Le projet MAMUT (Machine learning And Matheuristics algorithms for Urban Transportation) vise la mise en place d’une plateforme ouverte et open-source de résolution de problèmes récurrents et dynamiques de tournées de véhicules en milieu urbain. Il s’agit de problèmes de logistique à grande échelle. Les objectifs scientifiques et techniques concernent la résolution de problèmes de tournées mono et multi véhicules, mais aussi l’aspect dynamique impliquant la prise en compte temps réel de nouvelles demandes. Trois verrous sont présentés, dont deux verrous scientifiques (caractérisation des instances de logistiques urbaines, solveur hybride RO/IA générique) et un verrou technique (mise en place de la plateforme). L’originalité principale porte sur l’hybridation de la recherche opérationnelle (RO) par de l'intelligence artificielle (IA).
eNSEMBLE est un PEPR (Programme et Équipement Prioritaire de Recherche) exploratoire financé dans le cadre du plan d'investissements d'avenir France 2030. Le projet eNSEMBLE (Futur de la collaboration numérique) a pour objectif de redéfinir en profondeur les outils numériques pour la collaboration. Le projet ciblé PC4-Congrats a pour objectif mieux gérer les très grands collectifs producteurs de connaissances tels que Wikipedia. Il s'agit de comprendre leur fonctionnement (par exemple, pourquoi les gens viennent, contribuent, partagent, restent ou partent), améliorer la collaboration (performance, qualité, bien-être, résultats, etc.) en fournissant aux acteurs des outils utiles et utilisables. Via l'axe Complex Networks de l'équipe DECIDE et avec un partenariat pluridisciplinaire, nous mobiliserons différentes approches pour étudier les mécanismes qui régissent la croissance, la structuration et la pérennité de ces grands collectifs en ligne. Nous étudierons en particulier la dynamique inter-équipe, ce qui implique des algorithmes de détection de communautés, détection d'anomalies, détection de motifs, et des nouvelles métriques organisationnelles outillant la compréhension des grands graphes réels.
Le projet PAENDORA 2 (Planifier et Aménager, face au Changement climatique, la Transition des Territoires) est porté par cinq laboratoires de recherche publique (LISST, CNRM, Lab-STICC, LMDC, LRA) et deux acteurs institutionnels (FNAU, Toulouse Métropole) pour une durée de 40 mois. Il se positionne sur l'axe 1 de l’appel à projets ADEME-PACT2e concernant les objectifs de réduction des impacts des aléas climatiques extrêmes aux échelles urbaines. Le projet PÆNDORA 2 se donne trois objectifs principaux : 1. continuer à développer les outils de production de données urbaines (Geoclimate) et architecturales (DANUBE) développés lors des projets de recherche MApUCE et PÆNDORA. 2. de tester les marges d’applicabilité des données produites à l’urbanisme opérationnel à l’échelle de l’aménagement. En particulier en accompagnant Toulouse Métropole lors de son projet d’adaptation climatique de cours d’école pour la commune de Toulouse. 3. de produire des dispositifs de valorisation et communication des résultats du projet innovants. En particulier en créant de balades microclimatiques urbaines en collaboration avec les équipes locales des cas d’étude (le LIED à Paris, le CEREMA à Nancy, le CRC à Dijon).
Projet IAAP, ANR JCJC (2021-2025)
IAAP comme effets de l’Intelligence Artificielle sur l’Activité Policière: nouveaux régimes de quantification, diversification du marché et redéfinition des dispositifs de sécurité urbaine.
Mots clés : Politique de sécurité publique, gouvernement urbain, intelligence artificielle, intelligence artificielle explicable (XAI), séries temporelles, biais. Illustration : voir en pièce jointe
Vidéosurveillance « intelligente », reconnaissance faciale, cartographie prédictive, etc. sont autant de dispositifs venant renouveler l’action policière. Ils sont censés construire des « safe cities » grâce aux apports de l’intelligence artificielle (IA). Ce projet de recherche étudie différentes villes utilisant ces technologies afin de mesurer et d’améliorer les effets concrets de l’IA dans le travail policier. Dans ce projet interdisciplinaire (sociologie et informatique), nous avons pour objectifs de : (i) Évaluer les transformations organisationnelles de l’activité policière, induites par ces innovations. (ii) Caractériser les relations entre acteurs (scientifiques, industriels, publics et policiers) de la « safe city » et identifier les techniques informatiques propices à rencontrer des besoins et usages policiers, et les influences mutuelles que ces collaborations peuvent avoir sur le type de recherche en informatique et l’activité policière. (iii) Corriger et compléter les sources de données numériques (issues de capteurs, de statistiques ou de la vidéosurveillance, …). En permettant de les contextualiser et d’en faire ressortir certains biais, l’apport est d’améliorer la réflexivité que les policiers peuvent avoir sur leur propre pratique, en proposant une nouvelle approche d’IA explicable.
