Conception et modélisation de systÚmes connectés durables, autonomes, intelligents et à basse consommation énergétique appliqués à l'apiculture de précision

Responsable : Dr. Doreid AMMAR

Un projet de recherche dans le cadre de la thĂšse de doctorat de Hugo Hadjur, en co-tutelle avec l’ENS de Lyon et sous la co-direction de Doreid Ammar, Professeur et Directeur acadĂ©mique d’aivancity et de Laurent LefĂšvre, Professeur et chargĂ© de recherche INRIA/ENS de LYON
Les insectes pollinisateurs menacĂ©s d’extinction Ă  cause de l’intensitĂ© du modĂšle agricole et industriel actuel avec les pesticides, la bĂ©tonisation, la pollution et le rĂ©chauffement climatique, ce projet de thĂšse a pour but de dĂ©velopper un systĂšme d’apiculture innovant et capable de diagnostiquer automatiquement la santĂ© d’une ruche grĂące Ă  l’Internet des Objets et l’Intelligence Artificielle (IA), tout en assurant le respect des contraintes du mĂ©tier d’apiculteur et de conception (maximiser l’utilisation des ressources, minimiser le coĂ»t Ă©nergĂ©tique). Le dĂ©veloppement d'algorithmes d’apprentissage automatique (machine learning), capables de gĂ©rer plusieurs flux de donnĂ©es gĂ©nĂ©rĂ©s par une ruche connectĂ©e, sera essentiel pour contribuer Ă  la protection des abeilles et Ă  conserver leur rĂŽle dans le maintien de la balance Ă©cologique et de la biodiversitĂ©Ì.
  

Projet ANR SKYDATA : Projet d’étude des propriĂ©tĂ©s minimales d'un systĂšme distribuĂ© pour l'apprentissage fĂ©dĂ©rĂ©

Responsable: Dr. Etienne MAUFFRET

L'objectif de ce projet de recherche de l’Agence Nationale de la Recherche (ANR), en collaboration avec l'ENS Lyon, est l'Ă©tude et la mise en place d'un systĂšme de donnĂ©es autonomes et intelligentes. Les donnĂ©es d'un tel systĂšme sont capables d'Ă©voluer, de migrer et de se rĂ©pliquer, d'elle-mĂȘme, sans l'intervention d'un systĂšme de gestion de fichier. L'utilisation de l'Ă©tat des connaissances des systĂšmes de gestion de donnĂ©es Ă  large Ă©chelles, des systĂšmes distribuĂ©s et des systĂšmes multi-agents avec de l'apprentissage fĂ©dĂ©rĂ© favorisera la mise au point ce nouveau paradigme de gestion de donnĂ©es.

Fully Distributed Federated Learning in asynchronous dynamic distributed systems (Apprentissage Fédéré EntiÚrement Distribué dans des systÚmes distribués dynamiques et asynchrones)

Responsable(s) : Dr. Etienne MAUFFRET, en partenariat avec : Eddy Caron, Elise Jeanneau, Aurélie Beynier

Ce projet vise Ă  comprendre et Ă  Ă©tablir des algorithmes efficaces d'apprentissage fĂ©dĂ©rĂ© dans un systĂšme entiĂšrement distribuĂ©. En particulier, nous chercherons Ă  identifier les propriĂ©tĂ©s minimales requises pour de tels systĂšmes et Ă  dĂ©terminer les performances pouvant ĂȘtre attendues dans des systĂšmes minimaux.

Formalisation de la méthodologie de Difference-in-Discontinuities

Responsable(s) : Dr. Yacine ALLAM et André MIRANDA ACEVEDO

Dans le cadre d'un travail de recherche exploratoire, l'objectif du projet est de construire et de formaliser une méthodologie d'inférence causale pour répondre à une question d'absence de méthodologies non-biaisées et robustes dans le domaine de politiques publiques territoriales. La construction du modÚle se fait similairement à une RDD géographique mais avec un aspect temporel, une sorte de mélange de Différence-de-Différences et Régression en Discontinuité. Plus précisément, on cherche à isoler l'effet du traitement et à l'estimer en faisant une régression localement linéaire dans le voisinage d'un seuil de notre variable explicative.

NLP pour identifier les biais du genre dans les décisions de justice

Responsable : Dr. Yacine ALLAM

Ce projet vise Ă  exploiter le traitement du langage naturel (NLP) pour analyser les biais potentiels dans les dĂ©cisions de justice. A travers une collecte de donnĂ©es portant sur les dĂ©cisions de justice Ă  partir de 1990 (bases de donnĂ©es juridiques, archives, sites web), la recherche consiste d’abord Ă  extraire des informations clĂ©s telles que les noms des juges, les sanctions et les jugements finaux et ensuite de dĂ©velopper des mĂ©thodes pour traiter et organiser ces donnĂ©es pour une analyse portant sur les biais potentiels liĂ©s au genre dans le prononcĂ© des peines : les peines diffĂšrent-elles en fonction du sexe du juge dans les affaires de violence sexuelle et sexiste ? Les peines diffĂšrent-elles en fonction de l'origine du dĂ©fendeur ?

