Campus Triolet, Pl. Eugène Bataillon, Bat 5, TD 5.212 Céline Mandier - Institut de Science des Données de Montpellier Participez à un atelier pratique dédié à la collaboration avec Git, outil clé pour la gestion, l'intégrité et la traçabilité des projets de recherche. Vous y apprendrez à gérer des projets sur GitLab, organiser des groupes d'utilisateurs et résoudre des conflits lors des pulls. INFO, Git, Collaboration

Halle de l'innovation - Montpellier Pôle de compétitivité DERBI-CEMATER en collaboration avec Expectra Un atelier proposé par le pôle DERBI-CEMATER et son adhérent Expectra qui vous permettra d'identifier les freins et les atouts de ce nouvel outil. Recrutement, Outil, Métier

Campus Triolet, TD 5.209 Institut de Science des Données de Montpellier La Clinique des données est un service mis en place par l’ISDM afin de porter assistance à la communauté scientifique sur des thématique liées aux données. Ainsi, toute personne ayant une problématique, une question, un bug est la bienvenue lors des permanences de ce service. Vous serez accueilli par des experts en IA, en (Bio)Informatique et en (Bio)Statistique. Accompagnement, Assistance

Halles de l'innovation Le temps d'une soirée, l'association IA Montpellier Méditerranée vous propose de venir découvrir l'AAP Pionniers IA afin de répondre à vos questions et de vous permettre d'optimiser votre dossier de candidature avec l’appui des clusters et pôles de compétitivité de Montpellier et de la région. La prochaine vague de candidature est attendue pour le 10 mars 2026.

Campus Triolet – Faculté des Sciences de Montpellier - Université de Montpellier ÉBIM et les étudiants de M2 du master de bioinformatique de l’Université de Montpellier Les Montpellier Omics Days (MODs) reviennent pour leur 14ᵉ édition. Cette année, l’événement met à l’honneur un thème au cœur des enjeux contemporains : « La bioinformatique au service de la société », avec un accent particulier sur ses applications en santé et en environnement. Les Montpellier Omics Days s’adressent aux chercheurs, étudiants, professionnels et à toute personne intéressée par le rôle croissant de la bioinformatique dans la société. Bioinformatique

Campus Triolet, Pl. Eugène Bataillon, Bat 36, SC 36.09 Gino Frazzoli - Institut de Science des Données de Montpellier Venez découvrir une approche du Deep Learning sur les LLMs ou Large Language Models, les IA qui se cachent derrière ChatGPT, Claude ou encore le célèbre Chat-ISDM ! Une première partie exposera un aperçu synthétique des LLMs et de leur fonctionnement. Elle sera suivie d’une présentation des applications potentielles et des limites de ces modèles. IA, Deep Learning, LLM

Online Machine Learning in Montpellier, Theory & Practice - Xuelin Yang (UC Berkeley) We develop new methods to integrate experimental and observational data in causal inference. While randomized controlled trials offer strong internal validity, they are often costly and therefore limited in sample size. Observational data, though cheaper and often with larger sample sizes, are prone to biases due to unmeasured confounders. To harness their complementary strengths, we propose a systematic framework that formulates causal estimation as an empirical risk minimization (ERM) problem. A full model containing the causal parameter is obtained by minimizing a weighted combination of experimental and observational losses—capturing the causal parameter’s validity and the full model’s fit, respectively. The weight is chosen through crossvalidation on the causal parameter across experimental folds. Our experiments on real and synthetic data show the efficacy and reliability of our method. We also provide theoretical non-asymptotic error bounds. Machine Learning in Montpellier, Theory & Practice

Salle des conseils P. Raynaud, bâtiment 11, Campus La Gaillarde SEmantic web SeminAr MontpEllier (MISTEA) Le terme « bioagresseur » est récent, il a été défini en août 2018 par le Journal officiel français comme « organisme vivant causant des dommages aux plantes cultivées ou à la production agricole ». Nous présenterons comment l'expertise de l'INRAE et des instituts techniques agricoles a été utilisée pour construire un consensus sur la modélisation des bioagresseurs des plantes par le biais d'une ontologie (BAGO) [...] IA et Experts

Cité de l'économie et des métiers de demain, Montpellier Digital 113 La Conf' : L’IA générative en santé : une journée de tables rondes pour croiser les regards des soignants, chercheurs et institutions. IA et Santé, Numérique

Campus Triolet, Pl. Eugène Bataillon, Bat 36, TD 36.406 Céline Mandier - Institut de Science des Données de Montpellier Venez assister à un atelier pratique pour maîtriser la gestion des branches avec Git, un outil essentiel pour une collaboration efficace en recherche. Vous apprendrez à créer, gérer et utiliser les branches selon les bonnes pratiques pour optimiser le travail en équipe. INFO, Git, Branches

