analyse et exploration de données, calcul haute performance, modèle de programmation

Données longitudinales (séquences, séquences temporelles, séries temporelles, séries d’images, etc.)

L’action SIMDAC prolonge et structure les travaux initiés par l’atelier « Similarités de données massives et complexes ». Elle a pour objectif de fédérer une communauté scientifique interdisciplinaire autour des études de similarité, en s’appuyant sur les collaborations existantes et en développant des liens avec d’autres GDR et disciplines, incluant l’intelligence artificielle, le calcul haute performance (HPC), les géosciences, la santé et les sciences cognitives.

L’atelier SIMDAC a constitué un premier socle pour cette communauté, réunissant des chercheurs des équipes PAMDA (LIFO), I3S, CBM, LIFAT(BDTLN), INRIA et IRISA. Il a permis d’échanger avec des ateliers ou actions du GDR MaDICS (Musicale, Datastro, TIDS, DAE, DSChem. Deux événements majeurs ont également contribué à cette consolidation :

• l’atelier SiDoS lors de la conférence EGC 2025 ;
• le colloque SIMDAC à Orléans en juin 2025.

Ces premières activités ont permis de construire de nombreuses collaborations et d’identifier les principaux verrous liés à l’étude de similarité. Une première partie du travail a été centrée sur l’analyse des données, en mettant en évidence les défis sémantiques et les problématiques propres aux différents types de données étudiés. Le lien avec le calcul HPC a été introduit de manière exploratoire, ouvrant la voie à des développements futurs. Le positionnement de l’action SIMDAC consiste désormais à élargir et structurer cette communauté de deux manières complémentaires :

• Développer des actions spécifiques pour la communauté HPC, afin de renforcer les liens avec les problématiques d’optimisation et de calculs sur des architectures haute performance.
• Établir des ponts avec d’autres GDR , afin d’enrichir le socle disciplinaire tout en intégrant les besoins applicatifs.

Cette démarche s’inscrit pleinement dans l’ambition de construire une approche transversale des études de similarité, combinant analyse de données, méthodes algorithmiques et applications pratiques. La complémentarité des membres de la communauté actuelle et les collaborations initiées en 2025, notamment à travers des projets ANR, constituent un appui solide pour atteindre ces objectifs et faire émerger un Groupe de Travail interdisciplinaire.