Diff-in-Disc : Une méthode robuste pour retrouver la causalité dans un contexte spatial

Responsable : Dr. Yacine ALLAM

Ce projet vise à développer une méthodologie d'inférence causale, plus précisément la méthode "diff-in-disc" (différence en discontinuité). L'objectif principal est de créer un cadre méthodologique rigoureux pour la méthode diff-in-disc en contexte spatial, et de développer un package dédié.

Du partage Ă  la valorisation

Évaluer l'impact de l'essor d'Airbnb sur les prix de l'immobilier via l’analyse des donnĂ©es des transactions immobiliĂšres de 2018 Ă  2020

Responsable : Dr. Yacine ALLAM, en partenariat avec : Julie Le Gallo (Institut Agro Dijon), Marie Breuillé (INRAE)

Cette recherche examine l'impact de la densité des annonces de locations de courte durée (LCD) sur les prix des transactions immobiliÚres en France métropolitaine. En utilisant des données sur les annonces Airbnb et les prix des transactions immobiliÚres sur la période 2018-2020, couvrant l'ensemble du pays et offrant ainsi une validité externe robuste, cette recherche se concentre sur les variations spatiales au sein de différentes zones, y compris les villes principales, les villes secondaires, les banlieues et les zones rurales.

Étude causale de la discrimination en France en identifiant la diffĂ©rence de votes des listes conduites par des candidats d'origine nord-africaine lors des Ă©lections municipales françaises de 2014

Responsable : Dr. Yacine ALLAM
Evaluation de l'existence et de l'Ă©tendue de la discrimination raciale dans les Ă©lections municipales françaises, en analysant de maniĂšre causale la diffĂ©rence dans les pourcentages de vote d'une liste entre 2008 et 2014 lors d’un changement de la tĂȘte de liste entre un candidat non nord-africain et un candidat nord-africain.

Projet ANR : Démonstrateurs numériques dans l'enseignement supérieur (DemoES)

Reponsable : Dr. Doreid AMMAR

aivancity partenaire du projet PEIA (Plateforme d'ExpĂ©riences Immersives Apprenantes), portĂ© par l’UniversitĂ© Polytechnique des Hauts de France qui figure parmi ceux des 14 universitĂ©s et trois Ă©coles laurĂ©ates de l’AMI DemoES du PIA4. Ce projet visa Ă  relever de nouveaux dĂ©fis, tant en pĂ©dagogie qu'en recherche, pour l'enseignement supĂ©rieur et poursuit la transformation des pratiques pĂ©dagogiques numĂ©riques plus inclusives, via des environnements virtuels et rĂ©alistes collaboratifs.
Le projet PEIA (Plateforme d'ExpĂ©riences Immersives Apprenantes), portĂ© par l'UniversitĂ© Polytechnique Hauts-de-France (UPHF) et l'UniversitĂ© Catholique de Lille (ICL), propose la crĂ©ation d'un Immersif Learning Management System (I-LMS) en open source. Il vise Ă  soutenir une communautĂ© immersive et apprenante, Ă  offrir des expĂ©riences d'apprentissage dans des mondes persistants, ainsi qu'Ă  l'Ă©dition de ressources immersives. Voir : http://peia-demo.com/home L’implication d’aivancity dans le projet PEIA est de participer Ă  la crĂ©ation de chatbot intelligents dans le cadre du I-LMS. Il s’agit d’un projet dĂ©veloppĂ© dans le cadre de la Clinique de l’IA.

Approximating sparse semi-nonnegative matrix factorization for X-Ray covid-19 Image Classification

Responsable : Dr. Amel MHAMDI

Ce projet a Ă©tĂ© Ă©laborĂ© Ă  la suite des enjeux crĂ©es par la crise sanitaire du COVID-19 et ses consĂ©quences sur le systĂšme de santĂ©. Le but principal est de dĂ©velopper une analyse de donnĂ©es numĂ©riques et fiables sur le bon diagnostic des patients atteint de la pathologie. L’analyse se base sur les donnĂ©es d’imagerie mĂ©dicale, notamment de radiologie thoracique, alors utilisĂ©es intensivement lors de la crise sanitaire. Le but de ce projet est de crĂ©er un nouvel algorithme, plus fiable que les algorithmes actuels, permettant la dĂ©tection automatique des patients atteints sur la base de leur rĂ©sultat d’imagerie. C’est dans ce cadre-lĂ  que des travaux de R&D ont Ă©tĂ© engagĂ©s.