Learning Expedition Data & IA à l’ENSAI : quand la recherche rencontre les défis des entreprises

Le 26 mai dernier, l’ENSAI a accueilli une Learning Expedition consacrée à la Data et à l’Intelligence Artificielle, organisée par le Pôle Images & Réseaux, en partenariat avec le Pôle Mer Bretagne Atlantique et l’EDIH Bretagne. Chercheurs, industriels et acteurs de l’innovation se sont réunis pour une journée d’échanges autour d’un objectif commun : connecter les avancées scientifiques les plus récentes aux enjeux opérationnels des entreprises du Grand Ouest.

Quand l’intelligence artificielle doit expliquer ses décisions

Comment faire confiance à une intelligence artificielle lorsqu’elle intervient dans des secteurs critiques comme l’énergie, l’aéronautique ou la défense ?

Cette question a ouvert la visite avec les travaux présentés par Sébastien Da Veiga. À travers la présentation de plusieurs projets menés avec EDF, Thales et Safran, les participants ont découvert les défis liés à l’explicabilité des modèles de machine learning et à la quantification de leurs incertitudes.

Identifier les variables qui influencent réellement une prédiction, mesurer le degré de confiance associé à un résultat ou encore fournir des intervalles de prédiction certifiés : autant de problématiques qui deviennent essentielles à mesure que l’IA s’impose dans les processus de décision industriels.

Une démonstration concrète que la performance d’un modèle ne suffit plus ; sa capacité à être comprise et maîtrisée est désormais tout aussi stratégique.

Quand les réseaux neuronaux apprennent les lois de la physique

L’intelligence artificielle était également au cœur de l’intervention de Sébastien Herbreteau, qui a proposé un regard original sur le traitement d’images.

Plutôt que de laisser les réseaux neuronaux apprendre seuls à partir des données, ses travaux consistent à intégrer directement dans les modèles certaines propriétés fondamentales, comme des contraintes géométriques ou physiques.

Cette approche permet notamment d’améliorer la robustesse des algorithmes face à des situations inédites, de faciliter l’apprentissage à partir de données limitées et d’obtenir de meilleures performances dans le débruitage d’images.

Les participants ont ainsi découvert comment l’association entre expertise métier, mathématiques et intelligence artificielle peut conduire à des modèles plus fiables et plus performants dans des conditions réelles.

Lire les dynamiques cachées dans les données

Les données ne prennent pas toujours la forme de tableaux statiques. Elles évoluent, se transforment et révèlent des comportements complexes au fil du temps.

C’est précisément ce terrain d’exploration qu’a présenté Myriam Vimond à travers ses travaux sur les séries temporelles et l’analyse de données fonctionnelles.

Courbes de consommation énergétique, signaux industriels, mesures environnementales ou indicateurs biologiques : derrière ces flux continus de données se cachent souvent des phénomènes dynamiques difficiles à détecter.

Grâce à des méthodes statistiques avancées, il devient possible d’identifier des changements de comportement, de modéliser des évolutions complexes et d’améliorer la compréhension de systèmes en constante transformation.

Observer l’espace pour comprendre les phénomènes

Dernière étape de ce voyage scientifique : les statistiques spatiales et spatio-temporelles présentées par Frédéric Lavancier.

• Comment analyser la répartition d’arbres dans une forêt ?
• Comprendre l’organisation de cellules biologiques ?
• Étudier la structure de matériaux innovants ?
• Ou encore suivre l’évolution d’un phénomène dans l’espace et dans le temps ?

Autant de questions auxquelles répondent les processus ponctuels spatiaux, domaine d’expertise de Frédéric Lavancier.

À travers plusieurs exemples d’application, les participants ont découvert comment les statistiques permettent non seulement de décrire l’organisation d’objets dans l’espace, mais aussi d’en révéler les mécanismes sous-jacents et parfois même d’optimiser leur répartition.

De la recherche aux applications concrètes

Au fil des interventions, un fil conducteur s’est imposé : la volonté de transformer des avancées scientifiques de pointe en solutions mobilisables par les entreprises.

Industrie, environnement, santé, défense ou encore technologies maritimes : les cas d’usage évoqués tout au long de la journée ont illustré la diversité des domaines concernés par l’essor de la data science et de l’intelligence artificielle.

Au-delà des présentations, les nombreux échanges entre chercheurs et participants ont permis d’approfondir les problématiques métiers, d’identifier des enjeux communs et d’esquisser de futures collaborations.

Faire émerger les innovations de demain

Cette Learning Expedition a une nouvelle fois démontré l’importance de créer des passerelles entre les mondes académique et économique.

En ouvrant ses laboratoires et en partageant les expertises de ses chercheurs, l’ENSAI a offert aux participants une vision concrète des innovations actuellement en construction dans les domaines de la statistique, de la donnée et de l’intelligence artificielle.

Une journée riche en découvertes, en échanges et en perspectives, qui confirme que les innovations les plus prometteuses naissent souvent de la rencontre entre recherche, entreprises et écosystèmes d’innovation.

Merci à l’ENSAI et ses chercheurs pour cette visite des plus constructives !