<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>collège de France - L'Actualité Nouvelle-Aquitaine — science et culture, innovation</title>
	<atom:link href="https://actualite.nouvelle-aquitaine.science/themes/college-de-france/feed/" rel="self" type="application/rss+xml" />
	<link>https://actualite.nouvelle-aquitaine.science</link>
	<description>La revue de la recherche, de l&#039;innovation, de la création et du patrimoine en Nouvelle-Aquitaine</description>
	<lastBuildDate>Sat, 18 Apr 2020 17:22:30 +0000</lastBuildDate>
	<language>fr-FR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
<image>
	<url>https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/09/cropped-favicon-32x32.png</url>
	<title>collège de France - L'Actualité Nouvelle-Aquitaine — science et culture, innovation</title>
	<link>https://actualite.nouvelle-aquitaine.science</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>La malédiction de la dimension</title>
		<link>https://actualite.nouvelle-aquitaine.science/la-malediction-de-la-dimension/?utm_source=rss&#038;utm_medium=rss&#038;utm_campaign=la-malediction-de-la-dimension</link>
					<comments>https://actualite.nouvelle-aquitaine.science/la-malediction-de-la-dimension/#respond</comments>
		
		<dc:creator><![CDATA[administrateur]]></dc:creator>
		<pubDate>Tue, 17 Mar 2020 18:16:37 +0000</pubDate>
				<category><![CDATA[Société]]></category>
		<category><![CDATA[algorithmes]]></category>
		<category><![CDATA[collège de France]]></category>
		<category><![CDATA[sciences des données]]></category>
		<category><![CDATA[Stéphane Mallat]]></category>
		<guid isPermaLink="false">https://actualite.nouvelle-aquitaine.science/?p=32532</guid>

					<description><![CDATA[<p>Les sciences des données : les défis scientifiques du monde réel, expliqués par Stéphane Mallat, professeur en mathématiques, lors d’une conférence au Collège France.</p>
<p>The post <a href="https://actualite.nouvelle-aquitaine.science/la-malediction-de-la-dimension/">La malédiction de la dimension</a> first appeared on <a href="https://actualite.nouvelle-aquitaine.science">L'Actualité Nouvelle-Aquitaine — science et culture, innovation</a>.</p>]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph"><strong>Par Khedidja Boulanouar, Antoine Lerbet</strong></p>



<p class="wp-block-paragraph">Le progrès de la technologie a ouvert la porte à de nouveaux domaines de recherche tels que les sciences des données, en ce qui concerne, d’une part la récolte et le stockage de données généré d’une façon énorme, et d’autre part, la vitesse de traitement de ces données. Lors de <a href="https://www.college-de-france.fr/site/stephane-mallat/inaugural-lecture-2018-01-11-18h00.htm">sa leçon inaugurale au Collège de France</a>, Stéphane Mallat a décrit l’objectif de cette science comme l’extraction de la connaissance à partir d’un grand ensemble de données, en utilisant des techniques provenant de différents horizons, citons, par exemple, l’informatique et les mathématiques avec en première ligne les statistiques. </p>



<h4 class="wp-block-heading"><strong>Pour quelles applications&nbsp;?</strong></h4>



<p class="wp-block-paragraph">Il y
a dix ans, on ne pouvait pas s’imaginer que le téléphone puisse avoir une autre
utilisation que les appels téléphoniques. Aujourd’hui, ce n’est qu’une petite
application de notre téléphone. En effet il peut, entre autres, être sécurisé
par la reconnaissance faciale, détecter les mots les plus utilisés dans les
messages ou écrire des messages en parlant…</p>



<p class="wp-block-paragraph">En
médecine, l’enjeu est de taille, la reconnaissance de pathologie sur une radio
ou un scanner a pour but d’aider le médecin à prendre sa décision.</p>



<p class="wp-block-paragraph">Un
autre exemple est celui d’Internet, son utilisation quotidienne et mondiale
montre son importance. Des algorithmes des moteurs de recherche, aux vidéos
proposées par Youtube, en passant par les traducteurs de textes&nbsp;: les sciences
des données sont omniprésentes.</p>



<p class="wp-block-paragraph">La
voiture autonome, grande thématique scientifique du moment, n’y échappe pas.
Pour toutes situations rencontrées sur la route, l’apprentissage automatique a
son rôle à jouer dans la prise de décision de la voiture. Ces exemples montrent
la grande diversité d’application des sciences des données.</p>



