Appels 2025
Les appels MAIA à cofinancement de thèse, financement de postdocs et financement d'actions innovantes sont sortis : Financement d'initiatives innovantes. Financement de Post-Doctorant(e)....
Post Doc 2024
Contexte
Le projet MAIA (Maîtrise des apllications de l'IA) vise à développer des solutions de recherche originales et génériques pour faire avancer l'explicabilité formelle et l'acceptabilité sociétable de l'IA, avec un focus sur trois domaines phares : la santé, la chimie et l'environnement de l'alliance A2U (Université d'Artois, UPJV et ULCO) ainsi que pour la région Hauts de France (HdF) Le finacement des posts doctorat fera parti des appels récurrents du projet MAIA.
Cadre
Cet appel sera ouvert de façon récurrentes (annuels) aux chercheurs et enseignants-chercheurs de l'alliance A2U travaillant dans l'un des cinq axes du projet MAIA : IA explicable (XAI), IA acceptable (question SHS), application de l'IA en santé, chimie et environnement. La priorité sera donnée aux projets collaboratifs intégrant plusieurs équipes ou laboratoires, ou un établissement externe (collectivité, entreprise ,...) Le finacement sera accordé pour 12 mois.
Sélection 2024
Transformation Psychosociale par l'IA : Optimisation de la performance académique et du bien être étudiant.
Directeur :
- Aymeric Parant
Laboratoire(s) d'accueil :
- CRP-CPO (UPJV)
- SHERPAS, URePSS (UArtois)
- CRIL (UArtois)
Résumé
- Ce projet de recherche en psychologie sociale vise à améliorer la performance académique et la santé mentale des étudiant(e)s grâce à une intervention axée sur le growth mindset et la pleine conscience (mindfulness). L'originalité réside dans l'utilisation de l'intelligence artificielle, notamment des modèles de large langage (LLM), pour analyser qualitativement les données de l'intervention.
Comprendre la dynamique des flux de CO2 dans les eaux côtières mondiales
Directeur :
- Roy El Houramy
Laboratoire(s) d'accueil :
- Laboratoire d'Océanologie et de Géosciences
Résumé
- L'augmentation significative des niveaux de CO2 atmosphérique soulève des inquiétudes quant à son impact sur le climat et la biosphère. Dans le cadre d’un projet ANR CO2COAST fédéré par le LOG, un algorithme d’estimation de la pression partiel de CO2 à la surface de la mer (pCO2w) a été proposé, adapté aux régions côtières. En revanche, les régions de hautes latitudes ont été exclues en raison de la complexité de la dynamique du pCO2w en présence de glace de mer. La vision du flux de CO2 à l’échelle du globe reste incomplète, cette proposition de projet postdoctoral vise à prendre en compte les hautes latitudes en développant un nouvel algorithme d'estimation de pCO2w et évaluer la position des pôles dans cette dynamique de flux. Pour assurer cela, nous proposons d’employer une méthodologie basée sur la régression clusterwise qui quantifiera et évaluera la variabilité de pCO2w en fonction de paramètres physiques et biogéochimiques observés par satellite. L'opérationnalisation de l'algorithme produira un ensemble de données pour permettre une vision globale des flux de CO2 côtiers, permettant l'investigation d'une série temporelle complète de 1997 à nos jours à haute résolution spatio-temporelle. Cette méthodologie clusterwise permettra aussi de mettre en relief des caractères régionaux et une dynamique propre à des types d’écosystème côtier. Les résultats contribueront à une meilleure compréhension de la contribution des eaux côtières aux flux mondiaux de carbone et aideront la communauté de modélisation à affiner ses modèles du cycle mondial du carbone.
Flux automatique pour la découverte de donées sur les cyclodextrines
Directeur :
- Adlane Sayede
Laboratoire(s) d'accueil :
- UCCS UMR NRS 8181
Résumé
- L'objectif principal du projet "Flux Automatique pour la Découverte de Données sur les Cyclodextrines" (AFlowCD) est de mettre en place un processus automatisé d'exploration des données liées aux cyclodextrines, avec un accent particulier sur la constante d'association (K), l'énergie libre de Gibbs, le pH, la température (T), et les différentes techniques d'analyse utilisées pour déterminer K. Les données nécessaires seront extraites de diverses sources telles que des articles scientifiques, des livres, des brevets, ainsi que des bases de données structurées ou non structurées. Ces données seront ensuite utilisées pour entraîner un modèle de prédiction de K. Les résultats escomptés de ce projet incluent une base de données plus robuste et diversifiée, permettant une amélioration significative du modèle LightGBM existant. La qualité des prédictions de l'énergie libre de complexation entre les molécules organiques invitées et les cyclodextrines devrait ainsi être renforcée. L'automatisation du processus d'extraction des données contribuera à une plus grande efficacité dans la collecte d'informations pertinentes. Sur le plan scientifique, le projet vise à approfondir la compréhension des propriétés des cyclodextrines, en particulier de celles modifiées, et à élargir les applications potentielles de ces composés. Du point de vue industriel, les résultats attendus pourraient conduire au développement de nouvelles approches dans la conception et l'utilisation des cyclodextrines, ouvrant ainsi la voie à des applications innovantes dans des domaines tels que la pharmacologie, la technologie alimentaire et la science des matériaux.
Cadre de fiabilité de l'IA - Naviguer dans l'interaction entre le droit et les normes
Directeur :
- Marion Ho-Dac
Laboratoire(s) d'accueil :
- CDEP (UArtois)
Résumé
- La recherche proposée s’inscrit dans le contexte normatif de la proposition européenne de loi sur l’intelligence artificielle (« AI Act ») en cours de négociation et qui devrait être adoptée en 2024. Ce texte instaure un cadre réglementaire horizontal commun pour les systèmes d’intelligence artificielle (« SIA ») en vue d’instaurer une IA de confiance, centrée sur l’humain. Les exigences légales de l’AI Act (transparence, contrôle humain, robustesse, gouvernance des données, non-discrimination, gestion des risques, etc) doivent être « traduites » par des normes harmonisées à rédiger, pour le marché européen, au sein des organismes de normalisation. Dans ce contexte, comment construire une architecture normative de confiance pour l’IA dans l’Union européenne, prête à l’emploi pour les parties prenantes ? La recherche vise à travailler sur l’articulation entre les exigences légales (le règlement européen : AI Act) et les normes techniques (les futures normes harmonisées adoptées sur le fondement de l’AI Act) dans la mise en place de la régulation européenne des SIA. L’objectif est de produire un cadre de référence pour la gouvernance de l’IA de confiance (alliant loi et normes) à destination des autorités publiques et de l’industrie et ainsi participer à renforcer l’acceptabilité de l’IA dans la société.
