{"id":41,"date":"2021-11-12T17:28:20","date_gmt":"2021-11-12T16:28:20","guid":{"rendered":"https:\/\/leria.univ-angers.fr\/?page_id=41"},"modified":"2026-11-04T22:32:00","modified_gmt":"2026-11-04T21:32:00","slug":"aprentissage-et-representation-des-connaissances","status":"publish","type":"page","link":"https:\/\/leria.univ-angers.fr\/?page_id=41","title":{"rendered":"Apprentissage et Repr\u00e9sentation des Connaissances"},"content":{"rendered":"\n<h3 class=\"wp-block-heading\">Membres du th\u00e8me<\/h3>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\" style=\"font-size:80%;\">\n    <table>\n        <thead>\n            <tr>\n                <th>NOM Pr\u00e9nom<\/th>\n                <th>Statut<\/th>\n            <\/tr>\n        <\/thead>\n        <tbody>\n            <tr><td>AIT EL MEKKI Touria<\/td><td>Ma\u00eetre de conf\u00e9rences<\/td><\/tr>\n            <tr><td>AMGHAR Tassadit<\/td><td>Ma\u00eetre de conf\u00e9rences \/ HDR<\/td><\/tr>\n            <tr><td>DUVAL B\u00e9atrice<\/td><td>Professeure \u00e9m\u00e9rite<\/td><\/tr>\n            <tr><td>GENEST David<\/td><td>Ma\u00eetre de conf\u00e9rences<\/td><\/tr>\n            <tr><td>GOUDET Olivier<\/td><td>Ma\u00eetre de conf\u00e9rences<\/td><\/tr>\n            <tr><td>GUTOWSKI Nicolas<\/td><td>Ma\u00eetre de conf\u00e9rences \/ HDR<\/td><\/tr>\n            <tr><td>H\u00db Olivier<\/td><td>Ma\u00eetre de conf\u00e9rences<\/td><\/tr>\n            <tr><td>LAMPRIER Sylvain<\/td><td>Professeur<\/td><\/tr>\n            <tr><td>LOISEAU St\u00e9phane<\/td><td>Professeur<\/td><\/tr>\n            <tr><td>MAHMOUDI Sid Ali<\/td><td>ATER<\/td><\/tr>\n            <tr><td>ALLAL Alexia<\/td><td>Doctorante (CIFRE Artefact)<\/td><\/tr>\n            <tr><td>BOTCAZOU Ivanho\u00e9<\/td><td>Doctorant<\/td><\/tr>\n            <tr><td>LAGUE Pierre<\/td><td>Doctorant<\/td><\/tr>\n            <tr><td>LANDAIS Thomas<\/td><td>Doctorant (ARC\u2013MOC)<\/td><\/tr>\n            <tr><td>MAC\u00c9 Maxime<\/td><td>Doctorant (CIFRE Helie Solution)<\/td><\/tr>\n            <tr><td>PETITBOIS Mathieu<\/td><td>Doctorant (CIFRE Ubisoft)<\/td><\/tr>\n            <tr><td>SUIRE Hippolyte<\/td><td>Doctorant (CIFRE LogoSapience, ARC\u2013MOC)<\/td><\/tr>\n            <tr><td>TOUHAMI Cha\u00efma\u00e2<\/td><td>Doctorante (ARC\u2013MOC)<\/td><\/tr>\n            <tr><td>ZHOU Wenxiang<\/td><td>Doctorant (CIFRE CPAM Vend\u00e9e, ARC\u2013RIC)<\/td><\/tr>\n        <\/tbody>\n    <\/table>\n<\/figure>\n\n\n\n<div class=\"wp-block-group has-custom-css wp-custom-css-9035c40d\"><div class=\"wp-block-group__inner-container is-layout-constrained wp-block-group-is-layout-constrained\">\n<p class=\"wp-block-paragraph\">Le th\u00e8me \u201cApprentissage et Repr\u00e9sentations des Connaissances\u201d (ARC) du LERIA se concentre sur des recherches en intelligence artificielle, couvrant \u00e0 la fois des approches statistiques et symboliques, pour l\u2019analyse, le traitement, l\u2019interrogation et l\u2019optimisation de donn\u00e9es s\u00e9mantiques complexes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Nos travaux se structurent en 3 axes :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Apprentissage de Repr\u00e9sentation et M\u00e9thodes Pr\u00e9dictives<\/strong> : Ce premier axe de recherche vise \u00e0 d\u00e9velopper des techniques d\u2019apprentissage automatique pour extraire des repr\u00e9sentations s\u00e9mantiques \u00e0 partir de donn\u00e9es structur\u00e9es ou non structur\u00e9es, telles que du texte ou des