Expliquer et interpréter l'IA
L'intelligence artificielle explicable (XAI) est l'un des domaines de recherche les plus effervescents dans le domaine de l'intelligence artificielle (IA) et de l'apprentissage automatique (AAM), ce qui s'explique par le fait qu'en général, les mécanismes internes des systèmes d'IA et d'AAM sont difficiles à comprendre et leurs résultats sont difficiles à expliquer. Les parties prenantes attendent une certaine forme d'explication lorsque les décisions ou les résultats d'un système d'IA les affectent. En outre, une législation est en cours d'introduction, exigeant des systèmes d'IA plus éthiques. Un projet de recherche de cinq ans, financé en 2023 par le CRSNG-GD (Canada), propose différentes approches pour expliquer comment l'IA parvient à une conclusion, à savoir l'application de concepts et de techniques liés à la causalité ou l'introduction et l'analyse d'explications basées sur des scores qui évaluent les différents attributs d'une étude pour refléter leur pertinence. La causalité commence à jouer un rôle important dans l'apprentissage automatique, car les corrélations implicites dans les données peuvent ne pas être suffisantes pour construire des modèles d'IA précis, généralisables et robustes.
La blockchain dans la gestion de la chaîne d'approvisionnement
La technologie blockchain (BCT) s'est imposée comme une technologie habilitante capable d'assurer la traçabilité, la provenance et la transparence des opérations commerciales, dans des écosystèmes complexes de chaînes d'approvisionnement mondiales, où la légèreté, l'agilité et la rapidité sont cruciales, en plus d’être socialement durable. Elle est considérée comme l'une des technologies les plus perturbatrices, représentant un environnement décentralisé pour les transactions, les contrats numériques auto-exécutoires (contrats intelligents) et la gestion intelligente des actifs sur l'internet, offrant une vue unique aux entités (utilisateurs) impliquées dans la transaction. Par conséquent, les caractéristiques clés de la BCT auront un impact significatif sur la gouvernance organisationnelle, les relations au sein de la chaîne d'approvisionnement, la stratégie opérationnelle, la voie de la transformation numérique et les modèles d'entreprise existants de la chaîne d'approvisionnement. Intégrée à d'autres technologies telles que l'internet des objets, l'analyse des données de masse et l'intelligence artificielle, la BCT contribuera à accroître l'efficacité de la chaîne d'approvisionnement grâce à une prise de décision agile fondée sur des données de haute qualité (stockées dans la blockchain) et à faciliter davantage la transparence de la chaîne d'approvisionnement qui permettra également la traçabilité, l'authenticité et la légitimité des produits, et améliorera la transparence des sous-fournisseurs, ce qui atténuera le problème de la durabilité sociale dans les réseaux d'approvisionnement multiniveaux.
Optimisation stochastique à deux niveaux pour la conception de réseaux de transport et la tarification des services
Les systèmes de mobilité et de logistique sont vitaux pour les sociétés, et leur performance est d'une importance primordiale pour l'économie. Néanmoins, les réseaux de transport dans les grandes villes sont souvent encombrés et perturbés, et la croissance prévue de la population urbaine mondiale constitue une menace naturelle pour le bien-être des systèmes de mobilité et de logistique. Avec l'émergence des services à la demande, les demandes des utilisateurs en mobilité et livraison à domicile évoluent rapidement, ce qui a des conséquences économiques considérables pour la société. Cette évolution est renforcée par les défis environnementaux : la perspective du changement climatique accroît la pression sur la nécessité de développer des écosystèmes de mobilité et de logistique plus durables, à faibles émissions et résilients. Pour relever ces défis, ce projet adopte une perspective d'optimisation stochastique dans laquelle les perturbations et les ruptures dans les systèmes de mobilité et de logistique sont modélisées comme des sources d'incertitudes. L'objectif de ce projet est de concevoir et de développer de nouvelles méthodologies pour la planification et l'exploitation de services à la demande durables.
Résilience et viabilité des chaînes d'approvisionnement en cas d'épidémie
Une pandémie peut faire des ravages dans les chaînes d'approvisionnement, comme on l'a vu dans le contexte du COVID-19. Lorsque les travailleurs sont infectés, le niveau de production chute et la demande des clients n'est pas satisfaite. Combinant de manière novatrice un modèle épidémique avec la théorie du contrôle optimal, divers modèles fournissent à un directeur d'usine le niveau optimal d'efforts prophylactiques qu'il doit déployer sur un horizon de planification pour protéger la main-d'œuvre d'une pandémie à un stade précoce et maintenir ainsi les niveaux de production.
