Cartographie en construction, contacter ISDM pour toute demande
UMR AMAP – Botanique et modélisation de l’architecture des plante
Contact: Marc Jaeger
Description : Identification et classification à partir d’images en biologie et écologie végétales; sciences participatives (cf. plateforme de botanique participative Pl@ntnet en collaboration avec INRIA EPI ZENITH au LIRMM)
Adresse postale : UMR AMAP TA A-51/PS2 (Bât. PS II, Bur. 312) Boulevard de le Lironde
34398 Montpellier Cedex 5 (France)
Description de l’expertise autour de l’IA :
Le thème BIAS – « Biodiversity Informatics and machine learning in Agro Science » à AMAP développe des méthodes automatiques (mobilisant notamment le Deep Learning), et des outils intégrés pour identifier et quantifier des structures biologiques à différentes échelles, à partir de supports visuels dynamiques et multi-sources. Ces méthodes contribuent à investir une multitude de domaines d’intérêt dans les champs de l’Agro-Science en abordant entre autres des questionnements en lien avec l’identification taxonomique ou la distribution des espèces, la sélection des réserves ou la taxonomie intégrative, l’estimation de rendements agricoles et le suivi de la phénologie des plantes, etc. Ces travaux visent à identifier les biais et développer des solutions informatiques pour le traitement de données à grande échelle spatiale et taxonomique. Les questionnements scientifiques sont plutôt méthodologiques, aussi bien sur les fondements de base des algorithmes que sur leur stratégie d’utilisation:
– Comment automatiser l’extraction de connaissances dans les données massives et hétérogènes (Collections d’Histoire Naturelle, sciences participatives, captations autonomes,…) ?
– Comment transposer les techniques de Deep Learning, bien définies sur des données structurées(images), au traitement de données non structurées (maquette 3D, nuage de points LIDAR ou Radar, etc.) pour la détection, l’identification ou la prédiction d’objets ou de concepts ?
– Comment aborder l’articulation modélisation/représentation, et en particulier comment revoir les modèles (de croissance) pour mieux les représenter ?
– Comment adapter le Deep Learning à des problématiques aussi diverses que l’identification des stades de développements ou des maladies des plantes, la génération de Modèles de distribution d’espèces (SDM), la sélection de réserves sous contraintes, ou la réduction des biais dans les modélisations s’appuyant sur des données massives incertaines ?
Biochimie et Physiologie Moléculaire des Plantes
Contact : Gabriel Krouk, DR CNRS ()
Description : Nous utilisons des programmes d’apprentissage machine pour comprendre et accélérer nos investigations expérimentales en biologie végétale.
Adresse postale : UMR BPMP, Bat 7, Campus INRAE/SupAgro, Place Viala, 34060 Montpellier Cedex
Description de l’expertise autour de l’IA :
Nous utilisons des algorithmes d’apprentissage (SVM, Deep Learning) sur plusieurs fronts de recherche. Premièrement nous essayons d’entrainer les machines à prédire les relations entre facteurs de transcriptions et leurs cibles. Pour ce faire nous mettons en œuvre des SVMs et du Deep Learning de manière à superviser l’apprentissage par des relations expérimentalement validées. Par ailleurs, une partie de notre utilisation de l’IA réside dans l’automatisation de classifications d’images automatique pour accélérer les investigations expérimentales et ouvrir le champs de possible dans le phénotypage automatique. Par exemple nous avons entrainé une IA à classifier automatiquement des patterns d’accumulation du Fer dans les tissus d’Arabidsopsis thaliana. Finalement, nous utilisons aussi l’IA (DNN) pour analyser et améliorer les données de microscopie issues de la technologie Spt-PALM (Type data enhancement). L’ensemble de ces fronts de recherche se font en étroite collaboration avec l’équipe du Pr MAS (IMAG) à l’université de Montpellier.
Centre de recherches et d’études administratives de Montpellier (CREAM), EA 2038
Contact : Pascale IDOUX, professeur de droit public, directrice du Département scientifique Droit et Science politique :
Description : Expertise auprès du Conseil supérieur de l’Audiovisuel (CSALab).
Recherches sur l’encadrement juridique et les transformations profondes induites par l’IA dans le droit et la justice.