graphes, et \u00e9tablir des mod\u00e8les pr\u00e9dictifs efficaces pour diverses t\u00e2ches applicatives (e.g., syst\u00e8mes de recommandation, classification \/ r\u00e9gression inductive, d\u00e9sentrelacement de signaux, question-answering, recherche d\u2019information). L\u2019accent est mis sur l\u2019exploration de mod\u00e8les profonds pour la prise en compte de d\u00e9pendances complexes dans les donn\u00e9es, avec analyse de leurs capacit\u00e9s, la fusion de donn\u00e9es h\u00e9t\u00e9rog\u00e8nes, la recherche de repr\u00e9sentations s\u00e9mantiques compactes, le passage \u00e0 l\u2019\u00e9chelle, l\u2019acc\u00e8s \u00e0 l\u2019information avec contraintes de budget, et l\u2019interpr\u00e9tabilit\u00e9 des r\u00e9sultats. Les travaux d\u00e9velopp\u00e9s dans cet axe ont \u00e9galement trait \u00e0 l\u2019inf\u00e9rence bay\u00e9sienne, l\u2019inf\u00e9rence causale, et l\u2019apprentissage \u00e9thique.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>G\u00e9n\u00e9ration, Exploration et Optimisation<\/strong> : Ce deuxi\u00e8me axe de recherche explore les m\u00e9thodes de g\u00e9n\u00e9ration automatique de donn\u00e9es et la recherche de politiques d\u00e9cisionnelles efficaces, pour divers domaines applicatifs, mettant en jeu principalement des s\u00e9quences d\u2019actions \u00e0 \u00e9chantillonner de mani\u00e8re probabiliste. Les chercheurs travaillent sur des probl\u00e9matiques telles que la g\u00e9n\u00e9ration de textes, de s\u00e9quences musicales, de structures graphiques (e.g., mol\u00e9cules), ou encore de s\u00e9quences d\u2019actions dans des environnements dynamiques (e.g., politiques de navigation \/ contr\u00f4le d\u2019agents). Nous utilisons des m\u00e9thodes comme les mod\u00e8les auto-r\u00e9gressifs (e.g., r\u00e9seaux r\u00e9currents, r\u00e9seaux Transformers), des r\u00e9seaux antagonistes g\u00e9n\u00e9ratifs (GANs), l\u2019apprentissage par renforcement (RL) et l\u2019apprentissage par imitation pour g\u00e9n\u00e9rer des donn\u00e9es (ou comportements) r\u00e9alistes, contr\u00f4lables et diversifi\u00e9es. Parall\u00e8lement, nous investigons des m\u00e9thodes d\u2019optimisation progressives (curriculum learning) pour la d\u00e9couverte de politiques d\u00e9cisionnelles efficaces dans des environnements complexes (potentiellement dynamiques). Divers travaux sont en connexion avec le th\u00e8me MOC, pour l\u2019\u00e9tablissement des m\u00e9thodes d\u2019exploration pour probl\u00e8mes combinatoires via apprentissage statistique : apprentissage d\u2019op\u00e9rateurs de recherche locale, \u00e9mergence de strat\u00e9gies d\u2019exploration, exploration probabiliste dans des repr\u00e9sentations continues apprises (projet ANR COMBO), planification (e.g., MCTS, Alpha-zero) via it\u00e9rations de politiques bas\u00e9es sur des mod\u00e8les (e.g., applications \u00e0 la r\u00e9trosynth\u00e8se et la d\u00e9couverte de structures en chimie mol\u00e9culaire \u2013 projet G-GENOCOD).<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Organisation Symbolique et Interrogation<\/strong> : Enfin, un troisi\u00e8me axe de recherche se concentre sur la repr\u00e9sentation et le traitement des connaissances sous des formes symboliques, incluant les cartes cognitives, l\u2019induction logique et les graphes conceptuels. Les chercheurs explorent des m\u00e9thodes d\u2019organisation efficaces pour les connaissances extraites des donn\u00e9es, et d\u00e9veloppent des techniques d\u2019interrogation permettant