pas d’avoir une confiance totale dans les résultats. Nous présentons ici une nouvelle méthode d’évaluation stochastique des systèmes intelligents de gestion d’infrastructures routières, ayant pour objectif de limiter ces biais et de proposer l’évaluation la plus objective possible. |
| SyCoMoRES | Systèmes embarqués temps réel modulaires | L’objectif principal de l’équipe-projet SYCOMORES est de développer un cadre pour la conception et l’analyse des systèmes embarqués temps réel, basé sur l’analyse symbolique de composants paramétriques. SYCOMORES vise à réduire la complexité des logiciels temps réel pour les systèmes embarqués à large échelle grâce à la modularité : conception et mise en œuvre basées sur les composants, spécification paramétrique de modèles, et analyse symbolique. Les domaines d’application visés comprennent les systèmes embarqués critiques, tels que les systèmes avioniques, automobiles ou ferroviaires, mais aussi les systèmes temps réel moins critiques, tels que les systèmes de télécommunication et l’Internet des Objets. |
| LOKI | CollabJam & DirectGPT | L’équipe LOKI travaille dans le domaine de l’Interaction Humain-Machine. Elle analyse et conceptualise des systèmes interactifs permettant d’augmenter les capacités humaines tout en proposant des fonctionnalités transparentes. Nous proposons deux démonstrations : la première sur un outil collaboratif pour la création d’expériences vibrotactiles augmentant des expériences visuelles (p.ex. dans le cadre de jeux vidéo ou d’expériences en réalité mixte), et la deuxième sur l’amélioration des requêtes faites à ChatGPT grâce à l’utilisation de méthodes de manipulation directe. |
| Spirals | Visualiser les applications Kubernetes | L’équipe Spirals développe un outil de visualisation d’applications s’exécutant sur le système open source Kubernetes. Celui-ci peut être vu comme un système d’exploitation pour les applications cloud native et vise à fournir une plate-forme permettant d’automatiser le déploiement, la montée en charge et la mise en œuvre de conteneurs d’application sur des grappes de serveurs. Il fonctionne avec toute une série de technologies de conteneurisation et est souvent utilisé avec Docker. Il a été conçu à l’origine par Google, puis offert à la Cloud Native Computing Foundation. |
| Spirals | AdaptiFlow & Adaptable TeaStore : Vers des microservices cloud auto-adaptatifs | AdaptiFlow est un framework qui permet aux microservices cloud de s’adapter automatiquement aux conditions changeantes (pics de charge, attaques, pannes). Notre démonstration montre comment instrumenter facilement des services avec des collecteurs de métriques et des actions d’adaptation, et comment spécifier une logique d’adaptation via des règles événementielles. Nous illustrons cela avec une plateforme microservices destinée à la vente de thé, à travers trois scénarios concrets : auto-réparation (retour après panne de la base de données), auto-protection (mitigation d’attaque DDoS) et auto-optimisation (gestion de la montée en charge). |
| VALSE | Algorithmes distribués et convergence en temps fini | La révolution de l’information, portée par l’Internet des objets et les systèmes cyber-physiques (robotique, santé, transport), soulève deux enjeux majeurs en Automatique : l’estimation (interprétation des données) et le contrôle (utilisation de ces données pour optimiser la performance des systèmes). Pour y répondre, l’équipe Valse développe des algorithmes distribués d’estimation et de contrôle en temps fini, adaptés à ces environnements complexes et interconnectés. Nous vous présenterons un échantillon d’applications récentes de ces algorithmes. |
| 2XS | Reconnaissance de cachalot à l’aide d’une architecture neuromorphique sur FPGA connectée à une Raspberry Pi pour émuler le capteur. | Le projet ULP Cochlea vise à développer un système complet ultra-basse consommation pour la surveillance de la population de cachalot en mer Méditerranée. Pour cela, nous nous inspirons du cerveau humain en codant l’information sous forme impulsionnelle à l’aide d’une cochlée artificielle qui transforme les sons environnants en impulsions. Afin de traiter les impulsions générées par la cochlée, nous utilisons une architecture neuromorphique développée sur FPGA pour émuler un réseau de neurones impulsionnels afin de détecter la présence de cachalot. N’ayant pas encore accès au capteur, nous présentons une preuve de concept en simulant la cochlée à l’aide d’une Raspberry Pi 5 directement connectée à la FPGA. |
| MAGNET | (1) TAMIS : Attaques en inférence d’appartenance sur des données synthétiques (2) Fed-FairGrad : Apprentissage fédéré sous contraintes d’équité |
Présentation (avec posters) de deux travaux de recherche de l’équipe MAGNET sur certaines des thématiques principales de l’équipe : confidentialité et équité des algorithmes d’apprentissage automatique, et apprentissage fédéré. (1) TAMIS est une attaque en inférence d’appartenance (MIA) sur des données synthétiques tabulaires générées à l’aide de modèles graphiques, qui repousse l’état de l’art en termes de succès d’attaque avec un coût computationnel limité. (2) Fed-FairGrad est une adaptation au cadre de l’apprentissage fédéré de la méthode FairGrad pour l’apprentissage de modèles de classification équitables. Ce travail présente l’algorithme proposé ainsi que des résultats expérimentaux préliminaires le comparant à d’autres approches existantes. |