Marc Abdul Ghafour est chef d'équipe sur les outils d'échange de données et de collaboration PLM (ENOVIA) chez Dassault Systèmes à Paris. Après un doctorat en informatique à l'Université de Lyon, Marc est intéressé par la recherche, en particulier par les sujets liés aux technologies du Web sémantique (RDF-S, OWL) et au Big Data. Il est désormais chef d'équipe sur les outils d'échange de données et de collaboration PLM (ENOVIA) chez Dassault Systèmes à Paris et ingénieur logiciel expérimenté en R&D avec une expérience démontrée dans l'interopérabilité des systèmes PLM et CAO. En plus de son travail chez Dassault Systèmes, il est également professeur assistant à temps partiel à l'Université de Lyon et à l'Université de Versailles Saint-Quentin-en-Yvelines.

Yvenn Amara-Ouali est Ingénieur Civil des Mines et Docteur en Mathématiques Appliquées de l'Université Paris-Saclay, spécialisé en Data Science appliquée à la prévision de consommation électrique, passionné d'Apprentissage Automatique et tout particulièrement d'Apprentissage Profond. Diplômé d'un Master de Management de l'Imperial College Business School, il a travaillé pendant plus d'un an en tant que consultant à Londres où il y a développé des solutions quantitatives et sur-mesure pour différents acteurs majeurs d'industries variées à l'aide d'outils tels que R, Python, Tableau et Alteryx. Au cours de sa thèse à l'Université Paris-Saclay et à EDF R&D, il a travaillé sur la modélisation de la charge des véhicules électriques à l'aide de méthodes statistiques et d'apprentissage automatique. Il est actuellement Ingénieur de recherche à EDF R&D travaillant principalement sur la prévision de consommation électrique à court-terme et Professeur Associé à l'Université Paris-Saclay enseignant le Deep Learning dans le Master Maths & IA.

Caroline Appert est Directrice de Recherche au CNRS, dans le  Laboratoire Interdisciplinaire des Sciences du Numérique (LISN, Université Paris-Saclay). Elle a obtenu son doctorat à l'Université Paris-Sud en 2007. Elle a ensuite travaillé comme post-doctorante à IBM Almaden Research, avant d'obtenir un poste de chercheur CNRS en 2008. Elle a développé des techniques d'interaction innovantes (notamment gestuelles et tangibles) pour diverses surfaces d'affichage (smartphones, ordinateurs de bureau, murs d'écran et casques immersifs). Elle est actuellement directrice du pôle "Données, connaissances, apprentissage et interactions" de l'École Doctorale STIC de l'Université Paris-Saclay. Dans le contexte du projet SaclAI-School porté par l'Institut DATAIA, elle partage en particulier son expérience pour collecter et analyser des données empiriques (typiquement issue d'expériences en laboratoires).

Thomas Baudel est directeur de recherche au laboratoire français d'IBM. Dans ce cadre, il développe le logiciel IBM AI Decision Coordination, destiné à déterminer la juste place de l'humain et des algorithmes dans la décision automatisée. Auparavant, il a contribué à plusieurs développements logiciels majeurs, tels que Autodesk Maya (Motion Academy Awards 2006), ILOG Views et IBM Operational Decision Manager. Ancien de l'université Paris-Saclay, il y enseigne depuis 30 ans divers sujets alliant les sciences humaines et l'informatique. En particulier, il conduit depuis 2017 l'enseignement en intégrité scientifique, éthique de la recherche et éthique du numérique pour l'école Doctorale STIC, et plus récemment le module "Informatique et Société" pour le master Informatique pour la Science des données (ISD).

Pascal Bondon est directeur de recherche au CNRS. Son domaine de recherche est l'analyse de séries temporelles avec des applications dans les domaines de la santé et de l'environnement.

Etienne Boursier est chercheur dans l'équipe CELESTE du centre Inria de Saclay, située dans le Laboratoire Mathématique d'Orsay. Il travaille sur différents aspects de la théorie de l'apprentissage automatique, en se concentrant principalement sur la compréhension théorique des réseaux neuronaux et sur les relations entre l'apprentissage en ligne et la théorie des jeux. Avant cela, il a été postdoc dans le laboratoire de théorie de l'apprentissage automatique à l'EPFL avec Nicolas Flammarion. En 2021, il a terminé un doctorat à l'ENS Paris-Saclay, commencé en septembre 2018 sous la direction de Vianney Perchet et intitulé « Apprentissage statistique dans un environnement stratégique ».

