Exemples science des données & intelligence artificielle

PRISM : l’IA contre le Cancer

Le Centre National de Médecine de Précision en Oncologie PRISM est un Institut hospitalo-universitaire (IHU) financé par l’ANR dans le cadre du plan France2030. Il est fondé sur une vision transformative et à long terme de la prise en charge du cancer et de son interception, et est issu de plusieurs années de recherche translationnelle menée par les équipes de Gustave Roussy, en partenariat avec CentraleSupélec, l’Université Paris-Saclay, l’Inserm et Unicancer.

Les laboratoires de l’école sont fortement impliqués pour l’analyse des données patients. Afin de mieux traiter chaque patient, il est nécessaire de caractériser d’une façon très fine sa maladie, chaque cancer étant unique. Cela passe par la collecte de données cliniques, moléculaires de différents types (les « omics »), désormais mesurées à des échelles intra-cellulaires, ou encore d’imagerie.

L’intelligence artificielle va permettre l’intégration de ces données hétérogènes et multi-modales, le développement de modèles prédictifs et interprétables de réponse aux traitements, ou encore l’identification de populations à risques.

ERC MAJORIS

Porté par Emilie Chouzenoux, directrice de recherche Inria au Centre de vision numérique (CVN), l’ERC MAJORIS vise à proposer une percée dans les algorithmes Majorisation-Minimisation (MM), afin qu’ils restent efficaces lorsqu’ils traitent de grandes données.

De plus en plus, en biologie, médecine, astronomie, chimie, physique, de grandes quantités de données sont collectées par des dispositifs d’acquisition de signaux et d’images en constante amélioration, qui doivent être analysées par des outils d’optimisation sophistiqués. Ce projet traite des problèmes d’optimisation avec de grands ensembles de données. Cela signifie minimiser une fonction de coût avec une structure complexe et de nombreuses variables.

Plusieurs questions difficiles concernant la conception des algorithmes sont abordées. Il s’agit notamment des stratégies d’accélération, de l’analyse de convergence avec des coûts complexes et des schémas inexacts. Des implémentations pratiques, massivement parallèles et à architecture distribuée seront proposées.

Création de l’International Laboratory on Learning Systems (ILLS)

L’International Laboratory on Learning Systems (ILLS) vise à développer des outils mathématiques pour améliorer les algorithmes de machine learning et sécuriser leur utilisation. Ces algorithmes pourront par exemple être utilisés pour le traitement du langage naturel et de la parole ou pour des applications autour de la vision par ordinateur et du traitement des signaux.

Implanté à Montréal et lancé en avril 2022, il associe CentraleSupélec, le CNRS, l’Université Paris-Saclay, l’Université McGill, l’École de technologie supérieure (ETS) de Montréal et l’Institut québécois d’intelligence artificielle (Mila).
Le laboratoire concentre ses activités autour de 5 axes de recherche :

  • Les fondamentaux de l’IA pour sécuriser son utilisation
  • Apprentissage en ligne
  • Interactions avec les systèmes dynamiques
  • Traitement du langage naturel
  • Vision par ordinateur

Avec Transvalor, explorer toutes les possibilités de l’IA appliquée à la simulation numérique

Cette chaire inédite est motivée par la volonté d’explorer les possibilités de l’IA appliquée à la simulation numérique. Transvalor et CentraleSupélec s’attachent ainsi à développer des méthodes et modèles construits à partir de données pour accélérer les simulations numériques et accroître la précision des résultats.

Les techniques utilisées couvrent les champs disciplinaires de l’analyse numérique, des statistiques, et des bases de données, en utilisant des méthodes d’apprentissage automatique, des méthodes d’éléments finis, ainsi que des modèles dits « informés par la physique ».

L’innovation agile et collaborative constitue la clé pour accompagner les industries dans leurs mutations profondes et répondre aux enjeux d’avenir, à savoir l’optimisation des process industriels, la sobriété énergétique, la production intégrant l’économie circulaire et le réemploi de matériaux.