Rôles émergents et parcours de carrière des chefs de projet
La recherche vise à définir les priorités changeantes dans les compétences actuellement reconnues par les organismes de connaissance en matière de gestion de projet et à explorer les nouveaux défis liés au rôle du gestionnaire de projet qui nécessitent des compétences nouvelles ou adaptées, alimentées par les exigences des changements sociaux, technologiques et écologiques de la société moderne. Nous faisons le point sur les rôles et les compétences requises des professionnels du projet à la lumière des tendances nouvelles et récentes :
Nos questions de recherche s'inscrivent dans les contextes "post-COVID" susmentionnés et tirent parti des travaux réalisés dans l'institution des auteurs pour appliquer les concepts de la théorie « en U » aux chefs de projet en début de carrière dans un cadre d'enseignement supérieur. Nous adaptons ce cadre théorique au contexte des gestionnaires de projet en début de carrière dans un établissement d'enseignement supérieur en suivant quatre étapes principales : définition de l'intention, phase d'observation, phase de présentielle, cristallisation de la vision et mise en œuvre.
Réduire la congestion et l'empreinte carbone dans la livraison du dernier kilomètre du commerce électronique dans les villes (Projet URBANE)
Les membres du centre développeront de nouveaux modèles commerciaux pour les prestataires de services logistiques qui livrent dans les centres-villes. Ils produiront des modèles de prévision de la demande en utilisant des données historiques et en temps réel. L'objectif est également de développer un système d'enchères électroniques pour attribuer les livraisons de colis en temps réel aux véhicules de livraison disponibles tout en minimisant les déplacements et en maximisant le service. De nouvelles méthodes de livraison seront testées et déployées dans six villes européennes, notamment la livraison Hub & Spoke, la livraison hyperlocale à la demande, la livraison collaborative, la livraison numérique en tant que service et la livraison par conteneurisation. Les activités de démonstration généreront de nouveaux produits et services qui augmenteront l'efficacité des opérations de livraison du dernier kilomètre, ce qui, d'une part, créera de nouveaux emplois locaux et, d'autre part, réduira les coûts et augmentera les profits des acteurs industriels de la chaîne de valeur de la logistique urbaine d'URBANE.
L'intelligence artificielle dans le domaine de la santé : Modélisation de la détection avancée de la peur de la récidive
Aujourd'hui, le principal défi auquel sont confrontés les systèmes de santé du monde entier est la gestion des maladies chroniques. En effet, de nombreuses maladies peuvent être traitées, mais elles ont toujours un impact sur la qualité de vie et la santé des survivants, nécessitant des soins continus même après la guérison ; en outre, des problèmes chroniques supplémentaires de santé et de bien-être peuvent être générés par le traitement. Par exemple, les survivantes du cancer du sein doivent faire face quotidiennement à des défis importants. La peur de la récidive, à savoir "la peur, l'inquiétude ou la préoccupation que le cancer revienne ou progresse", est une caractéristique importante de la survie au cancer et la littérature montre qu'elle est liée à des facteurs importants de l'état de santé général et de la qualité de vie après le traitement. Ce projet vise à modéliser le FOR sur la base d'un suivi fin et multicomposant de l'expérience ainsi que des caractéristiques individuelles et du bien-être/de la qualité de vie des survivantes du cancer du sein. Nous visons à construire un système intégré qui aboutira à une application mobile utilisée par les survivantes du cancer du sein et par les professionnels pour évaluer la qualité de vie des survivants du cancer du sein. par les survivantes du cancer du sein et par les professionnels pour évaluer les résultats rapportés par les patients.
Évolution des topologies neuronales éparses et explicables
Ce projet vise à développer un cadre multicritère pour la coévolution de sous-ensembles de caractéristiques avec des topologies neuronales afin de concevoir des réseaux neuronaux efficaces, mais peu denses et interprétables. A notre connaissance, une telle coévolution n'a pas été explorée jusqu'à présent, en particulier du point de vue de l'interprétabilité. En outre, la partie de cette recherche se concentre sur le développement de nouveaux algorithmes de recherche qui sont cruciaux pour résoudre le problème de coévolution multicritère, qui est connu pour être un problème NP-Hard. En particulier, cette recherche se concentre sur la prédiction des mouvements d'un indice boursier à un jour donné comme problème de classification de référence pour la conception d'une architecture neuronale.
Scénarios de contrôle optimal pour les épidémies de réseau de contact
Cette étude vise à analyser les stratégies optimales de contrôle des coalescences entre nations, sous-populations ou groupes (économiquement) différents.