Bryan Brancotte est ingénieur de recherche sur le développement web, la visualisation, l'intégration de données et les technologies de conteneurs telles que Docker et Kubernetes. Bryan a rejoint le HUB de Bioinformatique et de Biostatistique de l'Institut Pasteur en 2017. Il a travaillé sur l'agrégation de classements de gènes dans un cadre formel en prenant en compte les propriétés de ces données et la façon dont les classements ont été générés afin de déterminer comment les classements doivent être agrégés. Après son doctorat, il a rejoint l'Institut Français de Bioinformatique (IFB) pour travailler sur le cloud computing, l'authentification fédérée des utilisateurs dans différents systèmes. Depuis son arrivée à l'Institut Pasteur, il développe et maintient des applications permettant aux scientifiques de stocker, partager, annoter, comparer et analyser des données. Il utilise des technologies modernes pour appliquer les meilleures pratiques pour des logiciels de qualité telles que le versioning, les tests unitaires, l'intégration et la livraison continue.

Emilie Chouzenoux a obtenu le doctorat en traitement du signal à l'Institut de Recherche en Communications et Cybernétique (IRCCyN, UMR CNRS 6597) à Nantes en 2010. Entre 2011 et 2019, elle a été maître de conférences à l'Université Paris-Est Marne-la-Vallée à Champs-sur-Marne (LIGM, UMR CNRS 8049). Depuis septembre 2019, elle est Chargée de Recherche à l'Inria Saclay, au Centre d'Informatique Visuelle de CentraleSupélec à l'Université Paris-Saclay. Depuis janvier 2020, elle est le PI de l'ERC Starting Grant MAJORIS. Ses recherches portent sur les algorithmes d'optimisation à grande échelle pour les problèmes inverses et les problèmes d'apprentissage automatique du traitement d'images.

Thomas Courtat a obtenu un doctorat sur la géométrie des réseaux complexes. Il s'est ensuite intéressé aux approches statistiques pour la résolution de divers problèmes liés aux télécommunications. En 2018, il rejoint le laboratoire d'intelligence artificielle de la direction technique de Thales SIX sur le site du Plateau de Saclay en tant qu'expert en science des données et en apprentissage machine. Depuis septembre 2022, en tant que professeur attaché de l'Université Paris-Saclay il propose le cours "Apprentissage profond et traitement du signal: introduction et applications industrielles" au Master MVA, à l'ENS Paris-Saclay.

Vincent FEUILLARD est Expert en Apprentissage Statistique et en Science des données pour le groupe Renault. Il est rattaché à la direction de la Qualité & du Manufacturing. Il fait également partie de deux Domaines d'Expertise Stratégiques transverses du Groupe, en Intelligence Artificielle et en Fiabilité. Il développe et spécifie des algorithmes dans des domaines très variés : en Apprentissage Statistique/Machine afin de représenter au mieux l’usage des clients et aider à prédire certains indicateurs de performance du groupe, ou encore en Traitement Automatique du Langage (NLP) en adaptant des modèles de langage afin d’aider à l’analyse de commentaires de retours client. Avant de rejoindre le groupe Renault, Il a encadré une équipe de Data Scientists du groupe ACCOR principalement sur des sujets de Revenu Management (prédiction du taux d’occupation des hôtels) et d’analyse de retours. clients. Il a exercé pendant plus de 10 ans au sein du centre de recherche centralisé d’Airbus, tout d’abord sur le domaine de la propagation des incertitudes en simulation numérique dans un département de Mathématiques Appliquées, puis en tant que Senior Data Scientist dans un département d’IA (principalement sur des thématiques de Maintenance Prédictive). Il est titulaire d’un doctorat en Apprentissage Statistique réalisée au CEA et à Sorbonne Université (ex : Pierre-et-Marie-Curie, Paris-VI).