Room 02.124, Building 5, St Priest campus Machine Learning in Montpellier, Theory & Practice - Myriam Tami (Univ. Paris-Saclay / CentraleSupélec) The presented works focus on causal inference from longitudinal data, with two complementary axis. The first addresses settings in which some adjustment variables are latent or unobserved, while the second targets the estimation of long-term treatment effects. The first contribution investigates how to account for unobserved adjustment variables using a probabilistic generative model. We propose a causal dynamic variational autoencoder, which learns a latent representation intended to substitute for the missing variables. This approach relies on a conditional Markov assumption linking the latent space to the unobserved variables. The model is trained by maximizing a regularized conditional likelihood, in order to handle imbalances in the representation space and to enhance the stability of temporal inference. The second contribution aims at improving long-term counterfactual prediction. The goal is to learn a compact latent representation capable of summarizing the relevant information from the historical data to predict outcomes under a given hypothetical treatment. A contrastive approach is used to capture long-term dependencies, and is further regularized to ensure invertibility of the latent representation and preservation of confounding and static information, using mutual information criteria. Selection bias is also addressed by minimizing the dependence between the current representation and the future treatment assignment. The proposed methods are evaluated on both synthetic and real-world datasets. Machine Learning in Montpellier, Theory & Practice

CIRAD • salle 102A du bâtiment 05 / salle crocodile Institut de Science des Données de Montpellier La Clinique des données est un service mis en place par l’ISDM afin de porter assistance à la communauté scientifique sur des thématique liées aux données. Ainsi, toute personne ayant une problématique, une question, un bug est la bienvenue lors des permanences de ce service. Vous serez accueilli par des experts en IA, en (Bio)Informatique et en (Bio)Statistique. Accompagnement, Assistance

Broc Café Les Halles de l'IA Nous vous invitons à partager un repas convivial tout en discutant des projets et des dynamiques autour de l’IA sur Montpellier. Ce moment sera aussi l’occasion d’aborder les projets en cours et à venir portés par l’association, ainsi que ceux portés par vos structures. La première consommation est offerte par Les Halles de l'IA, le plat reste à la charge des participants (places limitées). IA et Débat

Online Machine Learning in Montpellier, Theory & Practice - Melody Huang (Yale) The use of Artificial Intelligence (AI), or more generally data-driven algorithms, has become ubiquitous in today's society. Yet, in many cases and especially when stakes are high, humans still make final decisions. The critical question, therefore, is whether AI helps humans make better decisions compared to a human-alone or AI-alone system. We introduce a new methodological framework to empirically answer this question with a minimal set of assumptions. We measure a decision maker's ability to make correct decisions using standard classification metrics based on the baseline potential outcome. We consider a single-blinded and unconfounded treatment assignment, where the provision of AI-generated recommendations is assumed to be randomized across cases with humans making final decisions. Under this study design, we show how to compare the performance of three alternative decision-making systems--human-alone, human-with-AI, and AI-alone. Importantly, the AI-alone system includes any individualized treatment assignment, including those that are not used in the original study. We also show when AI recommendations should be provided to a human-decision maker, and when one should follow such recommendations. We apply the proposed methodology to our own randomized controlled trial evaluating a pretrial risk assessment instrument. We find that the risk assessment recommendations do not improve the classification accuracy of a judge's decision to impose cash bail. Furthermore, we find that replacing a human judge with algorithms--the risk assessment score and a large language model in particular--leads to a worse classification performance. Machine Learning in Montpellier, Theory & Practice

Campus Triolet, Pl. Eugène Bataillon, Bat 5, TD 5.212 Jonathan Dubois - Institut de Science des Données de Montpellier Vous tentez d’étudier un processus sans apriori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Cette session se concentrera sur deux approches statistiques traditionnelles pour sélectionner les variables pertinentes dans l’analyses exploratoires. statistique, méthodologie, analyse exploratoire

Université de Montpellier - Campus Triolet, amphi bât. 20 Institut de Science des Données de Montpellier Nous avons le plaisir de vous inviter à notre réunion de rentrée 2026 qui se tiendra le 19 février à 15h00. Cette rencontre sera l'occasion de vous informer des avancées de nos projets, notamment sur la mise en production du cloud, de l'arrivée de nos GPUs, de notre feuille de route 2026 sur l’ensemble de nos activités, mais aussi de recueillir vos besoins et d'échanger ensemble. Nous espérons vous voir nombreux !

Campus Triolet, Pl. Eugène Bataillon, Bat 5, TD 5.204 Gino Frazzoli, Jonathan Dubois, Céline Mandier - Institut de Science des Données de Montpellier Dans cet atelier pratique, découvrez la reproductibilité avec Apptainer (Singularity), un outil de conteneurisation incontournable pour créer des environnements informatiques afin de reproduire vos résultats en toutes circonstances et sur toutes les machines. INFO, Reproductibilité, Apptainer