RECHERCHE  |  
Thèmes

Gestion de l’incertitude et modèles graphiques
Responsable(s):

Résumé :

Le laboratoire LARODEC contribue au développement de nouveaux modèles de raisonnement et de décision en Intelligence Artificielle. La représentation et le traitement des informations incomplètes, incertaines, imprécises ou incohérentes, ainsi que la représentation des connaissances et des préférences pour le raisonnement, la décision et la planification sont au premier plan de ses recherches. L’équipe étudie les fondements axiomatiques de règles de décision qualitative sous incertitude, ainsi que des outils logiques et informatiques pour la décision multicritère et/ou collective et la planification. L’aspect combinatoire des problèmes à résoudre conduit à la recherche de solutions efficaces.



Objectifs spécifiques :

Il s'agit d'étudier des problèmes relatifs à la représentation, au raisonnement et à la prise de décision coopérative et conflictuelle prenant en compte différents types d'informations incomplètes et ambiguës ainsi que la représentation des connaissances sous plusieurs formes, notamment les modèles graphiques standards et non-standards. Les problèmes abordés utilisent des outils formels récents comme :
- La théorie des possibilités, la théorie des fonctions de croyances, des probabilités imprécises, pour le traitement de l’incertitude épistémique, en plus de la théorie des probabilités.
- Des modèles graphiques de représentation de connaissances et de préférences (VCSP, CP-nets, Réseaux Bayésiens, Réseaux évidentiels, Réseaux posibilistes,réseaux causaux …).
- Des logiques non-monotones, pondérées, floues, destinées à pallier les insuffisances de la logique et de l’inférence classique pour formaliser le raisonnement humain.
- La révision et la fusion d’informations incertaines et partiellement contradictoires provenant de sources multiples.


Applications :

- Utilisation de la théorie des possibilités et des fonctions de croyance pour la gestion de l’incertitude dans la détection des intrusions dans les systèmes informatiques.
- Application des algorithmes de représentation et de raisonnement dans les algorithmes évidentiels pour résoudre des problèmes à EDF Fance.
- Application des algorithmes proposés pour des réseaux évidentiels naifs au domaine agronomique.


Impacts :

Contribution à une meilleure représentation et raisonnement pour des problèmes réels à travers le développement de boîtes à outils (logiciels) dédiés à ces problématiques.

Apprentissage automatique des données complexes
Responsable(s):

Résumé:

Notre intérêt  dans ce contexte consiste à élaborer de nouveaux algorithmes d’apprentissage/fouille de données complexes. Des améliorations relatives à des techniques telles que les arbres de décision, le clustering, le raisonnement à partir des cas... sont proposées afin de mieux gérer les données dans un cadre incertain. Ainsi, des classifieurs basés les théories des fonctions de croyance, des possibilités, des ensembles flous sont développés De nouveaux critères d'évaluation de ces classifieurs sont également définis. Des méthodes relatives à des algorithmes évolutionnaires tels que les systèmes immunitaires artificiels et la théorie de danger sont proposées afin d'offrir de nouvelles méthodes d'apprentissage automatique.
Par ailleurs, les données peuvent être considérées comme recouvrantes et ne pas avoir de séparations simples. En effet, certains problèmes du monde réel nécessitent qu’un objet puisse appartenir à la fois à plusieurs partitions. Par exemple, en biologie, un gène peut participer à plusieurs processus ; en recherche d'information, un document peut aborder plusieurs thématiques ou appartenir à plusieurs genres différents ; ou encore dans l’analyse des réseaux sociaux où un acteur peut appartenir à plusieurs communautés. En effet, les techniques traditionnelles d’apprentissage/fouille de données ne peuvent s’appliquer à ce type particulier de données. Nous intervenons à ces différents niveaux par l’écriture d’algorithmes dédiés à ces problématiques. Cela inclut :
- La détection des clusters recouvrants avec des séparations non linéaires et non sphériques ; la détection des clusters recouvrants avec un contrôle de la taille des recouvrements.
-  La classification/Fouille des données biologiques par les méthodes statistiques, de l’intelligence artificielle, par similarité ou par regroupement ainsi que la prédiction de leur structure tridimensionnelle.
Egalement, dans  le cadre de la bioinformatique, un intérêt particulier est donné au développement de  méthodes d’évaluation de similarité entre les sites d'interaction en utilisant la détection de quasi-cliques.
En guise d’application, nous nous intéressons à la détection de ces clusters dans le cas des données textuelles qui se chevauchent. Nous portons aussi notre intérêt à l’apprentissage/fouille de données volumineuses (Big data) en considérant l’aspect recouvrement et aussi l’inférence dans un réseau bayésien à partir de données non structurées.


Objectifs spécifiques : 

Cet axe de recherche vise à contribuer à l’amélioration des algorithmes d’apprentissage automatique pour les données complexes.


Applications :

- Utilisation des algorithmes d’apprentissage automatique basés sur le regroupement par chevauchement pour la fouille et la recherche d’informations  complexes et  volumineuses.