Frédéric Guichard est un ancien élève de l’Ecole Normale Supérieure, ingénieur du corps des Ponts & Chaussées et docteur d'une thèse en mathématiques appliquées de l’université Paris Dauphine. Il a été récompensé d’un Grand Prix de l’académie des Sciences en 2006, pour ses contributions en mathématiques et traitements des images. Il est le co-fondateur et directeur général de DXOMARK, leader mondial dans les tests des appareils photo numériques et smartphones. DXOMARK compte parmi ses clients la plupart des grosses sociétés d’électroniques grand public, les grands fabricants de smartphones et leur écosystèmes industriels. À travers l’aventure DXO, Fréderic a contribué au passage au numérique des appareils photos : conception des chaines algorithmique, co-design optique-capteur-traitement des images pour la miniaturisation des caméras et leur intégration dans plusieurs centaines de millions de téléphones. Avant de créer DXO, Frédéric a occupé plusieurs positions académiques ou industrielles dans le domaine de l’image, vision par ordinateur, conduite autonome et surveillance.

Makhlouf Hadji travaille en tant que Chercheur Expert à l'Institut de Recherche Technologique SystemX. Ses domaines de recherche couvrent plus largement les infrastructures numériques et réseaux du futur. Makhlouf a publié plus de 100 papiers dans des conférences et revues internationales de bon rang, comme IEEE Transactions on Cloud, IEEE LCN, etc. Makhlouf est titulaire d'une HdR (depuis 2017) et co-dirige plusieurs thèses de doctorat avec différents laboratoires académiques partenaires de SystemX.

Stéphane Herbin est directeur de recherche à l'ONERA dans le Département Traitement de l'Information et Systèmes. Ses travaux de recherche abordent principalement la conception d'algorithmes d'interprétation d'images et de vidéos (classification, détection d'objet, description textuelle...) exploitant des techniques d'Intelligence Artificielle. Ses domaines d'intérêt plus récents portent sur les approches d'apprentissage à faible quantité de données (zero-shot, few-shot, continu) et sur l'IA de confiance (robustesse, explicabilité, garantie de performance). Il est diplômé de Supélec (Ingénieur), de l'University of Illinois at Urbana-Champaign (Master of Science) et de l'Ecole Normale Supérieur de Cachan (doctorat en mathématiques appliquées).

Josselin Kherroubi est actuellement le responsable du laboratoire d'intelligence artificielle (AI Lab) du technocentre SLB de Clamart. L'AI Lab favorise l'accélération et l'adoption de l’IA pour les activités de SLB. Josselin a obtenu un diplôme de master en 2002 a l'École Centrale Paris, avec une spécialisation en mathématiques appliquées. Il est aussi diplômé du master Mathématiques-Vision-Apprentissage (MVA) de l’ENS Paris Saclay (ex-Cachan). Depuis qu'il a rejoint SLB à Clamart en 2006, il a travaillé sur l'analyse automatique des images, la modélisation stochastique (logiciel Petrel), le traitement du signal et l'inversion de mesures diélectriques. Il a aussi dirigé une équipe développant des modules avancés d'analyse d'images (logiciel Techlog). En parallèle de sa fonction actuelle, il intervient en tant que conseiller scientifique pour SLB sur tous les sujets liés à l'IA et aux algorithmes. Josselin a toujours été activement impliqué dans des collaborations externes avec des universités et des centres de recherche (enseignement, publications, brevets).

Joon Kwon est depuis 2018 Chargé de recherche à l'Institut National de Recherche pour l'Agriculture et l'Environnement (INRAE), AgroParisTech au sein de l'Université Paris–Saclay. Après avoir suivi ses études à l'ENS Lyon de 2009 à 2013, Joon Kwon a été, de 2012 à 2016, Doctorant sous la direction de Sylvain Sorin et Rida Laraki (IMJ, UPMC). Sa thèse a porté sur les "Stratégies de descente miroir pour la minimisation du regret et l’approchabilité", qu'il a soutenue en octobre 2016. De 2016 à 2018, il a été post-doctorant sous la direction d’Éric Moulines au sein du CMAP, École Polytechnique.

Bibliographie

• "Unifying mirror descent and dual averaging" (avec A. Juditsky & É. Moulines), à paraître dans Mathematical Programming, 2022.

• "Refined approachability algorithms and application to regret minimization with global costs" (algorithmes d'approche raffinés et application à la minimisation du regret avec des coûts globaux),
  Journal of Machine Learning Research, 22(200):1-38, 2021.