Adresse postale de l’unité : CREAM, Faculté de droit et de science politique,
39 rue de l’Université, 34060 Montpellier
Description de l’expertise autour de l’IA:
– Membre du CSA Lab : groupe d’experts dédié à l’appui de la réflexion du CSA sur l’adaptation de la régulation de l’audiovisuel et des plateformes numérique à la numérisation. Publications sur le site www.CSA.fr
– Programme de recherche Numérique, Droit et Justice, financé par l’UM, codirigé par Pascale Idoux (directrice du Département scientifique Droit et Science politique de l’Université de Montpellier), Christophe Albigès (directeur du Laboratoire de droit privé – LDP) et Laure Milano (membre de l’Institut de droit européen des droits de l’homme – IDEDH). En collaboration avec les professionnels de la justice (magistrats des divers ordres juridictionnels, greffiers, avocats, huissiers, notaires), ce programme analyse les transformations – y compris profondes – induites par la numérisation du service public de la justice. Deux objectifs sont poursuivis : proposer les ajustements nécessaires à la garantie des droits (des usagers, des justiciables, etc…) dans ce contexte méthodologique renouvelé ; anticiper les mutations induites de façon plus générale et profonde pour le raisonnement juridique et la science juridique. Plusieurs publications réalisées, un ouvrage collectif en préparation.
– Thèse en cours sur Algorithmes et droit administratif, par Sabrina Hammoudi, attachée temporaire d’enseignement et de recherche, membre du CREAM, sous la direction de Pascale Idoux. Il s’agit d’une focale sur l’une des facettes de ce programme de recherche.
– Colloque (co-organisé à Nîmes par le CREAM – Resp. locale Sabrina Hammoudi) fin novembre 2020 sur l’action publique algorithmique (reporté en raison des mesures de lutte contre la crise sanitaire).
DIADE
contact : Francois Sabot
Description :expertise en IA en bioinformatique pour l’analyse structurale et fonctionnelle du génome des plantes
Exemples d’utilisation d’IA appliquée aux thématiques de l’unité :
Realisation de graphes de pangenomes à partir de sequencage bas débit de type genome skimming
Amelioration de la détection / classification des séquences répétées dans les génomes
Utiisation dans le traitement des données massives du domaine agronomique et biodiversité
Extraction d’entités biologiques et de relations dans les publications scientifiques (NLP)
Représentation des connaissances et ontologies dans le domaine agronomique et biodiversité
Base de connaissances, Web Sémantique et données FAIR en biologie
Raisonnement sur les données biologiques
Machine/Deep learning pour la priorisation de genes candidats
Espace-Dev
Contact : Carmen Gervet
Description : extraction de connaissances au sein de masses de données hétérogènes, multi-modales, series temporelles; modélisation d’aide à la décision sous contraintes, multi agents, apprentissage.
Adresse: Maison de la télédétection, 500 rue JF Breton, Montpellier Cedex 05
Description expertise IA dans l’unité: nos deux groupes de recherche selon la nouvelle organisation de l’unité: https://www.espace-dev.fr/recherches-methodologiques/
groupes PIC et MADES.
EuroMov Digital Health in Motion (Univ Montpellier, IMT Mines Ales)
Contact : Sébastien Harispe
Description : EuroMov DHM est une unité de recherche au croisement des Sciences du Mouvement, de la Santé et de l’Intelligence Artificielle pour mieux comprendre le comportement sensorimoteur humain.
Adresse postale : IMT Mines Ales, 6 avenue de Clavières, 30100 ALES
Description de l’expertise autour de l’IA :
Machine Learning : Apprentissage automatique pour la définition de modèles prédictifs et la découverte de connaissances à partir d’approches multimodales et la résolution de problèmes combinatoires – expertises en données de santé, en traitement automatique de la langue naturelle, images, signaux biophysiologiques, réseaux de neurones profonds.
IA symbolique : Représentation des connaissances avec des ontologies, Web sémantique, Raisonnement. Couplage IA symbolique & Machine Learning pour l’extraction de connaissances (e.g., règles), le raisonnement exact et approché, le calcul de similarités sémantiques – expertises en systèmes de recommandation, recherche et filtrage d’information.
Aide à la décision et optimisation combinatoire : élicitation des préférences, agrégation multicritère et fusion d’information, méthodes de résolution de problèmes combinatoires de grande taille, recherches exacte, approchée et hybride.
Hydrosciences Montpellier
Nom de l’unité : Hydrosciences Montpellier
Contact : Anne Johannet
Description courte de l’expertise autour de l’IA en 1, 2 lignes max
Développe des modèles à base de réseaux de neurones pour la modélisation/prévision/extraction de connaissances, appliqués aux hydrosystèmes : karst/crues éclaires/turbidité, depuis 1993.