- Utilisation des algorithmes d’apprentissage pour la prédiction de la structure des protéines.
 

Impacts :
Contribution à une meilleure prise de décision suite au développement de boîtes à outils (logiciels) dédiés à ces problématiques.

Logistique et production, management de la qualité et sureté de fonctionnement
Responsable(s):

Résumé :

Cet axe de recherche vise à promouvoir l'utilisation des techniques mathématiques issues de la statistique et de la recherche opérationnelle dans les problèmes de gestion industrielle. On s’intéresse par exemple au contrôle des procédés, à l'amélioration de la qualité des produits et de la productivité des entreprises, à l’amélioration de la fiabilité des systèmes et des réseaux, à l’optimisation des stratégies de maintenance, etc.



Objectifs spécifiques :

Les problèmes particuliers qui sont traités sont les suivants :

- Développement et implémentation de procédures et technologies de maîtrise de la qualité : la majorité des entreprises tunisiennes sont à présent très sensibilisées à l'importance de la maîtrise de la qualité et souhaitent dépasser le cap de la certification pour intégrer une démarche de Qualité Totale. Elles ont besoin d'outils, de méthodes et de technologies garantissant une amélioration continue de leur qualité.
- Utilisation d'heuristiques telles que les réseaux de neurones, la logique floue et les algorithmes génétiques pour le contrôle quasi-automatique des procédés industriels,
- Développer de nouvelles méthodes d’évaluation et d’amélioration de la sécurité des systémes informatiques.
- Application de techniques de recherche opérationnelle, de statistique et génie industriels pour l'amélioration de la fiabilité et l’optimisation de la maintenance des systèmes et des réseaux.



Applications :

- Automatisation de processus: l'objectif est de mettre en œuvre des procédures de décision pour le pilotage automatique des processus industriels. Dans ce contexte, les membres de l'équipe ont activement participé au projet d'automatisation du processus de production de l'acide phosphorique au sein du Groupe Chimique de Tunisie (GCT). Il est à noter que l'équipe avait déjà réalisé en partie  la modélisation du projet d'automatisation du procédé de fabrication du ciment artificiel au sein des Ciments Artificiels de Tunisie (CAT).
- Résolution du problème d'échantillonnage de la bouillie pour le Groupe Chimique de Tunisie (GCT).
- Programmes Nationaux Mobilisateurs (PNM) traitant des technologies de la qualité totale au sein des entreprises pilotes. Plusieurs études traitant d'amélioration de la qualité ont été conjointement menées par des membres du LARODEC et des entreprises tunisiennes (SONEDE, VACPA Boudjebel, Tunisie Porcelaine, COFAT-CHAKIRA, Innoplast, Pharmagreb, etc).

Statistique Appliquée, Simulation et Algorithmes stochastiques
Responsable(s):
Résumé :
Le volume croissant des données disponibles et la nécessité de leur traitement quasi-instantané pour l’optimisation des processus de prise de décision justifient le développement de modèles statistiques et outils d’analyse des données de plus en plus complexes. L’ajustement de ces modèles aux données complexes se base aujourd’hui sur des méthodes algorithmiques stochastiques (MCMC, SMC, ABC, etc.). On étudie dans cet axe ces méthodes et leur utilisation dans les problèmes de décision. Ceci permettra par exemple de développer de nouveaux outils de gestion de risque dans des contextes variés (marchés financiers, changements climatiques, risques industriels, etc.). Ces méthodes de simulation numériques permettent également de prévoir et optimiser des systèmes industriels, informatiques ou humains très complexes en remplaçant les difficultés de calcul par un effort de programmation des simulateurs.
       

Objectifs spécifiques :
Développer des modèles d’évaluation des risques financiers adaptés aux spécificités des marchés financiers émergeants. Proposer des modèles statistiques et des simulateurs basés sur la théorie des valeurs extrêmes permettant de prévoir les retombées (économiques, sanitaires, agricoles, environnementales, etc.) des bouleversements climatiques futurs. Développer les algorithmes stochastiques pour les problèmes de décision en ligne (sécurité industrielle ou informatique, gestion dynamique de portefeuilles, suivi et contrôle automatiques).


Applications :
Meilleure compréhension des marchés financiers émergents. Proposition d’outils performants de gestion de risque pour les investisseurs et les décideurs. Analyse statistique de l’évolution des facteurs climatiques en Tunisie et modélisation et prévision de l’impact de cette évolution sur les indicateurs agricoles, sanitaires, économiques, épidémiologiques, etc.


