Thème Données, Services, Intelligence

Présentation

Les travaux menés dans le thème DSI (Données, Services, Intelligence) portent sur trois problématiques interdépendantes :

  • Gestion de grandes masses de données : il s'agit d'étudier ici les problèmes liés à l'intégration de données hétérogènes et à l'interrogation de grandes masses de données dans le cadre d'architectures distribuées et massivement parallèles. Les travaux développés s'intéressent à l'expérimentation à grande échelle de systèmes de gestion de grandes masses de données ainsi qu'à l'exploration de nouvelles approches pour l'optimisation des requêtes dans ce contexte. 
  • Extraction des connaissances et apprentissage artificiels. Les problèmes étudiés dans ce contexte concernent à la fois la proposition de nouveaux algorithmes d’extraction de connaissances et d’apprentissage artificiel en présence de données complexes et massives et l’étude, pour des objectifs de passage à l’échelle, du portage de ce type d’algorithmes vers des environnements de type Cloud (en liaison avec la problématique précédente). Les approches développées visent à définir un cadre de formalisation et de spécification d'un système intelligent capable d’extraire des connaissances ou d’apprendre à partir de données complexes, et de les contrôler par interaction avec un utilisateur. La qualité de la connaissance extraite ou apprise se trouve ici au coeur des préoccupations. Ainsi la prise en compte de la sémantique associée à cette connaissance facilite l’interaction avec l’utilisateur.
  • Analyse, vérification, test des applications, des services web et des processus métier. Les travaux portent sur l'analyse de services, d'applications ou de processus métiers dans le but de les optimiser, fiabilier ou de les sécuriser. Les applications sont modélisées via des onthologies ou par des modèles (formels ou UML). D'une manière générale, ces modèles servent ensuite à optimer une propriété donnée, à vérifier si une propriété est satisfaite ou à générer des tests.   Les travaux dévelopés s'articulent autour de trois activités : analyse et vérification des applications (services web et  processus métier), la conformité et la sécurité de logiciels et  la génération de modèles à partir de traces. 
 

 

 

Dernières Publications

Durande Kamga Nguifo, Jerry Lonlac, Anthony Fleury, Engelbert Mephu Nguifo - 23 mars 2026
Unleashing the Power of Gradual Patterns for Explainable AI
The 41st ACM/SIGAPP Symposium On Applied Computing (SAC)

Michael Franklin Mbouopda, Emille E O Ishida, Engelbert Mephu Nguifo, Emmanuel Gangler - 22 janvier 2026
Explainable classification of astronomical uncertain time series
Big Data Research

Andrei Ciortea, Matteo Castellucci, Kai Schultz, Jérémy Lemée, Danai Vachtsevanou, Fabien Gandon, Simon Mayer, Valentin Berger, Samuele Burattini, Alessandro Ricci, Olivier Boissier - 8 janvier 2026
Yggdrasil: An Artifact-Based Framework for Hypermedia Multi-Agent Systems


Thabang Lebese, Victor Charpenay - 8 janvier 2026
Energy-Aware AI: Matching Model Training to Energy Surplus


Anthony Bertrand, Engelbert Mephu Nguifo, Violaine Antoine, David Hill - 19 décembre 2025
A K-MEANS, WARD AND DBSCAN REPEATABILITY STUDY


Christopher Leturc, Fabien Gandon, Maxime Lefrançois - 10 décembre 2025
Possible Hyperworlds: representing Kripke models in RDF


Cezar Mbiethieu, Norbert Tsopze, Engelbert Mephu Nguifo - 1 décembre 2025
XLITE-Unet: Extremely Light and Efficient Deep learning architecture with selective atrous and axial depthwise convolution for image segmentation
Computer Vision and Image Understanding

Maxime Lefrançois, Fatiha Saïs, Cassia Trojahn - 21 novembre 2025
Post-actes de la conférence Ingénierie des Connaissances (IC 2021-2022-2023)


Nicolas Robert, Fabien Gandon, Maxime Lefrançois - 15 novembre 2025
OLIVAW: ACIMOV's GitHub robot assisting agile collaborative ontology development
24th IEEE /WIC International Conference on Web Intelligence and Intelligent Agent Technology

Victor Charpenay, Steven Schockaert - 4 novembre 2025
Less Is MuRE: Revisiting Shallow Knowledge Graph Embeddings
The 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025)

Toutes les publis se trouvent ici