Clôturé le 8 avril dernier, l'AAP 2024 a permis de sélectionner 7 lauréats. À l’issue de la réunion du 24 mai, les projets de la liste suivante ont été validés par le conseil scientifique du DIM AI4IDF :
Camille CAZEAUX | "Apprentissage de graphes aléatoires multi-types croissants: théorie, algorithmes et applications" (axe 1)
Directeurs de thèse : Anna Ben-Hamou, Nicolas Broutin & Vianney Perchet
Eyal COHEN | "Équité algorithmique pour la classification multiclasse à saveur causale" (axe 1 et 4)
Directeurs de thèse : Christophe Denis & Antoine Chambaz
Pierre EPRON | "Knowledge based Hallucinatio Detection & Mitigation in Large Language Models" (axe 2 et 4)
Directeurs de thèse : Mehwish Alam & Adrien Coulet
Inas OULKAID | "Micro-FongIA : application de la microscopie couplée à l’IA par une approche de deep learning pour l’identification présomptive des agents fongiques responsables de fongémies et la détection de la résistance aux antifongiques » (axe 4)
Directeurs de thèse : Arnaud Fekkar & Yaneck Go Esman
Jana SWEIDAN | "Linguistic Analysis of handwriting and speech for detecting neurodegenerative diseases: Application to the detection of Alzheimer and Mild Cognitive Impairment" (axe 2 et 4)
Directeurs de thèse : Mounîm A. El Yacoubi & Nasredine Semmar
Eyal VAYNESS | "Réduction de jeux de données pour l’apprentissage statistique large échelle" (axe 1)
Directeurs de thèse : Olivier Fercoq, Etienne Roquain & Maxime Sangnier
Rita YABOURI | "Data-Driven Prediction of Cognitive Trajectories in Elderly at Risk of Alzheimer’s: Role of EEG with biological and clinical data" (axe 4)
Directeurs de thèse : Nesma Houmani, Sonia Garcia & Katia Andrade
Le comité de sélection était composé de :
- Elisabeth Gassiat (Pr Université Paris-Saclay)
- Marianne Clausel (Pr Université de Lorraine)
- David Filliat (Pr ENSTA Paris)
- Djamé Seddah (MCF dét. INRIA)
- Elodie Laine (MCF SU, LCQB)
- Véronique Moriceau (MC, IRIT)
- Nicolas Mansard (LAAS, CNRS)
- François Rousseau (Pr IMT Atlantique)
Voici le tableau en format HTML : ```html
| Domaine de l'IA | Description | Exemples d'Applications |
|---|---|---|
| Apprentissage Machine (Machine Learning) | Technique permettant aux ordinateurs d'apprendre à partir de données sans être explicitement programmés | Reconnaissance d'image, recommandations de produits, détection de fraudes |
| Traitement du Langage Naturel (NLP) | Capacité des machines à comprendre et générer du langage humain | Assistants vocaux, traducteurs automatiques, analyse de sentiment |
| Vision par Ordinateur | Extraction d'informations utiles à partir d'images et de vidéos | Reconnaissance faciale, diagnostic médical, voitures autonomes |
| Robotics | Conception et création de robots capables de réaliser des tâches | Robots industriels, drones, robots de service |
| Systèmes Experts | Programmes informatiques qui imitent la prise de décision d'un humain expert | Diagnostic médical, assistance juridique, configuration de produits complexes |
| IA dans les Jeux | Utilisation de l'IA pour développer des stratégies et prendre des décisions dans les jeux | Adversaires virtuels dans les jeux vidéo, jeux d'échecs et de go, simulations de guerre |
| Apprentissage Profond (Deep Learning) | Sous-domaine de l'apprentissage machine utilisant des réseaux de neurones profonds | Reconnaissance vocale, vision par ordinateur, génération de texte |
| Planification Automatique et Raisonnement | Techniques permettant aux machines de prendre des décisions et de résoudre des problèmes complexes | Planification de missions spatiales, gestion de la logistique, optimisation des routes de livraison |
| Réseaux Neuraux | Modèles computationnels inspirés du cerveau humain utilisés pour reconnaître des motifs complexes | Reconnaissance de la parole, prévision boursière, analyse d'images médicales |
| IA en Santé | Applications de l'IA pour améliorer les soins de santé et la médecine | Diagnostic assisté par ordinateur, découverte de médicaments, gestion des dossiers médicaux |
```