Adresse postale : HSM-LGEI, IMT Mines Alès, 6 avenue de Clavières 30319 Alès Cedex
Description de l’expertise autour de l’IA en 10-20 lignes max :
Expertise essentiellement focalisée sur la modélisation des systèmes dynamiques par réseaux de neurones artificiels. Dès 1993 l’équipe travaillait sur des modèles profonds utilisés pour prétraiter les signaux :
- Contrôle commande : conception de différents schémas de contrôles pour optimiser les performances d’un préhenseur pneumatique : 1 thèse soutenue en 1997
- Classification et identifications de systèmes pour la gestion de crises et le risque : 2 thèses soutenues en 2007 et 2014
- Classification appliquée à la détermination de l’état de systèmes physiques désordonnés application aux suspensions : 1 thèse soutenue en 2010
- Identification et prévision des hydrosystèmes vus comme des systèmes dynamiques. Compte tenu des incertitudes et bruits opérants sur les données hydrologiques, réaliser de bons modèles statistiques de ces systèmes est un défi qui réclame une méthodologie extrêmement rigoureuse. L’équipe est spécialisée dans la prise en compte et la réduction des effets de ces bruits et incertitudes grâce aux méthodes de régularisations appropriées. Elle développe également une panoplie de plusieurs types de modèles : statiques, dynamiques (récurrents) ou semi récurrents. Elle a également développé une méthode originale pour extraite l’information du modèle après apprentissage : la méthode KnoX. Elle a développé son propre outil logiciel de recherche.
Depuis 2006 l’équipe travaille avec le SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations, basé à Toulouse) et a livré plusieurs modèles qui sont actuellement utilisés en opérationnel pour la prévision des crues.
7 thèses soutenues depuis 2009 ; 6 thèses en cours.
IMAG
Contact : CHARLIER, Benjamin
Description : librairie KeOps
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Contact : CLEYNEN, Alice
Description : à venir
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA: à venir
Contact : LEBRE, Sophie
Description : à venir
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Contact : MARIN, Jean-Michel
Description : machine learning
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Contact : MOHAMMADI, Bijan
Description : expertise en génération et certification de bases de données pour apprentissage par transfert. Couplage entre modeles deterministes et IA
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Contact : SALMON, Joseph
Description : machine learning
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Contact : TOULEMONDE, Gwladys
Description : travaux dans le cadre de Lemon (modélisation de phénomènes météo extremes)
Adresse postale : Université de Montpellier, Case courrier 051, Place Eugène Bataillon, 34090 Montpellier, France
Description de l’expertise autour de l’IA : à venir
Institut d’Électronique et des Systèmes
Contacts : Emmanuel Le Clézio, Antoine Touboul.
Description : IA pour les composants électroniques et le traitement des signaux
Adresse : IES, UMR 5214 CNRS UM, Université de Montpellier Campus Saint Priest
860 rue de Saint Priest Bat 5
CC 05001 34095 Montpellier cedex 5
Description de l’expertise autour de l’IA :
- Fiabilité prédictive des systèmes en environnement radiatif
Les systèmes électroniques dédiés à opérer en environnement extrême étaient jusqu’à présent issus de processus de développement intégrant des étapes de durcissement puis d’une sélection et qualification standardisée. En lien avec cette évolution, deux besoins sont apparus : le premier lié au développement des outils de prédiction de la durée de vie de systèmes en environnement radiatif et le second concerne la métrologie des radiations qui constitue l’un des principaux éléments de décision en opération. A l’heure actuelle, nous visons deux objectifs basés sur l’utilisation d’algorithmes de l’IA :
1.1. Le premier est lié à la fiabilité prédictive (prognostics and health management) : nous utilisons des réseaux Bayésiens afin de prédire la durée de vie d’un système avant sa mission ou après une défaillance durant la mission pour identifier au sein de ce système l’étage qui a le plus probablement mené à la défaillance.
1.2. Le second est lié à la métrologie des radiations : L’objectif serait de développer avec des composants standards du commerce (COTS) un système de dosimétrie. En utilisant des algorithmes d’IA, nous cherchons à pouvoir prédire dans le temps le niveau de dose atteint. Ceci est basé sur d’une part l’apprentissage initial de la variabilité intrinsèque des caractéristiques électriques du composant utilisé mais d’autre part sur l’apprentissage des dynamiques de dérive/dégradation durant la vie utile du composant sous irradiation et vieillissement.