Impacts :
Meilleure gestion des risques extrêmes (finance, assurance, climat, production agricole, risques industriels) en développant des compétences en modélisation statistique et algorithmes stochastiques pour l’étude par simulation des risques financiers et industriels et l’anticipation des conséquences des futurs changements climatiques. Optimisation des prises de décisions en-ligne.
Gestion de connaissances, Web sémantique et recherche d'information
Responsable(s):
Résumé :
L’ingénierie des connaissances (IC) propose des méthodes et techniques permettant de modéliser, de formaliser et d’acquérir des connaissances dans les organisations dans un but d’opérationnalisation, de structuration ou de gestion au sens large. La dernière décennie a connu une transformation majeure dans la façon dont les individus interagissent et échangent. L’information est dorénavant coproduite, partagée, classée et évaluée sur le Web par des milliers de personnes. Ces usages et les technologies sous-jacentes sont connus sous le nom de Web 2.0. L’ingénierie et la gestion des connaissances dans le contexte de communautés d’intérêt ou de pratiques dont l’émergence spontanée et l’activité sont permises par ces évolutions du Web (Web 2.0, Web social) sont des enjeux majeurs de la future décennie. Enfin, à l’ère du Web Sémantique, un nouveau paradigme prometteur apparaît, celui du Web des données. Le Web des données, qui fait suite au Web des documents, entend faire face au déluge informationnel en connectant les données. C’est dans ce contexte que se développe cette discipline de recherche dans notre laboratoire LARODEC.      

 
Objectifs spécifiques :
Cet axe vise à la proposition de nouvelles techniques de gestion de connaissances, du web sémantique et ontologies dans un contexte incertain, de Traitement Automatique de la Langue Naturelle (TALN), du text mining etc. Dans sa démarche de modélisation des connaissances, nous optons à se rapprocher de disciplines permettant de caractériser et décrire les connaissances d'un domaine et d'évaluer leur mise en œuvre dans les systèmes à base de connaissances.

Applications :
Les applications concernées sont celles liées à la gestion des connaissances, à la recherche d’information (sémantique), au web sémantique, au véracité de l'information dans les réseaux sociaux... 


Impacts :
- Améliorer le processus de la recherche de nouvelles connaissances à partir de grands volumes de données textuelles.
- Déterminer des nouveaux modes et pratiques d’organisation des connaissances ainsi que les modalités de production et de circulation des savoirs et des connaissances.
Aide à la décision - Optimisation et théorie de jeux
Responsable(s):
Résumé :
La prise de décision touche à tout processus disposant d’un ou plusieurs objectifs tout en spécifiant des limitations structurelles pour les ressources. Une prise de décision rationnelle fait appel à un ensemble de techniques appropriées afin de déceler la meilleure alternative parmi un ensemble d’actions possibles. C’est dans ce cadre que s’insèrent les activités de recherche relatives à la discipline «aide à la décision et théorie des jeux». Cette approche de raisonnement souligne deux classes de problèmes et ce en termes du nombre de décideurs impliqués dans le processus. En effet, si deux décideurs ou plus sont impliqués, c’est la théorie des jeux qui est adoptée comme technique potentielle afin de trouver des compromis selon le degré de coopération. Nous nous adressons à la gestion de ces compromis au sein de la chaîne logistique et des réseaux de distribution aux niveaux stratégiques, tactiques et opérationnels. Des systèmes d’aide à la décision (decision support systems) complètement automatisés et dynamiques sont développés et validés par l’efficacité des solutions générées. En effet, des études empiriques sont menées afin de pouvoir apprécier les modèles ainsi proposés.
 
Objectifs spécifiques :
Cet axe est vise le développement de techniques quantitatives pour résoudre des problèmes réels de planification, de gestion et de prise de décision. Il s'agit, par exemple, de fournir des outils mathématiques opérationnels résolvant des problèmes tels que:
- Optimisation unicritère et multicritère,
- Sélection des projets en utilisant des critères multiples,
- L’aide multicritère à la décision
- Décision de groupe,
- Heuristiques et métaheuristiques,
- Planification et l'allocation optimale des ressources hydrauliques
 
Applications :
- Développement d'algorithmes et de logiciels d'aide à la décision basés sur la Recherche Opérationnelle, la Statistique et l'Intelligence Artificielle : ces outils concernent des entreprises appartenant à tous les secteurs économiques. A cet effet, deux Programmes Nationaux Mobilisateurs (PNM) ont été réalisés et portent sur le domaine de SIAD pour l'économie tunisienne. Le premier traite du problème de l'adéquation de l'emploi et la formation et le deuxième s'adresse au problème de la compétitivité des entreprises.
- Utilisation des outils de la théorie des jeux pour modéliser les différentes stratégies de Recherche et Développement. Ceci permet par exemple d'étudier les différents mécanismes de transferts technologiques entre pays développés et pays en voie de développement.

Impacts :
Nous soulignons qu’au sein du laboratoire, nous traitons aussi bien les aspects théoriques pour des fins de comparaison avec la littérature afin de valoriser la qualité des approches proposées, et des aspects pratiques touchant à des applications réelles. Ceci explique le nombre de publications scientifiques figurant sous cette rubrique et les coopérations qui lui sont conséquentes. Par ailleurs, cette discipline constitue un large spectre de sujets de recherche faisant l’objet de plusieurs thèses et mastères.

Espace Membres

DERNIèRES Actualités

30/03/2017
Participation du LARODEC au dialogue 5 + 5
04/10/2016
Journée CIRED/LARODEC
26/11/2015
Evénement
18/03/2015
Soutenance de Thèse