Giuliano Antoniol
Giuliano Antoniol est professeur de génie logiciel au département de génie informatique et logiciel de Polytechnique Montréal où il dirige le laboratoire SOCCER. Il a travaillé dans des entreprises privées, des institutions de recherche et des universités. En 2005, il a obtenu la Chaire de recherche du Canada Tier I en changement et évolution des logiciels. Il a fait partie des comités de programme, d’organisation et de direction de nombreuses conférences et ateliers internationaux parrainés par l’IEEE et l’ACM. Ses recherches portent sur la traçabilité des logiciels, la récupération et la maintenance de la traçabilité, l’évolution des logiciels, le génie logiciel empirique, le génie logiciel basé sur la recherche et les tests logiciels.
Sébastien Da Veiga
Sébastien Da Veiga est expert senior en statistiques et optimisation chez Safran, groupe international de haute technologie fournisseur de systèmes et d’équipements sur les marchés de l’aéronautique et de la défense. Il a obtenu sa thèse de doctorat en statistique à l’Université de Toulouse en 2007, et sa thèse d’habilitation sur l’apprentissage automatique interprétable en 2021. Il est actuellement à la tête d’une équipe de recherche travaillant sur l’utilisation de l’intelligence artificielle pour la conception et la simulation. Ses recherches portent sur la modélisation d’expériences sur ordinateur, l’analyse de sensibilité, l’optimisation, les méthodes à noyaux et les forêts aléatoires.
Josée Desharnais
Josée Desharnais est professeure titulaire au département d’informatique et de génie logiciel. Elle a travaillé sur les fondements mathématiques de la vérification formelle des systèmes de Markov interactifs: logiques, bisimulations, métriques. Ces travaux lui ont valu deux prix de test du temps en 2017 et 2022, de la prestigieuse conférence internationale sur la logique : LICS test-of-time award 2017, 2022.
Elle a quelques contribution en théorie des graphes sur des problèmes de poursuite et de recherche.
Plus récemment, elle s’est intéressée à la recherche fondamentale en cybersécurité, visant notamment l’application des politiques de non interférence dans les systèmes informatiques ce qui garantit la confidentialité et l’intégrité des données. Elle s’intéresse également à garantir la vie privée des systèmes intelligents ainsi que la sûreté de fonctionnement de leurs modèles.
Mélanie Ducoffe
Mélanie Ducoffe est chercheuse industrielle au centre de recherche et de technologie d’Airbus depuis 2019 et détachée à mi-temps dans le projet DEEL pour l’étude de la robustesse en machine learning et ses applications aux systèmes critiques. Avant de rejoindre Toulouse, elle a validé ses études de master par un stage sur l’apprentissage génératif avec Yoshua Bengio, puis effectué un doctorat en machine learning au CNRS de Nice Sophia Antipolis sur l’apprentissage actif des réseaux de neurones profonds. Ses principales activités de recherche actuelles sont sur la robustesse des réseaux de neurones, notamment par les méthodes formelles.
Grégory Flandin
Diplômé de Supaéro (en 1997) et docteur de l’Inria (en 2001), Gregory Flandin a commencé sa carrière chez Airbus Defence & Space dans l’ingénierie des systèmes d’observation de la terre. Il a rejoint l’IRT Saint Exupéry en 2014 où il a monté le centre de compétences en Intelligence Artificielle puis pris la direction du programme d’Intelligence Artificielle pour les systèmes critiques.
Sébastien Gerchinovitz
Sébastien Gerchinovitz est chercheur dans le projet DEEL à l’IRT Saint Exupéry. Il est également chercheur associé à l’Institut de Mathématiques de Toulouse, et membre de la chaire Théorie des jeux et Intelligence Artificielle au sein de l’Institut d’Intelligence Artificielle et Naturelle de Toulouse (ANITI). Actuellement en détachement de l’Université Paul Sabatier, il a obtenu sa thèse en mathématiques à l’Ecole Normale Supérieure, Paris. Ses thèmes de recherche sont la théorie de l’apprentissage statistique, l’apprentissage séquentiel, l’apprentissage profond, et la quantification d’incertitudes pour les systèmes critiques.
Jean-Michel Loubes
Jean-Michel Loubes est Professeur de Mathématiques Appliquées à l’Institut de Mathématiques de Toulouse, porteur de la Chaire “Fair and Robust Learning” au sein de l’Institut d’Intelligence Naturelle et Artificielle de Toulouse (ANITI). Après une thèse à Toulouse et Leiden, il a été de 2001 à 2007 chercheur au CNRS à l’Université d’Orsay puis à l’Université de Montpellier. Depuis 2007, il est professeur à l’Université de Toulouse, dirigeant l’équipe de Statistique et Probabilités de 2008 à 2012. Il a travaillé en statistique mathématique sur les méthodes d’estimation et les vitesses optimales en Machine Learning. Ses recherches actuelles portent d’une part sur l’application de la théorie du transport optimal en Machine Learning et d’autre part sur les problématiques de “fairness” et de robustesse de l’Intelligence Artificielle. Très impliqué dans les liens entre le monde académique et l’industrie, il a été responsable régional de 2012 à 2017 de l’Agence de Valorisation des Mathématiques du CNRS et siège depuis 2019 au Comité Scientifique de l’Institut des Sciences Mathématiques et de leur Interaction (INSMI) du CNRS.
Francois Malgouyres
Titulaire d’un doctorat en Mathématiques appliquées au traitement d’images de l’école normale supérieure de Cachan (Paris-Saclay), en 2000, François Malgouyres occupe aujourd’hui un poste de professeur à l’université Paul Sabatier. Il est aussi membre de Deel et ANITI et travaille sur des aspects théoriques et pratiques de l’apprentissage machine.
Mario Marchand
Professeur au département d’informatique et de génie logiciel de l’Université Laval, Mario Marchand œuvre depuis plus de 30 années dans le domaine de l’apprentissage automatique. Ses travaux de recherche ont principalement porté sur les garanties de performance des algorithmes d’apprentissage et sur les algorithmes optimisant ces garanties. Cela a mené à plusieurs travaux sur les applications de l’apprentissage automatique dans divers domaines comme ceux ayant pour but la découverte de médicaments et ceux ayant pour objectif la prédiction de résistance aux antibiotiques. Plus récemment, Mario Marchand s’intéresse aux algorithmes d’apprentissage pouvant s’adapter à divers contextes, aux méta-algorithmes permettant d’apprendre à apprendre et à l’interprétabilité et l’explicabilité des prédictions obtenues des modèles prédictifs appris à partir de données.
Yann Péquignot
Yann Pequignot est professionnel de recherche à l’Institut intelligence et données (IID) de l’Université Laval. Chercheur en mathématiques et en science des données, il est en charge de la coordination scientifique du projet DEEL.
Il participe à des travaux de recherche en collaboration avec de nombreux chercheurs de diverses universités sur les thèmes de la robustesse, l’interprétabilité et la certifiabilité en intelligence artificielle. Il travaille également avec différents partenaires industriels pour le développement des connaissances et des technologies en intelligence artificielle. Il a effectué des stages postdoctoraux à l’Université Laval, à l’Université McGill à Montréal, à UCLA à Los Angeles et à l’Université de Vienne en Autriche. Il est détenteur d’un doctorat en Mathématiques de l’Université Paris 7.