- Imagerie Acoustique
L’acoustique ultrasonore est une technique de caractérisation et de contrôle de milieux industriels et biologiques. L’une des applications les plus connues est représentée par l’échographie ultrasonore fœtale. De manière à obtenir ces images, des signaux ultrasonores, dits radio-fréquence, sont acquis pour chaque pixel et un traitement spécifique est appliqué pour reconstruire le degré de gris correspondant. Dans cette étape, un des éléments cruciaux consiste à identifier, dans l’ensemble du signal ultrasonore, les échos qui sont symptomatiques d’une réflexion sur la surface à imager. Ces signaux, morphologiquement proches d’un écho de référence, en diffèrent néanmoins tant en phase qu’en module. L’objectif du projet mené à l’IES par l’équipe Acoustique concerne l’identification de méthodes, issues du Deep Learning, pertinentes pour le traitement de signaux ultrasonores. En particulier, la définition de classes de signaux référencés sur leurs similitudes, et les variabilités internes et externes à ces classes est abordée afin d’élaborer des protocoles d’identification et de localisation d’échos. Les principales applications qui sont visées dans ce travail traiteront de l’imagerie ultrasonore haute résolution pour des applications principalement industrielles.
Institut de Génétique Moléculaire de Montpellier – CNRS UMR5535
Contact : Charles Lecellier
Institut de Génétique Moléculaire de Montpellier | Phone: + 33 4 34 35 96 62 | E-mail:Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier | Phone: + 33 4 67 14 95 75 | E-mail: Mobile: +33 6 76 70 65 84
Adresse postale : 1919 route de Mende – 34293 Montpellier cedex 5
Description de l’expertise autour de l’IA : Equipe IGMM/LIRMM/IMAG Regulations Génomiques Computationnelles
site web : http://www.igmm.cnrs.fr/service/biogenese-micro-arns/
De nombreux loci sont transcrits en dehors des promoteurs des gènes codants pour générer une grande variété d’ARNs comme les enhancer RNAs, les microRNAs et différentes classes d’ARNs longs non-codants. Par ailleurs, les études d’association à l’échelle du génome montrent que de nombreux loci associés à certains traits cliniques, y compris ceux liés à des pathologies humaines, sont localisés en dehors des régions codant les protéines. Les régions non-codantes du génome humain contiennent donc une pléthore d’éléments régulateurs qui peuvent impacter les régulations du génome et ses fonctions. L’exploration de cette ‘matière noire’ du génome a juste commencé et de nombreuses découvertes restent à faire. Dans ce contexte, notre équipe développe des méthodes fondées sur les statistiques et l’apprentissage automatique pour intégrer et interpréter différents types de données génomiques, délimiter des régions génomiques pertinentes et identifier de nouveaux éléments régulateurs, dans le but d’accroître nos capacités à interpréter l’impact des variations génomiques et de découvrir de nouveaux biomarqueurs utiles en médecine génomique. Les méthodes d’IA utilisées vont de la régression linéaire pénalisée au deep learning (en particulier CNN) mais reposent invariablement sur des variables extraites directement et uniquement de la séquence ADN.
Nous sommes impliqués dans différents programmes de recherche internationaux, notamment un Laboratoire International Associé du CNRS (avec le Pr. Wyeth W. Wasserman, Université de Colombie Britannique, Vancouver, Canada. https://cmmt.ubc.ca/wasserman-lab/) et le consortium FANTOM (basé au RIKEN Yokohama, Japan. http://fantom.gsc.riken.jp/index.html). Nous collaborons également avec l’équipe ‘Translational Sciences’ de Sanofi (bourse CIFRE 2020-2023).