Partenaires : IMT Atlantique, Université de Versailles-Saint-Quentin-en-Yvelines, Sciences Po Saint-Germain-en-Laye
Projets passés
Les projets que nous avons coordonnés:
Projet Atypical, financé par TSN Carnot (2023)
Ce projet a été réalisé par Esteban Bautista, postdoctorant co-encadré par Cécile Bothorel, Laurent Brisson (équipe DECIDE) et Grégory Smits (équipe MOTEL). L’objectif du projet est triple : 1) identifier et comprendre les comportements dits réguliers dans un graphe d’interaction potentiellement large, 2) détecter des anomalies en prenant en compte des propriétés structurelles (interactions non conventionnelles ou inacceptables), temporelles (fréquence d’interactions) et spatio-temporelles (changement d’affiliations à une communauté ou modification subite et massive de la structure d’une communauté par exemple), et 3) expliciter les critères qui font qu’un scénario d’interaction soit jugé suspect et ainsi aider les acteurs décisionnels à différentier anomalies et phénomènes émergents. Esteban a produit l'algorithme MAD, modèle statistique modélisant les interactions d'un link stream par un processus aléatoire et publié son code python sur https://gitlab.imt-atlantique.fr/publications1/mad.
Le projet AILERON vise à améliorer la planification des levés hydrographiques du Shom en s'appuyant sur la plateforme deSEAsion. Son objectif est double :
Développer une méthodologie innovante pour prioriser les zones à lever en tenant compte des risques et des données disponibles.
Enrichir l'outil d'aide à la décision deSEAsion avec de nouvelles fonctionnalités collaboratives, transparentes et explicatives.
Pour ce faire, le projet AILERON s'articule autour de plusieurs axes :
Création d'un indicateur de qualité des données hydrographiques.
Élaboration d'une méthode d'évaluation des risques à la navigation multicritère.
Intégration d'un algorithme d'optimisation multi-objectifs pour proposer des zones à lever.
Mise en place d'un moteur d'explication des résultats pour une meilleure appropriation par les décideurs.
Traçabilité des données et indicateurs de confiance.
Projet européen Life Projet Heat&Cool (2021 - 2022)
Le CEREMA est partenaire du projet européen Heat&Cool LIFE « Massify district heating and cooling from renewable energy sources to reduce CO2 emissions of buildings » porté par la Région Provence-Alpes Côte d’Azur. Dans le cadre de ce projet, le CEREMA a sollicité le concours scientifique de l’équipe DECIDE sur le sujet « Cartographie des zones climatiques locales(LCZ) sur 15 collectivités de la région PACA » Cette sollicitation s’inscrit dans l’axe A.1 : Potentiel de développement régional des réseaux de chaleur et de froid. Il s’agit de cartographier les besoins de chaleur et froid du territoire à l’échelle des quartiers (maille IRIS) afin d’identifier les zones où ces réseaux pourront être judicieusement étendus ou créés, et de constituer la cartographie du potentiel de développement des réseaux. Concernant les consommations de froid, la région étant particulièrement concernée par ce besoin, il est nécessaire de faire une estimation approfondie (rafraîchissement, process, etc.) à l’échelle du territoire régional. L’objectif de la mission est de cartographier les 15 collectivités de la région PACA (Orange, Carpentras, La Garde, Hyères, Marseille, Aix, Cannes, Nice, Avignon, La Ciotat, Toulon, Fréjus, Antibes, Arles, Gardanne) d’un point de vue des zones climatiques locales. Sont attendus : 1. la carte des LCZ des 15 collectivités ; 2. description de la méthode de calcul des LCZ via la documentation du logiciel et les papiers de recherche 3. la valeur des indicateurs (proposés par les chercheurs Stewart et Oke) moyens calculés pour l’obtention des LCZ de chaque collectivité. Les indicateurs prioritaires à nous transférer pour chaque LCZ de chaque collectivité sont la hauteur bâti moyenne, la densité de bâtiment moyenne, le ratio de surface verticale sur la surface horizontale, le taux de surface enherbée (ou de strate basse), le taux de surface comprenant des arbres (ou strate haute).
Projet PLAMADE – Plate-forme Mutualisée d’Aide au Diagnostic Environnemental (2021 - 2022)
Le projet PLAMADE, coordonné par le CEREMA, vise à construire une plateforme nationale pour collecter et rassembler les données d’entrée nécessaires à la production des cartes de bruit stratégiques (CBS) suivant la réglementation européenne en vigueur, notamment les données de trafics moyens journaliers. Les gestionnaires de voiries sont directement concernés pour valider les données, les mettre à jour et renseigner les nouvelles données.
