Résumé : L’IA générative impacte de nombreux domaines d’application en entreprise. En premier lieu, et surtout grâce à ChatGPT, perçue comme un formidable outil pour interagir avec les utilisateurs, l’IA générative offre également de nombreuses perspectives de généralisation et d’adaptation. Nous explorerons dans cette présentation les rouages des grands modèles de langue (LLMs en anglais), modèles fondamentaux de l’IA générative, leurs capacités à résoudre des tâches de plus en plus complexes, ainsi que leurs limites. Nous aborderons ensuite un point de vue d’utilisation des LLMs pour les systèmes d’information autour de la valorisation des données structurées (bases de données, graphes de connaissances, …) et l’exploitation d’outils externes/API pour la synthèse d’information.

Résumé : Les graphes de connaissances, du fait de leur construction et de leur nature ouverte, sont souvent incomplets et erronés. Dans le but de nettoyer les graphes de connaissances, notamment pour faciliter leur exploitation, la fouille de règles d’association est une méthode bien établie. Dans cet exposé, nous montrons que l’interprétation des règles d’association peut être difficile, et introduisons le concept de règle graduelle causale. Plus particulièrement, nous présentons l’intérêt d’introduire le concept de causalité dans ces règles afin d’avoir des règles interprétables, définissons ces règles, et présentons des approches permettant de les découvrir dans un graphe de connaissances.

Résumé : L’apprentissage décentralisé permet à différents agents d’entraîner collectivement un modèle d’apprentissage automatique en échangeant uniquement des messages selon un graphe de communication, tandis que les données restent stockées localement. Si la décentralisation des données est souvent vue comme un gage de protection, nous montrons qu’elle n’est pas suffisante pour protéger les données efficacement. Pour limiter les risques, nous adaptons la confidentialité différentielle, traditionnellement utilisée dans le cadre centralisé, au cadre décentralisé. Nous donnons alors des résultats de performance et de garanties de la vie privée pour plusieurs algorithmes standards du domaine.

Résumé : Le Système d’Information pour les données géoscientifiques met à disposition une organisation de la gestion de données geoscientifiques depuis l’acquisition jusqu’à la diffusion des connaissances pour répondre aux besoins utilisateurs de cette donnée. Nous développons une plateforme intégrative qui met à disposition, entre autres, des méthodes et des outils de capitalisation et de validation de données de référence, la traçabilité de l’information, la mise à jour en continu tout en garantissant l’accès et la diffusion des données et des modèles. Ce système s’intègre dans une plateforme numérique qui met à disposition des outils de traitement des données. Il s’agit de concevoir, de développer et de mettre en production une chaîne d’outils et d’application opérationnels répondant aux principes de la FAIRisation des données (interopérabilité des données).

Bio : Francesca Bugiotti holds a position as assistant professor at CentraleSupélec in Paris. She received her „Dr. Ing.“ degree in Computer Engineering in 2012, with a thesis on heterogeneity in databases. She worked as an intern and as a post-doc at Inria Saclay studying the problem of indexing RDF datasets in a cloud infrastructure and studying efficient data storage mechanisms for heterogeneous data in the cloud and joined CentraleSupélec in 2015. Her research activity focuses on heterogeneous data integration, big data, conceptual models, NoSQL storage systems integration, NoSQL data model characteristics and query expressive power.

Résumé : Applying Transfer-Learning based on pre-trained language models has
become popular in Natural Language Processing. In this research, we present a weakly
supervised Named Entity Recognition system that uses a pre-trained BERT model
and applies two consecutive fine-tuning steps. We show the results on large amount
of old scanned documents and we show recent enhancements in our research showing how LLMs (Large Langage Models) can resolve entities originating from multiple data sources.

Bio : Stefania Dumbrava holds a position as maître de conferences at ENSIIE in Évry and is a member of the ACMES team of the SAMOVAR laboratory (Télécom SudParis, Institut Polytechnique de Paris). She earned a Ph.D. in Computer Science from Paris-Saclay University in 2016, with a thesis on formally proving functional properties of data-centric models inside a proof assistant. She worked as a post-doc in the LIRIS laboratory (Claude Bernard University) investigating topics concerning graph data views, summarization, and querying, as well as in the IRISA laboratory (ENS Rennes), studying the automatic derivation of static analyzers. Recently, she has participated in the design of formalisms for specifying property graph schemas and key constraints. Her current research activity focuses on the use of formal methods to increase confidence in the reliability of graph algorithms and systems.

Résumé : Property graphs are becoming pervasive in various graph processing applications using interconnected data. Although they are widely used in several open-source and commercial graph databases, their schema definition however is not as well-understood as that of their relational counterparts. In this talk, we give an overview of recent work on specifying property graph schemas and on discovering their underlying structural concepts from heterogeneous real-world datasets.

Résumé : La transformée de Fourier Discrète (DFT) des structures musicales a connu un développement remarquable au XXIe siècle. À ne pas confondre avec sa cousine la transformée de Fourier continue, vitale en traitement du signal, la DFT a révélé des significations musicales précises pour les diverses dimensions de ses coefficients et offert de nouveaux espaces de représentation pour accords ou rythmes.
Mais est-ce juste l’efficacité d’un outil bien rôdé? Ou bien peut-on espérer trouver une meilleure méthode de décomposition des objets musicaux?
Cet exposé parcourt ces questions et tente d’y donner une réponse définitive, grâce à un théorème élémentaire mais original, particulièrement approprié au contexte musical.

Résumé : Depuis environ dix ans, le domaine de la recherche d’information dans la musique (MIR pour music information retrieval) connait une transformation majeure, qui se manifeste par le développement d’algorithmes d’apprentissage profond (deep learning) ; en particulier, des réseaux de neurones convolutifs (convnets). Ces algorithmes peuvent être entrainés sur des données massives, parfois sans annotation experte, et sans autre a priori que la définition d’une fonction objectif. Dans cet exposé, je commencerai par expliquer certains des succès des convnets à partir des notions mathématiques d’équivariance et d’invariance. Ensuite, je signalerai une faiblesse des convnets ayant trait à leur complexité calculatoire et leur champ réceptif restreint. À partir de mon travail sur la diffusion en ondelettes (scattering transform), je montrerai que les similarités perçues de timbre et de texture peuvent être caractérisées efficacement sur des échelles multiples avec peu ou pas d’apprentissage. Je conclurai en présentant le projet en cours “Réseaux de neurones multirésolution” (MuReNN pour Multi-Resolution Neural Networks) dont l’ambition est d’offrir un modèle guidé par les données, efficace à l’apprentissage comme à l’inférence, et capable d’atteindre des champs réceptifs de plusieurs millions d’échantillons audio.