d\u2019inf\u00e9rer des informations pertinentes \u00e0 partir de bases de connaissances. Certains travaux, s\u2019appuyant pour partie sur les autres axes du th\u00e8me (e.g., NLP statistique) mais avec des objectifs plus focalis\u00e9s sur l\u2019interpr\u00e9tabilit\u00e9 des d\u00e9cisions, visent \u00e0 extraire des r\u00e8gles d\u2019implication logique pour la mise en place d\u2019interactions avec des usagers (e.g., d\u00e9veloppement d\u2019un chatbot interpr\u00e9table pour la gestion des arr\u00eats maladie, en collaboration avec la CPAM). Cet axe d\u00e9veloppe de forts liens avec le th\u00e8me RIC, notamment pour des aspects en programmation par contraintes (e.g., probl\u00e8mes de mod\u00e9lisation de contraintes d\u2019emploi du temps, applications en mobilit\u00e9 durable).<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Perspectives 2027\u20132032<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Le th\u00e8me fait le choix d\u2019une position alternative et compl\u00e9mentaire \u00e0 celle des tr\u00e8s grands mod\u00e8les industriels : produire des m\u00e9thodes frugales en donn\u00e9es et en calcul, interpr\u00e9tables, auditables et robustes. Les trois axes du th\u00e8me sont maintenus ; l\u2019interpr\u00e9tabilit\u00e9, la contr\u00f4labilit\u00e9, l\u2019\u00e9quit\u00e9 et la robustesse, d\u00e9j\u00e0 pr\u00e9sentes dans de nombreux travaux, en deviennent le fil transverse et f\u00e9d\u00e9rateur. Il s\u2019agit notamment d\u2019\u00e9tendre les garanties statistiques obtenues avec des volumes de donn\u00e9es et de calcul ma\u00eetris\u00e9s \u00e0 des familles de mod\u00e8les plus larges, de prolonger les travaux sur l\u2019apprentissage \u00e9quitable vers des contextes s\u00e9quentiels et g\u00e9n\u00e9ratifs, de rendre la g\u00e9n\u00e9ration progressive, tra\u00e7able et contr\u00f4lable (style, contraintes s\u00e9mantiques, coh\u00e9rence factuelle), et d\u2019aborder l\u2019alignement et la robustesse des agents comme des objets de recherche \u00e0 part enti\u00e8re. Les collaborations avec les th\u00e8mes MOC (apprentissage pour l\u2019optimisation combinatoire) et RIC (approches neuro-symboliques, contraintes) seront poursuivies.<\/p>\n<\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Membres du th\u00e8me NOM Pr\u00e9nom Statut AIT EL MEKKI Touria Ma\u00eetre de conf\u00e9rences AMGHAR Tassadit Ma\u00eetre de conf\u00e9rences \/ HDR DUVAL B\u00e9atrice Professeure \u00e9m\u00e9rite GENEST David Ma\u00eetre de conf\u00e9rences GOUDET Olivier Ma\u00eetre de conf\u00e9rences GUTOWSKI Nicolas Ma\u00eetre de conf\u00e9rences \/ &hellip; <a href=\"https:\/\/leria.univ-angers.fr\/?page_id=41\">Continuer la lecture <span class=\"meta-nav\">&rarr;<\/span><\/a><\/p>\n","protected":false},"author":5,"featured_media":0,"parent":38,"menu_order":1,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-41","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/pages\/41","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=41"}],"version-history":[{"count":19,"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/pages\/41\/revisions"}],"predecessor-version":[{"id":544,"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/pages\/41\/revisions\/544"}],"up":[{"embeddable":true,"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=\/wp\/v2\/pages\/38"}],"wp:attachment":[{"href":"https:\/\/leria.univ-angers.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=41"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}