Projet européen SLIM (Surface Land Information Mapping) (2020 - 2022)
Le projet SLIM, financé par ECMWF/ Copernicus Climate Change Service propose de fournir et de mettre en œuvre deux types d'algorithmes complémentaires pour produire des cartes d'occupation des sols et des cartes urbaines à haute résolution et les utiliser dans la modélisation de surface. L'idée principale est de tirer parti des algorithmes existants et de les adapter.
1. Utiliser l'algorithme Ecoclimap de deuxième génération, développé par Météo-France pour produire une carte globale d’occupation des sols à une résolution de 300 m et ensuite agréger les données à une résolution de 1 km. Cet algorithme sera ensuite adapté pour utiliser la carte Copernicus Global Land Cover à une résolution de 100 m au lieu de l'actuelle ESA-CCI LC, afin de bénéficier de données d'entrée à plus haute résolution mais également de données mises à jour plus fréquemment. 2. Utiliser la chaîne de traitements de l’outil GeoClimate pour fournir des indicateurs géographiques à haute résolution des villes européennes et expérimenter la production d’une cartographie globale des Zones Climatiques Locales. Ces dernières viendront remplacer celles de la base de données Ecoclimap-SG.
Projet LEARN-IA, FEDER (2019-2022)
LEARN-IA s’inscrit dans le contexte de l’amélioration de la performance énergétique des infrastructures dans des environnements industriels ou dans des collectivités territoriales grâce à l’intelligence artificielle et à des outils de saisie innovants. Le projet consiste à améliorer l’analyse prédictive et les préconisations fournies aux gestionnaires d’énergie grâce à des informations contextuelles collectées puis interprétées à l’aide d’algorithmes sémantiques. Le projet a également pour objectif d’améliorer la collecte d’informations à l’aide de technologies qui permettent l’acquisition d'événements non mesurables (événements de maintenance, défauts et anomalies visuelles, problème décrits par du texte, etc.) grâce à des approches systémiques :
capturer ces évènements en langage naturel avec un outil de saisie ergonomique adapté en les associant si besoin à un ou plusieurs éléments de mesure numérique physique.
analyser et structurer ces informations à l’aide d’algorithmes de traitement du langage naturel (TALN)
extraire des connaissances grâce aux liens établis entre événements et mesures via des algorithmes de machine learning, et être en mesure d’expliquer ces connaissances
Mots clés : séries temporelles, traitement de texte, logiciels, intelligence artificielle explicable Partenaires : IMT Atlantique, Energiency, Script&Go Publication phare : Ikram Chraibi Kaadoud, Lina Fahed, Tian Tian, Yannis Haralambous, Philippe Lenca. Automata-based explainable representation for a complex system of multivariate times series. IC3K 2022: 14th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management - KDIR, Oct 2022, Valletta, Malta. pp.170-179, ⟨10.5220/0011363400003335⟩.
MySmartLife (H2020) (2016 - 2022)
Le projet mySMARTLife vise à rendre les trois villes phares de Nantes, Hambourg et Helsinki plus respectueuses de l'environnement en réduisant les émissions de CO2 des villes et en augmentant l'utilisation des sources d'énergie renouvelables.
Dans ce cadre, l'équipe DECIDE est en charge d'une action qui vise à proposer une méthodologie et un outil d'aide multi-critère à la décision pour planifier la mise à jour du réseau de chaleur de l'île de Nantes, en intégrant les différentes parties prenantes du réseau et les décideurs.
MEDISA est un projet de recherche et développement visant à créer un outil d'aide multi-critère à la décision pour dimensionner les systèmes d'assainissement. Cet outil doit permettre de prendre en compte à la fois les exigences réglementaires, les coûts et les impacts sur l'environnement.
Le projet est mené par une équipe pluridisciplinaire composée de professionnels de l'assainissement, de la modélisation, de la mesure, de l'écotoxicologie et d'académiques (Eau du Ponant, IMT Atlantique (Lab-STICC), UBO (LMBA), LABOCEA, ACRI-HE, 3DEAU). Les résultats du projet permettent aux acteurs de l'assainissement de prendre des décisions plus éclairées et de contribuer à la protection de l'environnement.
L'équipe DECIDE a proposé une méthodologie pour l'évaluation des scénarios d'amélioration du systèmes d'assainissement et sa mise en oeuvre dans un outil informatique.
Ce projet de recherche sur le pluralisme de l'information en ligne a pour objectif d'analyser et d'évaluer les effets socio-économiques des transformations engendrées par le numérique sur la qualité et le pluralisme de l’information (QPI) dans l’univers des médias. PIL est un projet de recherche collaborative et interdisciplinaire rassemblant des chercheurs en économie, sociologie, informatique, linguistique, droit et sciences de l’information et de la communication.