Contributions scientifiques récentes (2 ans)
. Grapotte M., Saraswat M., Bessière C., Menichelli C., Ramilowski J.A., Severin J., Hayashizaki Y., Itoh M., Tagami M., Murata M., Kojima-Ishiyama M., Noma S., Noguchi S., Kasukawa T., Hasegawa A., Suzuki H., Nishiyori-Sueki H., Frith M.C., FANTOM consortium, Chatelain C.,Carninci P., de Hoon M.J.L., Wasserman W.W., Bréhélin L & Lecellier CH*. Discovery of widespread transcription initiation at microsatellites predictable by sequence-based deep neural network. bioRxiv 2020.07.10.195636; doi: https://doi.org/10.1101/2020.07.10.195636. Nature Communications. in revision
. Bejjani F., Tolza C., Boulanger M., Downe D., Romero R.,Maqbool, M.A., Andrau JC., Lèbre S., Bréhélin L., Parinell H., Rohmer M., Kaoma T., Vallar L., Hughes J.R., Zibara K., Lecellier CH*, Piechaczyk M.*, Jariel-Encontre I.*. Fra-1 regulates its target genes via binding to remote enhancers without exerting major control on chromatin architecture in triple negative breast cancers. Nucleic Acids Res. 2020, in revision
. Menichelli C., Guitard V., Martins R.F., Lèbre S., Lopez-Rubio JJ., Lecellier CH*, Bréhélin L.*. Identification of long regulatory elements in the genome of Plasmodium falciparum and other eukaryotes. bioRxiv 2020.06.02.130468; doi: https://doi.org/10.1101/2020.06.02.130468. PLoS Comput Biol. under review
. Vandel J., Cassan O., Lebre S., Lecellier CH*, Brehelin L*. Probing transcription factor combinatorics in different promoter classes and in enhancers. BMC Genomics, 2019 Feb 1;20(1):103.
. Lecellier CH*, Wasserman WW, Mathelier A*. Human Enhancers Harboring Specific Sequence Composition, Activity, and Genome Organization Are Linked to the Immune Response. Genetics. 2018 Jun 5. pii: genetics.301116.2018.
. Bessière C, Taha M, Petitprez F, Vandel J, Marin JM, Bréhélin L*, Lèbre S*, Lecellier CH*. Probing instructions for expression regulation in gene nucleotide compositions. PLoS Comput Biol. 2018 Jan 2;14(1):e1005921.
Institut des Sciences de l’Evolution de Montpellier (ISEM)
Nom de l’unité : Institut des Sciences de l’Evolution de Montpellier (ISEM)
Contact : Khalid Belkhir, plateforme MBB
Description courte de l’expertise autour de l’IA : Utilisation et développement de méthodes d’apprentissage automatique dans le cadre de méthodes d’inférence statistique (prédiction de variables continues) et de reconnaissances de formes/patterns, dans des buts de développements d’outils bioinformatiques, d’assignation taxonomique, d’identification de restes archéologiques, et d’analyses de visages.
Adresse postale : Université de Montpellier, Place E. Bataillon, CC65, 34095 Montpellier
LIRMM
Nom de l’unité : LIRMM
Contacts : Marianne Huchard & Christophe Paul
Description courte de l’expertise autour de l’IA : Le laboratoire a de fortes compétences en Intelligence Artificielle (symbolique et sous-symbolique) avec de multiples applications. La plupart des vingt équipes du LIRMM sont impliquées dans l’un des volets fondamental ou appliqué de ce domaine.
Adresse postale : Université de Montpellier, LIRMM UMR 5506, CC477, 161 rue Ada, 34095 Montpellier Cédex 5
Description de l’expertise autour de l’IA :
Le laboratoire a de fortes compétences en Intelligence Artificielle (symbolique et sous-symbolique) avec de multiples applications. Les équipes contribuent en représentation des connaissances et raisonnement, notamment sur les graphes de connaissances, les systèmes de règles, la théorie, la production et l’alignement d’ontologies, le liage de données, l’interrogation de données médiatisée par une ontologie, les systèmes de recommandation, la théorie des préférences et l’argumentation. Dans le domaine de la fouille de données, elles sont spécialisées dans les données distribuées et hétérogènes, les règles d’implication et d’association, les règles spatio-temporelles, floues ou graduelles. Parmi les données étudiées, qui sont très variées, les données visuelles (images, vidéos, objets 3D) figurent en bonne place. D’autres domaines historiques de l’IA sont également abordés tels que les systèmes multi-agents, la programmation par contraintes (symboliques ou numériques) et leur apprentissage, et l’apprentissage automatique, symbolique ou sous-symbolique/statistique/connexionniste, avec un focus particulier sur les approches par réseaux de neurones. Le champ de l’analyse du langage naturel est également présent avec des méthodes d’analyse syntaxique et sémantique, la création de ressources lexicales, et l’inférence pour l’enrichissement dans les réseaux lexicaux.
Les résultats portent sur des aspects variés, tels que la décidabilité et la complexité des problèmes, la conception d’algorithmes efficaces, le développement de démonstrateurs logiciels et des méthodologies destinées aux domaines applicatifs.
