Talk de contexte

• Chloé Azencott (Prairie)

Applications de l’Intelligence Artificielle pour la prise en charge des pathologies vasculaires non cardiaques

• Juliette Raffort

L’intelligence artificielle (IA) a permis de mettre en place de nombreuses applications qui font maintenant partie de notre vie quotidienne. Elle offre de nombreuses perspectives pour la pratique et la recherche médicale mais peut parfois véhiculer des idées imaginaires dérivées de la science-fiction. Le but de cet exposé est d’introduire les notions fondamentales liées à l’IA et de présenter ses applications concrètes en médecine, en particulier pour la prise en charge des pathologies vasculaires non cardiaques. A la lumière de ces applications, nous discutons les orientations et les challenges restant à relever pour les années futures.

Doit on apprendre ou optimiser les mouvements d’un robot ?

• Nicolas Mansard

Physique

• Marc Mézard

L’apprentissage par renforcement pour interagir avec les marchés de l’’électricité

• Damien Ernst

DNA DRIVE: a new technology for sustainable data storage

• Stéphane Lemaire

The storage of digital data is a major challenge in our modern societies. Current digital media stored in data centers are fragile, bulky and energy-intensive. The ongoing digital transformation of our societies requires a major disruption of our digital storage technologies. DNA data storage is an emerging technology that has the advantage of being stable for thousands of years, extremely compact and energy-efficient. We are developing innovative concepts of DNA data storage based on domestication of biological systems. Our technology, named DNA DRIVE, and its proof of concept will be presented.

Machine learning against cancer

• Jean-Philippe Vert

Climate Informatics: Machine Learning for the Study of Climate Change

• Claire Monteleoni

Décisions de justice et algorithmes: de l’aide à la décision à l’automatisation

• Florence G'Sell

Ce que peuvent les novices. Etude de la promesse de renouvellement démocratique avec des méthodes d'intelligence artificielle

• Etienne Ollion

L'élection de 2017 a vu l'arrivée d'une centaine de députés purement novices à l'Assemblée nationale. Comment ces personnes se sont-elles adaptées au monde politique qu'elles découvraient? Et surtout : l'arrivée massive de nouveaux venus a-t-elle permis de modifier la manière dont on fait de la politique, ainsi que le promettait la campagne de 2017. Cette présentation mobilise des outils d'intelligence artificielle qui, couplées à des informations sur la carrière politique des élus, permettent d'apporter des réponses à cette question de la place des novices.

Decentralized and Privacy-Preserving Machine Learning

• Aurélien Bellet

Talk de contexte

• Cédric Villani

Vers une IA plus frugale : optimisation de la consommation énergétique d'algorithmes de machine learning

• Céline Moucer

L'intelligence artificielle est-elle génératrice d'inégalités ?

• Flora Vincent

Interprétatibilité et Explicabilité des Réseaux de neurones, et application en Oncologie

• Wistan Marchadour

Comment interpréter les outils d'interprétabilité ? L'exemple des valeurs de Shapley

• Clément Arlotti

DIAG - solution d’aide au diagnostic de la COVID-19 au moyen de la tomodensitométrie et du Deep Learning

• Amel Imene Hadj Bouzid

L’examen de scanner (CT-Scan) est demandé chez les patients COVID-19 suspects ou confirmés présentant des symptômes respiratoires et nécessitant une prise en charge hospitalière. Or, la réalisation de cet examen est laborieuse dans les services de radiologie surchargés par le flux des malades. Par ailleurs, certaines régions d’Algérie souffrent d’un manque de radiologues alors même qu’elles disposent de scanners. Ainsi, nous avons mis en place une plateforme de collecte de scanners (ScanRepo) à laquelle nous avons développé et intégré l’outil DIAG ; une solution d’aide au diagnostic automatique de la COVID-19 au moyen de la tomodensitométrie et du Deep Learning. La plateforme ScanRepo sera déployée pour collecter les scanners à l’échelle nationale. Une intelligence artificielle (IA) utilisera cette base de données pour apprendre à reconnaître automatiquement les anomalies scanographiques de la COVID-19. L’outil DIAG intégrera cette IA pour proposer une aide au diagnostic des patients COVID-19 en précisant le degré de sévérité de l’atteinte pulmonaire, ces diagnostics étant subséquemment validés par les spécialistes et transmis aux médecins traitants pour la thérapeutique.

Deep learning appliqué aux sciences du patrimoine

• Marie Morgane Paumard

Questions-Réponses

Conversation

• Patrick Perez
• Caroline Chavier
• Julie Delon