Dans le cadre de ce projet, l'équipe DECIDE travaille en particulier sur :
l'analyse de la dynamique d'interaction par la mise au point d'algorithmes de suivi de l'évolution de communautés dans les réseaux complexes, de façon à décrire le pluralisme d'opinion et en particulier détecter et décrire la dynamique des chambre d'écho.
la définition algorithmique de la « qualité » d’une série de documents et du « pluralisme » d’un média donné par des approches de traitement automatique de la langue naturelle.
Une chaîne complète d’analyse automatique (ou semi-automatique dans certains cas) de séries de documents, aboutissant à des analyseurs et rhétoriques, intra-médium et/ou inter-médium
Partenaires académiques : IMT Atlantique, Universités Sorbonne Nouvelle – Paris 3 et La Rochelle.
Le projet CENSE (Caractérisation des environnements sonores urbains :vers une approche globale associant données libres, mesures et modélisations) est un projet pluridisciplinaire porté par l’UMR ACOUSTIQUE ENVIRONNEMENTALE (UMRAE), réunissant des experts de l'acoustique environnementale, de l'assimilation de données, des statistiques, des SIG, des réseaux de capteurs, du traitement du signal et de la perception du bruit. Le projet CENSE vise à améliorer la caractérisation des environnements sonores urbains, en combinant les observations in situ et les prévisions numériques du bruit.
Les villes sont particulièrement vulnérables aux changements climatiques en raison de la concentration de la population, des biens et des infrastructures. En outre, les villes sont l'un des principaux émetteurs de gaz à effet de serre, car la forte concentration des activités humaines, comme les transports et l'industrie, entraîne des niveaux élevés de consommation d'énergie. Par conséquent, les acteurs urbains, en particulier les urbanistes, sont confrontés à de nombreux défis liés au changement climatique, tout en devant gérer et planifier leur développement urbain d'une manière durable et respectueuse du climat. L'information climatique est surtout fournie par des modèles climatiques à des échelles spatiales beaucoup plus grandes que les échelles (sub)urbaines auxquelles les mesures d'atténuation et d'adaptation doivent être réalisées. L'ambition du projet URCLIM est de progresser sur les Services Climatiques Urbains (SCU), à destination des urbanistes et des acteurs concernés, en utilisant des données urbaines ouvertes et des données climatiques régionales. Pour atteindre ce but, le projet a quatre objectifs scientifiques : 1. développer une méthodologie pour la création de cartes urbaines à très haute résolution pour décrire les paramètres nécessaires pour les modèles de micro-climat urbain, et ceci à partir de données libres (comme OpenStreetMap) ; 2. analyser la propagation des incertitudes des modèles régionaux jusqu’aux modèles d’impacts à l'échelle infra-urbaine ; 3. faire des évaluations multicritères de stratégies d’adaptation, en lien avec les aspects sociétaux liés aux vagues de chaleur, à l'îlot de chaleur urbain, aux précipitations intenses et à la qualité de l’air ; 4. définir des services climatiques urbains en lien avec les utilisateurs et urbanistes. Cinq cas d’études (villes) ont été choisis dans chaque pays des partenaires, afin de refléter des structures géographiques, climatiques différentes, ainsi que des histoires urbaines et structures urbanistiques variées : Helsinki, Toulouse et Paris, Bruxelles et Gant, Bucarest, et les villes des Pays-bas (Rotterdam, La Hague, Amsterdam, Utrecht). http://www.urclim.eu/
Projet ADEME PAENDORA (2017 - 2021)
Le projet PAENDORA s’inscrit dans l’essor croissant au cours des dernières années de l’élaboration d’outils d’aide à la décision à destination des collectivités pour la prise en compte des thématiques énergie-climat dans les pratiques d’urbanisme, avec un focus marqué sur l’adaptation aux changements climatiques, moins encadré en termes de méthodologie et moins intégré dans l’action publique locale. Le projet PAENDORA contribue également à l’opérationnalisation des résultats d’autres projets de recherche, tel que le projet MApUCE. Le projet PAENDORA se structure autour d’un groupe de partenaires transdisciplinaires afin de développer et appliquer une approche générique de production de données urbaine à l'échelle des îlots urbains (les pâtés de maisons), de les appliquer pour un domaine métier (l'îlot de chaleur urbain), et, le cas échéant en s’appuyant sur ces données, poursuivre le travail sur des méthodologies d’accompagnement des acteurs de l’urbanisme vis-à-vis de l’adaptation au changement climatique.
Des capteurs à la connaissance : Communiquer et décider