Les applications relèvent des domaines de la santé et de la biologie (ex. analyse de textes et de forums de santé, analyse d’images médicales, échantillons sanguins, génomes, ontologies médicales, jeux sérieux pour la réhabilitation fonctionnelle), de l’agronomie et de l’agriculture (ex. aide à la décision en agriculture de précision, recherche de solutions pour l’agriculture biologique, ontologies agronomiques, identification d’espèces), ou encore de l’industrie manufacturière (ex. sécurisation des maillages 3D pour l’industrie de la maroquinerie) et des sciences humaines et sociales (ex. débat en ligne, héritage culturel ou données journalistiques). Enfin, nos équipes travaillent au déploiement des techniques d’apprentissage statistiques, des réseaux de neurones, … dans le contexte de la robotique (haptique, humanoïde), des neurosciences ou de la conception et le test, la sécurité et la performance énergétique de circuits micro-électroniques et des systèmes embarqués.
Laboratoire de Mécanique et Génie Civil -LMGC
Nom de l’unité : Laboratoire de Mécanique et Génie Civil
Contact (pour ce sujet IA) : Yann Monerie
Description courte de l’expertise autour de l’IA en 1, 2 lignes max : matériaux numériques, identification, réduction de modèles
Adresse postale : LMGC, cc 048, 163 rue Auguste Broussonnet, 34090 Montpellier
Description de l’expertise autour de l’IA en 10-20 lignes max
La construction d’un matériau numérique repose sur des descripteurs morphologiques qui caractérisent un matériau réel à l’aide d’informations statistiques et géométriques. La microstructure numérique générée est qualifié statistiquement semblable par rapport à la réalité. Or deux microstructures statistiquement semblables peuvent, par exemple, présenter des comportements de fissuration différents. Ces différences peuvent avoir une influence sur le comportement effectif des matériaux comme leur perméabilité. Pour contourner cette limitation, nous proposons une nouvelle approche, utilisant le machine learning, qui combine descripteurs morphologiques et modèle de prédiction de fissure pour évaluer la similarité entre 2 microstructures.
Laboratoire MRM groupe Systèmes d’Information
Description: Sciences de l’Information et Intelligence artificielle – Machine Learning et Intelligence Artificielle pour l’analyse des données massives Big Data.
Adresse postale : Place Eugène Bataillon – CC 19001 – bâtiment 19 – 34095 Montpellier Cedex 5
Description de l’expertise autour de l’IA :
Le laboratoire MRM s’intéresse à différents aspects de l’intelligence artificielle en sciences de l’information, en lien notamment avec l’analyse des données massives Big Data.
Dans le cadre de la thèse de Maximilien Dossa encadrée par Corinne Janicot et soutenue en 2019, un guide méthodologique a ainsi par exemple été proposé pour l’aide à la modélisation et au traitement des données massives.
Ce guide méthodologique est mis à disposition des entreprises pour aider à l’accès, à la compréhension et à l’analyse de données massives. Cet outil répertorie les principales méthodologies de Machine Learning et d’Intelligence Artificielle permettant l’analyse des données Big Data en tenant compte de leurs spécificités (véracité, variété, visibilité, valeur…).
La conception de cette solution a nécessité une large revue de la littérature des méthodologies de Machine Learning et d’Intelligence Artificielle généralisée ainsi qu’une analyse d’observations terrain de leur utilisation. Ces méthodologies concernaient en particulier les points suivants :
- L’analyse de données et la modélisation (Réseaux de neurones artificiels (RNA), Séparateur à Vaste Marge (SVM), Forêts aléatoires (RF-CART)…),
- Le traitement des données non structurées et l’extraction d’information (analyse sémantique, analyse des sentiments, TextMining, lemmatisation…),
- L’imputation de données mixtes (imputation stationnaire, imputation par régression stochastique, imputation multiple – algorithme Missforest…),
- L’enrichissement des données et le traitement des données erronées (triangulation, apprentissage automatique, loi de Bendfort, modèle probabiliste d’enrichissement de données, probabilistic programming…).
LPHI
Contact : Ovidiu RADULESCU
Description : Apprentissage profond de caractéristiques morphologiques à partir lames histologiques / Identification de modèles stochastiques discrets à l’aide de données de synthèse d’ARN / Optimisation paramétrique des modèles en biologie des systèmes.
