Actions

Présentation

La notion d’Action d’animation est au centre de MaDICS. Elle recouvre une problématique de recherche partagée par une communauté de chercheurs et de partenaires de diverses disciplines sur des masses de données scientifiques bien identifiées. Une Action propose un projet d’animation de recherche interdisciplinaire coordonnant diverses activités  (journées thématiques ou scientifiques, écoles d’été, études prospectives, proposition ou comparaison de méthodes et d’algorithmes, challenges scientifiques, etc. ).

Une Action et ses activités doivent respecter divers critères, tout particulièrement une visibilité scientifique à travers par exemple la production de rapports prospectifs ou l’organisation de séminaires  ; une animation nationale voire internationale et surtout une forte dimension interdisciplinaire. Les activités peuvent être développées en collaboration avec d’autres instances tels que des grands instruments, centres de calcul, autres organismes, autres GDR, …

Une création d’Action se fait suite à des appels émis par le GDR  MaDICS. Il n’est pas prévu de création au fil de l’eau. Pour consulter l’Appel en cours, rendez-vous sur MaDICS rubrique Actions/Appel.

Afin de favoriser les rencontres et l’interdisciplinarité, de renforcer les collaborations et d’éviter l’éparpillement des forces (et des moyens financiers), une Action est créée pour une durée de vie limitée (2ans, renouvelable une fois) et le nombre d’Actions soutenue en parallèle sera limité. Notez que chaque Action a au moins deux responsables issus d’instituts différents.

Chaque Action devra fournir un rapport d’activité annuel (attendu mi-octobre).

Actions en cours

Big Data for Astronomy

Acronyme : BigData4Astro

Responsables :

Résumé :

En astronomie, comme dans d’autres domaines, les recherches s’appuient en partie sur des analyses fines de grandes masses de données et des simulations à très grande échelle présentant des exigences spécifiques. En astronomie, la réponse à certaines questions, nécessite un saut d’un ordre de grandeur dans la taille, e.g. des simulations numériques. Les environnements informatiques actuels s’appuient sur des architectures HPC confrontées à des difficultés de gestion des données massives. Notre objectif est d’organiser et de mettre en réseau une communauté de chercheurs et d’ingénieurs s’intéressant à ces problématiques, favorable à une synergie interdisciplinaire scientifique et technique, s’inscrivant dans les efforts de convergence entre HPC et Big Data pour le traitement de ce type de données.

Données Intelligentes: transformer l’information en connaissance

Acronyme : DOING

Responsables :

Résumé :

L’action DOING se concentre sur la transformation des données en information puis en connaissance. L’idée est de mettre à contribution les expertises des chercheurs en TAL, BD et IA pour :
(1) extraire des informations dans les données textuelles et les représenter pour peupler des bases de connaissances. Le choix des entités et des relations à extraire pourra être guidé par les requêtes et éventuellement la structure de la base, avec l’idée d’extraire et stocker les données les plus intéressantes et importantes pour les consultations et les analyses des experts. DOING s’intéresse en particulier à la question de l’extraction de relations (pas uniquement binaire et pas uniquement inter-phrase) et à ce que l’interaction avec les bases peut apporter à cette tâche;
(2) proposer des méthodes intelligentes pour la manipulation et la maintenance de ces bases avec de nouvelles formes de requêtes englobant des mécanismes d’analyse efficaces, flexibles, sûrs, adaptés à l’utilisateur et qui respectent des contraintes de qualité et de vie privée. DOING s’intéresse en particulier aux graphes de propriétés, au langage d’interrogation style Cypher dans le cadre de Open Cypher et GQL et aux algorithmes d’analyse des graphes (centrality, community detection, similarity, link prediction, pathfinding).

anaLysE et dynaMique des messages et cONversations radicales sur Internet

Acronyme : LEMON

Responsables :

Résumé :

LEMON est une action de coordination active depuis deux ans. L’action visait l’exploration des données sociales et la mise en œuvre des méthodes pour détecter, analyser et caractériser les messages et conversations radicales sur Internet. Pour atteindre ce but, LEMON avait réuni des chercheurs en sociologie, socio linguistique, traitement automatique des langues (TAL), fouilles de données et intelligence artificielle.
Par rapport à son objectif initial, l’orientation de LEMON a légèrement changé notamment en 2020, et les travaux réalisés ont abordé l’analyse des contenus extrémistes et de la haine en ligne dans la blogosphère française. Pour la suite de l’action, nous souhaitons privilégier cette orientation qui nous semble plus opportune, car elle nous permet de nous synchroniser avec le projet FLYER.

MAChine LEarning for EArth observatioN

Acronyme : MACLEAN

Responsables :

Résumé :

L’objectif principal de cette action est de mettre en place une dynamique d’échange entre des experts en Sciences de l’Environnement et Télédétection et des experts en Science de Données (STIC) pour relever les nouveaux défis liés aux systèmes modernes d’observation de la Terre (grande quantité de données à différentes échelles spatiales, temporelles et spectrales, nuage de points 3D, fusion de données multimodales, etc.). Pour cela, nous focalisons notre attention sur l’analyse de ce type d’information à travers des techniques d’apprentissage automatique avec un focus sur les méthodes d’apprentissage profond, ces dernières étant très développées dans le milieu de la vision par ordinateur et traitement du signal mais pas encore mûres dans le domaine de la télédétection.
Autant les méthodes permettant de faire de la classification ou segmentation sémantique sont aujourd’hui bien maîtrisées, certains verrous existent encore. L’action aura comme objectif de travailler et animer la communauté nationale autour de trois aspects principaux : i) les méthodes d’apprentissage pour des séries temporelles d’imagerie satellitaire, ii) les méthodes d’apprentissage pour de la fusion de données multi-capteurs et iii) les méthodes d’apprentissage couplé avec des approche plus orientés modèle physique.

Maîtriser l’Analyse interactive de DOnnées pour la NArration journalistique

Acronyme : MADONA

Responsables :

Résumé :

La poursuite de l’action MADONA vise à éprouver les premières modélisations déjà obtenues en les confrontant à un contexte élargi : (i) un contexte scientifique qui amplifiera les collaborations existantes en intégrant de nouveaux chercheurs issus de disciplines connexes et de nouveaux acteurs professionnels ; (II) un contexte thématique qui ouvrira vers de nouvelles thématiques (open data, données de la recherche…). Des rencontres et ateliers seront organisés autour des verrous identifiés lors des précédents échanges. Les réalisations visées sont des publications scientifiques transdisciplinaires, des ateliers lors de conférences scientifiques, un séminaire de recherche en SHS, des prototypes à destination des datajournaliste et un ouvrage de vulgarisation.

PLATFORM : Impact Sociétal des Algorithmes Décisionnels

Acronyme : PLATFORM

Responsables :

Résumé :

Notre action vise à examiner les impacts des algorithmes décisionnels sur les choix des consommateurs. Avec l’émergence des plateformes numériques, ces algorithmes sont devenus fondamentaux dans la stratégie des firmes 4.0. : ils permettent d’inférer les préférences de millions d’individus et de leur proposer une offre ciblée et pertinente. Notre action vise à créer et animer une communauté scientifique en informatique, marketing, économie comportementale et psychologie cognitive pour étudier le lien entre les caractéristiques des algorithmes décisionnels et les déterminants comportementaux des consommateurs. Pour ce faire, nous organiserons des datathon et hackathon pour la conception et déploiement d’expériences contrôlées.