Raphaël Leclercq est titulaire d’un double diplôme entre Polytechnique Montréal et l’INSA Lyon. Son credo ? Faire dialoguer les mondes de la data science et le génie civil. Il dirige depuis 4 ans une équipe de 15 ingénieurs pour développer des solutions d’IA au service des métiers. En tant que Head of Data chez SOCOTEC, il est garant des développements de l’équipe sur nos algorithmes de détection d’anomalies, de prédiction multivariées, de NLP et Computer Vision. Parmi les sujets qui le passionnent : Digital Twin : couplage des modèles numériques et des données de capteurs et développement de surrogate model ; Maintenance Prédictive : développer des modèles de prédiction pour allonger la durée de vie des ouvrages ; Computer Vision et défauts : détection de défauts sur des images et vidéos.

Frédéric Lemoine a obtenu un doctorat en informatique à l'Université Paris-Saclay, durant lequel il a participé au développement d'un système d'intégration et d'interrogation de données génomiques. Il a ensuite poursuivi ses recherches en effectuant un post-doctorat à l'Université de Lausanne. Pendant cette période, il a étudié l'évolution des petits ARNs en analysant de grandes quantités de données de séquençage. Par la suite, il a rejoint GenoSplice, une entreprise spécialisée en bio-informatique, pour y développer l'analyse des données de séquençage ARN. Depuis 2015, il est bioinformaticien à l'Institut Pasteur, où il développe des algorithmes, des outils et workflows pour l'analyse de l'évolution des pathogènes, notamment des virus.

Aurore Lomet travaille sur l'Intelligence Artificielle depuis 2015 au sein du Commissariat à l'Énergie Atomique et aux énergies alternatives (CEA). Spécialisée dans le traitement des séries temporelles, elle a eu l'occasion de développer des modèles de prévision ou de classification basés sur l'inférence bayésienne, l'apprentissage automatique et profond, dans des domaines aussi variés que l'industrie, l'énergie, le nucléaire ou la santé. Depuis quelques années, ses thèmes de recherche se concentrent sur la causalité, afin de découvrir des liens de causalité dans les données.

Thomas Moreau est chercheur à Inria Saclay, depuis l'automne 2019, dans l'équipe MIND. Ses intérêts de recherche sont centrés sur l'apprentissage non supervisé pour les séries temporelles, avec une application aux signaux physiologiques tels que le MEG ou l'IRMf dans le contexte de la prise en charge médicale. Il s'intéresse également de près à l'optimisation à deux niveaux et à l'unrolling, en étudiant le lien entre les deux pour développer des modèles efficaces et interprétables. Il est également impliqué dans des projets open-source Python. Il est mainteneur de joblib, une bibliothèque de calcul parallèle en Python utilisée dans scikit-learn, et il a créé benchopt, un cadre pour favoriser des benchmarks reproductibles et extensibles en ML et en optimisation. Avant d'obtenir son poste, il a obtenu un doctorat du CMLA, ENS Cachan en 2017 sous la direction de N. Vayatis et L. Oudre sur les représentations convolutives pour les signaux physiologiques. Il a ensuite été chercheur post-doctoral dans l'équipe Parietal pendant 18 mois, travaillant sur l'apprentissage dictionnaire convolutif appliqué à l'électrophysiologie.

Nancy Perrot est titulaire d'un doctorat en Recherche Opérationnelle. Elle a rejoint le Groupe Orange en 2005, pour travailler en tant que chercheuse sur plusieurs problèmes d'optimisation liés à la conception et à la gestion des réseaux et des services de télécommunication. Elle dirige actuellement un programme de Recherche sur l'optimisation mathématique, les modèles et les algorithmes pour les réseaux. Elle est également membre de la communauté d'experts Orange "Réseaux du Futur" et du conseil scientifique du GdR ROD.

Hector Simón Benavides Pinjosovsky est Docteur en statistiques appliquées avec 14 ans d'expérience en tant que Data Scientist. Il possède une vaste expérience de la direction de projets d'intelligence artificielle dans les domaines de la santé, de l'automobile et des télécommunications. Au travers de ses différents travaux, il a également l'expérience du traitement des données et de l'informatique scientifique, notamment de la classification, de l'extraction/sélection de caractéristiques, de la reconnaissance des formes, de l'apprentissage automatique, de la gestion de bases de données et des méthodologies de développement de systèmes d'information.