Adresse postale : Place Eugene Bataillon, Bat 24, 34095 Montpellier
Description de l’expertise autour de l’IA :
1) En utilisant des méthodes de morphologie mathématiques et d’apprentissage profond on reconstruit les caractéristiques morphologiques de tissus, telles que vaisseaux sanguins, types cellulaires. Ces méthodes sont appliquées à l’étude de l’hétérogénéité tumorale dans le projet MALMO soutenu par le programme Cancer INSERM – ITMO Aviesan AAP Approches interdisciplinaires des processus oncogéniques et perspectives thérapeutiques 2020 et dans le projet MEL-ECO soutenu par AAP MUSE 2020.
2) À l’aide d’algorithmes génétiques, on reconstruit la carte temporelle des événements de transcription, indiquant pour chaque cellule,
les moments où différentes ARN polymérases commencent à produire de l’ARNm.
3) On développe des méthodes d’optimisation non-convexe pour apprendre des paramètres des modèles dynamiques en biologie des systèmes. On combine les méthodes d’optimisation avec les méthodes de réduction dans des stratégies du type back-pruning.
MARBEC :
Contact : Sébastien Villeger ()
Description : Application d’outils de l’Intelligence Artificielle pour réaliser des recherches en Ecologie Marine
Adresses postales: UMR MARBEC – Université de Montpellier Place E. Bataillon. 34095 Montpellier Cedex 5
UMR MARBEC – Station Ifremer – Sète Avenue Jean Monnet – CS 30171 – 3403 Sète cedex
Description de l’expertise autour de l’IA : Depuis plusieurs années des chercheurs de l’unité en collaboration avec des développeurs IA (du LIRMM en particulier), mènent des projets de recherches en Ecologie Marine qui nécessitent l’utilisation d’outils IA.
A titre d’exemple, les applications en cours sont :
– détection et l’identification des poissons sur des vidéos sous-marines (algorithmes de type Deep Learning) ).
– détection et identification de signaux acoustiques émis par les dauphins et de leurs mouvements enregistrés sur vidéo par drone
– modélisation et prédiction des trajectoires d’oiseaux en mer en utilisant des algorithmes assez nouveaux d’IA, les Generalized Adverserial Networks (GAN)
– estimation de la valeur esthétique des poissons tropicaux ainsi que celle des récifs coralligènes.
Montpellier Recherche en Economie
Contact : Benoît MULKAY (Directeur)
Description : Enjeux économiques de l’IA dans le domaine de l’énergie, des mobilités, de la finance et de l’actuariat.
Adresse postale : Université de Montpellier, Site de Richter, Faculté d’Economie, Avenue Raymond Dugrand, 34960 Montpellier cedex 2
Description de l’expertise autour de l’IA :MRE travaille sur l’aspect économique des relations entre le numérique et l’énergie et le numérique et les mobilités, notamment sur les aspects de tarification, de réglementation économique des données, et de l’ecosystème de l’IA, ainsi que sur le lien avec innovation, et la dynamique des entreprises. D’autre part, une partie des recherches de MRE en finance et en actuariat porte sur l’utilisation de l’IA pour la mesure et la prise en compte des risques financiers, économiques, et sociaux.
UAR OSU OREME – Observatoire de REcherche Montpelliérain de l’Environnement
Contact: Olivier Lobry & Juliette Fabre
Description : Gestion et diffusion des données d’observation
Adresse postale : OSU OREME – Université de Montpellier – Bât. 22 – Bureau 220 – CC 2200 – Place Eugène Bataillon 34095 MONTPELLIER CEDEX 5
Description de l’expertise :
L’Observatoire de Recherche Montpelliérain de l’Environnement (OREME) est l’un des 27 Observatoires des Sciences de l’Univers (OSU). Fondé en 2009, l’OREME a évolué pour intégrer aujourd’hui huit unités de recherche localisées à Montpellier :
le Centre d’Ecologie Fonctionnelle et Evolutive (CEFE),
Géosciences Montpellier (GM),
HydroSciences Montpellier (HSM),
l’Institut des Sciences de l’Evolution de Montpellier (ISEM),
Biodiversité marine et ses usages (MARBEC),
Territoires, Environnement, Télédétection et Information Spatiale (TETIS),
le Laboratoire Univers et Particules de Montpellier (LUPM)
et Gestion de l’Eau, Acteurs, Usages (G-EAU).
Il est soutenu par quatre tutelles : le CNRS, l’Université de Montpellier, l’IRD et l’INRAE.
