Modèles de langage génératifs
pour la migration sémantiquement fiable de
code legacy
WYPYCH Yannis
Director(s)
Hanene AZZAG,
Lebbah MUSTAPHA
Start date2026-04-02
Extraction et modélisation des assertions pour une IA éthique et frugale dans la fiabilisation des contenus journalistiques
MOULON FLORENT
Director(s)
Hanene AZZAG,
Louenas BOUNIA
Start date2026-01-15
Cette thèse, intitulée "Vers une Explicabilité Formelle Scalable", s’inscrit dans le cadre du projet ANR FORM-XAI, porté par le LIPN (Université Sorbonne Paris Nord) en collaboration avec l’ERIC (Université Lyon 2), sous la direction de Louenas Bounia et Hanene Azzag.
Elle vise à relever le défi de rendre les modèles d’intelligence artificielle explicables, fiables et robustes, notamment dans des domaines sensibles tels que la santé ou la finance.
L’objectif est de développer des méthodes formelles d’explicabilité scalables, conciliant rigueur mathématique et efficacité computationnelle. Ces approches s’appuieront sur des Explications Lite et des techniques d’approximation guidée afin de produire des explications plus efficaces sans compromettre leur validité.
SELLAMI Sifeddine
Director(s)
Louenas BOUNIA,
Hanene AZZAG
Start date2025-11-17
Vers une Explicabilité Formelle
Scalable
SELLAMI Sifeddine
Director(s)
Louenas BOUNIA,
Céline ROUVEIROL
Start date2025-11-17
GOPIA : IA Générative pour optimiser, encadrer et
préparer intelligemment les tests ADAS avec preuve
d’efficacité end-to-end
Director(s)
Hanene AZZAG
Start date2025-10-01
Interpretability for Multiple Instance Learning for Medical Imaging
EL YACOUBA BILLI Abdoulaye
Director(s)
Thomas PAPASTERGIOU,
Céline ROUVEIROL
Start date2025-09-01
Apprentissage collaboratif multimodal
BELGHADI Mohammed
Director(s)
Younès BENNANI
Start date2024-10-01
Nouvelles approches pour l’enrichissement des grands modèles de langage à base de graphes de connaissances multimodales.
OUKID ILYES
Director(s)
Hanene AZZAG,
Nadi TOMEH
Start date2024-10-01
Désapprentissage pour la mitigation d’attaques en apprentissage fédéré
KERZAZI Achraf
Director(s)
Younès BENNANI,
Younès BENNANI
Start date2024-09-02
Apprentissage de profils d’apprenants à partir de traces complexes hétérogènes dans le cloud MarioNUM
BOUZERIRA Abdelmounaim
Director(s)
Basarab MATEI,
Rushed KANAWATI
Start date2024-09-01
Segmentation et Reconstruction 3D de structures anatomiques par apprentissage profond auto-supervisé
MARRAKCHI Ghassen
Director(s)
Basarab MATEI
Start date2023-11-01
Securing Machine Learning Algorithms
DIONGUE Mbaye
Director(s)
Younès BENNANI
Start date2023-09-01
Collaborative Multimodal Learning
BARBARA Abir
Director(s)
Younès BENNANI
Start date2022-09-14
Modular Geometric Machine Learning
BEN SALEM Nosseiba
Director(s)
Younès BENNANI
Start date2022-09-01
Apprentissage de Modèles Linéaires Parcimonieux pour Données Parcimonieuses, Application à la métagénomique
THÉPAUT Solène
Director(s)
Yann CHEVALEYRE
Start date2016-09-01
Apprentissage Bayésien pour l’aggrégation de préférences en Choix Social
BELAHCENE Khaled
Director(s)
Yann CHEVALEYRE,
Nicolas MAUDET
Start date2015-09-01
Apprentissage non supervisé profond de représentations de données évolutives
COHEN Raphaël
Director(s)
Younès BENNANI,
Basarab MATEI
Start date2014-09-01
DESOLLE Antoine
Director(s)
Henry SOLDANO
Start date2011-09-01