Projets en cours

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.

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.

Facilitated Exploration: Interactive Constraint-Driven Data Mining The FIDD project disrupts data exploration through a continuous learning loop. It acquires user-specific constraints using Constraint Acquisition. Efficient, declarative model revision for pattern extraction, employing symbolic AI techniques (e.g., CP, SAT), ensures optimal problem resolution. The project goal is to create an iterative process in which users interact dynamically, enabling active learning and adaptation. Advanced machine learning understands evolving user needs, while constraint reasoning continually refines the pattern extraction model.

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.

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.

uSing argUmentation foR Fact-checkING Some grand challenges facing humanity include climate change and health. Unfortunately, implementing effective solutions for these challenges is counteracted by misinformation, disinformation, and malinformation (MDM), e.g., climate change denying or anti-vaccine propaganda. The team proposes robust and holistic fact verification methods to address this issue. The proposed methods can reduce data bias, aggregate information across multiple statements, and yield global conclusions. While humans can utilize background and domain knowledge to argue about the veracity of a fact, computers do not normally have access to such information.

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.

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.

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.

Studying human compliance with argumentation principles: Creating a rational-based framework for overcoming polarisation Le projet est réalisé en collaboration avec l’université de Belgrade. Ce projet est le fruit d’une collaboration entre des informaticiens et des psychologues. Nous étudions le problème de la polarisation et des théories du complot et visons à définir un paradigme de raisonnement qui peut aider les humains à être plus rationnels lorsqu’ils raisonnent et discutent. Plus particulièrement, nous utilisons la théorie de l’argumentation pour structurer la façon dont les humains raisonnent pour réduire le risque de sophismes.

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.