La variété des unités partenaires lui donne la particularité de balayer de nombreuses disciplines : sciences de l’eau, géophysique, écologie, biologie, sciences marines, … Du point de vue du CNRS, cette richesse se traduit par la reconnaissance à la fois de l’INSU et de l’INEE.
A travers sa plateforme “Systèmes d’Information”, l’OREME a pour mission d’aider les équipes scientifiques dans la gestion de leurs données d’observation :
Pérenniser les données de l’Observatoire : stockage, sauvegarde, archivage, structuration et description
Valoriser les données : diffusion, catalogage, référencement
Améliorer la qualité des données : outils de saisie, d’aide à la saisie, validation, surveillance, ..
Permettre le croisement des données avec des bases de données nationales et internationales, et avec des outils et applications métier
Elle s’appuie pour cela sur de multiples compétences :
Conception et développement de bases de données environnementales spatiales
Conception et développement de portails web et d’outils de gestion et de diffusion de données
Conception et développement d’outils cartographiques sur le web
Manipulation et traitement de données
Interopérabilité des données et métadonnées : standards de l’OGC, ISO19115, standards métiers (Catalogue of Life, WoRMS, BD Carthage, …), thésaurus
Catalogage et référencement de données
Administration de serveurs et du stockage
PhyMedExp – Physiologie et Médecine Expérimentale du Coeur et des Muscles (UMR UM — CNRS 9214 – Inserm U1046)
Contact : Alain Lacampagne
Description : Le laboratoire PhyMedExp s’intéresse aux applications de l’intelligence artificielle et de la modélisation dans le domaine des pathologies musculaires.
Adresse : CHU Arnaud de Villeneuve 34295 Montpellier Cedex 05
Description expertise IA dans l’unité :
Le laboratoire PhyMedExp est spécialisé dans le domaine des pathologies musculaires. Les travaux de recherche menés dans le domaine biomédical visent à mieux comprendre les bases moléculaires de nombreuses maladies chroniques et/ou héréditaires pour ensuite envisager les diverses possibilités de stratégies thérapeutiques innovantes.
A ce titre, le laboratoire utilise, étend et propose diverses méthodes statistiques, de modélisation et d’intelligence artificielle, par exemple pour :
- Modélisation de l’activité électrique cardiaque en situation normale et pathologique
- L’analyse automatisée d’électrocardiogramme avec anticipation de la détection de troubles du rythme cardiaque,
- L’électrostimulation asservie de muscles ventilatoires chez le patient de réanimation ventilé mécaniquement,
- La conception d’algorithmes et logiciels de télémédecine et téléréhabilitation.
Radiobiology for targeted and personalized radiotherapy, INSERM U1194, IRCM
Contacts : Pascal Fenoglietto, Stéphanie Nougaret, David Azria
Description : Projet Omique et Cancer: développement d’outils d’intelligence artificielle pour prédire et évaluer la réponse thérapeutique dans les cancers gynécologiques, digestifs.
Adresse postale : IRCM, Avenue des Apothicaires, 34298 Montpellier cedex 05.
Équipe composée d’une post doctorante (Marion Tardieu) et de deux étudiants en thèse de science (Hichem Tibermacine et Morgan Michalet).
Évaluation transversale grâce à la mise au point de modèles ex vivo, in vivo murin en IRM 9.4T (Laboratoire C. Coulomb, Christophe Goze-Bac) et in vivo humain en IRM 1.5T et accélérateur radiothérapie (MRIDIAN).
Description de l’expertise autour de l’IA :L’équipe développe de nouveaux biomarqueurs d’imagerie en lien avec l’extraction de multiples paramètres d’imagerie (radiomique-Big data) pour prédire la réponse thérapeutique aux thérapies néoadjuvantes dans les cancers du rectum, de l’ovaire et du col utérin. Les travaux récents se sont intéressés à la création d’un algorithme radiomique pour prédire la réponse à la chimioradiothérapie dans les cancers du rectum sur l’IRM initiale avant toute prise en charge. La technique d’IA utilisant un réseau de neurone non supervisé était supérieure à l’analyse subjective radiologique pour la détermination des patients à risque de récidive (Tibermacine et al.). Les travaux en cours s’intéressent à un modèle prédictif composite intégrant radiomique et génomique en partenariat avec l’université de Cambridge (Pr Sala) et le Memorial Sloan Kettering Cancer Center (Dr Lakhman).