Aurélien Plyer est chargé de recherche à l'ONERA depuis 2012. Après une thèse sur la vision artificielle bas niveau, il est chercheur en vision par ordinateur sur un large spectre applicatif, allant de la mesure en soufflerie à l'imagerie de la Terre en passant par la robotique. Dans tous ces domaines applicatifs, il étudie les problématiques de perceptions allant de la mesure comme avec l'estimation de mouvement, ou flot optique, jusqu'à l’interprétation de scène comme avec la segmentation sémantique.

Damien Querlioz est chercheur CNRS au Centre de Nanosciences et de Nanotechnologies (CNRS/Université Paris-Saclay). Formé initialement à l'Ecole Normale Supérieure de Paris et à l'Ecole Supérieure d'Electricité, il a obtenu son doctorat de l'Université Paris-Sud en 2009. Il a ensuite été chercheur postdoctoral à l'Université de Stanford et au Commissariat à l'Energie Atomique. Damien Querlioz développe des circuits électroniques centrés sur la mémoire afin de réaliser des tâches d'intelligence artificielle avec une consommation énergétique extrêmement réduite. Il emploie notamment de nouvelles technologies de mémoire, telles que les memristors ou les dispositifs spintroniques, qui se rapprochent des synapses artificielles. Il est responsable d'un module du master Électronique, Énergie Électrique, Automatique (E3A) de l'Université Paris-Saclay, qui initie les étudiants aux concepts du deep learning et à la manière dont les nouvelles technologies de l'électronique peuvent en accélérer les performances tout en réduisant la consommation énergétique.

Marco Spinaci a suivi une formation en mathématiques, d'abord à la Scuola Normale Superiore de Pise et ensuite avec un doctorat à l'Institut Fourier de Grenoble. Après une période en tant qu'analyste du risque chez Deutsche Bank, il travaille depuis 2018 chez SAP dans les sciences des données. Au fil des années, il a été en charge du développement de solutions d'apprentissage profond dans des domaines différents : reconnaissance optique des caractères, extraction d'informations de documents commerciaux, robots de conversation, recherche d'informations et traitement des tableaux de données.

Ramzi Temanni est un expert dans les domaines de l'IA, de la bioinformatique et de l'analyse de données, avec plus de 15 ans d'expérience internationale dans l'analyse de données biomédicales à grande échelle. Il est titulaire d'un doctorat en bioinformatique et d'un master en informatique médicale de l'Université Pierre et Marie Curie (Sorbonne Université). Tout au long de sa carrière, il a collaboré étroitement avec des biologistes, des cliniciens et des scientifiques dans les universités, les hôpitaux et les entreprises biotechnologiques/pharmaceutiques pour résoudre des questions de recherche complexes, en s'appuyant sur des technologies de pointe et des approches innovantes.

Actuellement, il occupe le poste de Directeur scientifique, Intelligence Artificielle (IA), Biologie des systèmes au sein de l'équipe Data Science & Digital Health chez Janssen R&D. Dans ce rôle, il est responsable du développement et de la mise en œuvre de stratégies d'IA appliquées aux données multi-omiques, pour améliorer l'efficacité et l'efficience des processus de découverte et de développement de médicaments.

Alberto Tonda a obtenu son doctorat en ingénierie informatique au Politecnico di Torino, en Italie, en 2011, et son habilitation à diriger des recherches (HDR) à l'Université Paris-Saclay, en France, en 2022. Il est actuellement chercheur permanent senior (DR2) à l'Institut National de Recherche pour l'Agriculture et l'Environnement (INRAE) et à l'Université Paris-Saclay, Paris, France, dans l'UMR 518 "Mathématique et Informatique Appliquées". Ses recherches portent sur l'apprentissage automatique, la modélisation de systèmes complexes et l'optimisation évolutionnaire, avec des applications principales dans les domaines de la science alimentaire et de la biologie. Alberto a dirigé l'action COST CA15118 FoodMC, un projet de réseau européen de 4 ans sur la modélisation in-silico dans les sciences alimentaires. Il a publié plus de 40 contributions dans des revues à comité de lecture et plus de 70 articles de conférence. Il a fait partie du comité de programme de 10 conférences dans le domaine, et il est actuellement rédacteur en chef de la revue Engineering Applications of Artificial Intelligence (Elsevier) et membre du comité de rédaction de Genetic Programming and Evolvable Machines (Springer).