Sciences des données & intelligence artificielle
Plongez au cœur de la révolution numérique !
L'Intelligence Artificielle et la science des données au service de la société et de l'humain
Les enjeux en Science des données et Intelligence Artificielle s’inscrivent dans la volonté de CentraleSupélec de mettre la science et la technique au service de la société et de l’humain.
Objets connectés, réseaux sociaux, transactions en ligne… Près de 90% des données générées au niveau mondial l’ont été au cours des cinq dernières années. Dans tous les secteurs (santé, environnement, télécommunications, transports, bâtiment, banque et assurance...), l’afflux massif de données questionne, inquiète, mais ouvre également le champ des possibles. Car plus que jamais, l’avenir appartiendra à ceux qui sauront extraire de la connaissance à partir de ces données, et les maîtriser pour les mettre au service de la société et de l’humain.
Comprendre et améliorer notre environnement de vie est en effet le grand défi assigné au domaine de la science des données et de l’intelligence artificielle. Pour ce faire, CentraleSupélec aborde ce domaine scientifique, non comme une nouvelle discipline, mais comme la réunion de disciplines fondamentales et matures qui forment depuis longtemps le cœur de ses compétences en matière de sciences des systèmes complexes : les mathématiques, l’informatique et la modélisation physique.
Ces disciplines, qui constituent les trois piliers du positionnement de CentraleSupélec en science des données et intelligence artificielle, sont transverses tant à ses formations (cursus ingénieur, Bachelor, Master of Science, formation doctorale, etc.) qu’à son Centre de Recherche. Cette transversalité a permis à l’École de lancer une initiative « Data & IA » qui mobilise une part significative des équipes de ses laboratoires de recherche et de ses départements d’enseignement.
Un Pôle d'Excellence en Intelligence Artificielle et Science des Données
Créé en 2021, le Hub IA de CentraleSupélec est le point d’entrée unique pour l’intelligence artificielle et la science des données, regroupant étudiants, enseignants-chercheurs, entrepreneurs et partenaires. Il coordonne les initiatives de l’École et facilite les projets innovants en formation, recherche et entrepreneuriat tout en impliquant les entreprises.
Grâce à son expérience en recherche pluridisciplinaire et ses liens avec le monde socio-économique, CentraleSupélec aborde les problématiques de science des données de manière concrète, avec un objectif : mettre sa culture applicative au service des enjeux sociétaux, comme la prise de décision, le développement de la médecine personnalisée, ou l’alerte en cas de catastrophe naturelle.
Ses axes de recherche, l’innovation de ses start-up, l’intérêt croissant des étudiants et ses partenariats témoignent de son leadership grandissant en science des données et IA « citoyennes ».
Notre écosystème
Le Hub IA[at]CentraleSupélec
Créé en 2021 avec le soutien de l’école et de la Fondation CentraleSupélec, le Hub IA à CentraleSupélec, pilote la politique en IA de l’école.
Le Hub IA a une double vocation : décloisonner l’IA au sein de l’école en faisant travailler ensemble les différents protagonistes de l’IA, qu’il s’agisse d’étudiants, de doctorants ou d’enseignants-chercheurs et faire rayonner l’IA made in CentraleSupélec au-delà de ses murs. Pour ce faire, le Hub IA est matérialisé à CentraleSupélec par un lieu où sont organisés les évènements en lien avec les thématiques Data et IA. De nombreuses démonstrations y sont développées entre les laboratoires de l’école et les élèves-ingénieurs.
Au carrefour de l’enseignement, de la recherche et l’innovation, le Hub IA est en interaction permanente avec les formations, initiale et continue, la direction de la recherche et les partenaires de l’école, tant académiques (Graduate School engineering de l’Université Paris-Saclay, institut DATAIA) qu’industriels (groupes, PME, ETI et startups).
Des exemples concrets pour les sciences des données et l'intelligence artificielle
-
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.
Image
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.
-
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.
Image
-
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.
Image
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
-
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.
Image
Image
Image
Laboratoires impliqués au service des sciences des données et de l'intelligence artificielle
| Laboratoire ou équipe | Directeur / responsable | Domaines de recherche | |
|---|---|---|---|
 | Centre de Vision Numérique CVN | J.C. Pesquet | Signal, vision |
 | Institut d'électronique et des Technologies du Numérique de Rennes (IETR) Equipes AIMAC et SIGNAL | R. Séguier G. Andrieux | Automatique |
 | International Laboratory on Learning Systems (IRL ILLS) | P. Piantanida | Intelligence artificielle |
 | Laboratoire des Signaux et Systèmes L2S | P. Bondon | Automatique, traitement du signal et statistiques, télécom |
 | Laboratoire Interdisciplinaire des Sciences du Numérique (LISN) | S. Rosset | Informatique |
 | Laboratoire Lorrain de recherche en informatique et ses applications (LORIA) | Y. Toussaint | Informatique |
 | Mathématiques et Informatique pour la Complexité et les Systèmes (MICS) | C. Hudelot | Mathématiques appliquées Informatique |