<h4 class="wp-block-heading"><strong>De
l’apprentissage à la prédiction</strong></h4>



<p class="wp-block-paragraph">Le but de l’algorithme est de pouvoir catégoriser les données. Afin d’illustrer ce qu’il appelle la «malédiction de la dimension», Stéphane Mallat imagine que l’on veut faire prédire à un ordinateur, à partir de deux paramètres (la température et la pression), l’état de l’eau (liquide, gazeux et solide). La première étape est celle de l’apprentissage, c’est-à-dire que pour certaines valeurs des paramètres observés on apprend à l’algorithme l’état de l’eau. Si l’échantillon observé lors de la phase d’apprentissage est assez grand, pour prédire l’état de l’eau il suffit de définir des frontières entre les états pour ainsi les classifier. Cependant, les problèmes que l’on se pose en sciences des données ont un très grand nombre de paramètres. Par exemple une image est de dimension d=10<sup>6</sup>&nbsp;pixels, ainsi pour avoir une image assez proche d’une image fixée il faudrait avoir de l’ordre de 10<sup>d</sup> images d’apprentissages, ce qui n’est pas réalisable en pratique puisque 10<sup>100</sup> est déjà plus grand que le nombre d’atomes de l’univers.</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/03/exemple-stephane-mallat-1024x783.png" alt class="wp-image-32534"><figcaption>Leçon inaugurale au Collège de France de Stéphane Mallat, 11 janvier 2018 (19’30 minutes).</figcaption></figure>



<p class="wp-block-paragraph">Une
première approche expérimentée a été de réduire le nombre des paramètres, par
exemple en compressant une image, cependant ce n’est pas suffisant car le
nombre reste important. Une deuxième approche consiste à trouver une
représentation des données afin de les caractériser et ainsi de pouvoir les
classifier. Par exemple, si on veut caractériser les images d’un camion de
pompier, on sait qu’il suffit de regarder la distribution des pixels rouges de
l’image. Cependant, dans la plupart du temps l’humain n’est pas capable
«&nbsp;à la main&nbsp;» de généraliser le raisonnement précédent. Pour trouver
la représentation, les chercheurs en sciences des données proposent d’utiliser un
algorithme inspiré de l’intelligence et du comportement humain bien connu des
informaticiens&nbsp;: le réseau de neurones. Ce dernier est une suite
d’instructions qui permettent d’associer à chaque entrée un paramètre, qui sera
exploité par une suite de couche d’instructions pour donner la représentation
des sorties recherchées.</p>



<h4 class="wp-block-heading"><strong>Les
limites d’utilisations</strong></h4>



<p class="wp-block-paragraph">Dans
le contexte de développement et de l’utilisation de données massives en vue de
leurs exploitations dans l’aide à la prise de décision, les sciences de données
ont trouvé une place primordiale pour résoudre beaucoup de problèmes du monde
réel. Cependant, il existe des limites à cette science. Certaines
problématiques dans des sciences, par exemple dans l’aéronautique, ne peuvent
pas être résolues par un système d’apprentissage. En effet dans cet exemple,
par raison de sécurité des passagers, l’erreur n’est pas envisageable. Dans un
autre registre, la récolte de certaines données, notamment de la vie privée, peuvent
poser un problème éthique…</p>



<blockquote class="wp-block-quote ensavoirplus is-layout-flow wp-block-quote-is-layout-flow"><p>Stéphane Mallat, né en 1962, est un mathématicien français spécialiste de la théorie des ondelettes qui a trouvé des applications dans le traitement de signal et le traitement d’image. Il a été élu à l’Académie des Sciences en 2014 et nommé au Collège de France en 2017. Il est désormais un acteur majeur de la science des données.</p></blockquote>



<figure class="wp-block-image size-large"><img fetchpriority="high" decoding="async" width="450" height="300" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/03/stephane-mallat-cover-mobile.jpg" alt class="wp-image-32535" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/03/stephane-mallat-cover-mobile.jpg 450w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/03/stephane-mallat-cover-mobile-300x200.jpg 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/03/stephane-mallat-cover-mobile-150x100.jpg 150w" sizes="(max-width: 450px) 100vw, 450px"></figure>



<blockquote class="wp-block-quote ensavoirplus is-layout-flow wp-block-quote-is-layout-flow"><p>Cet article a été réalisé dans le cadre d’une formation à l’écriture journalistique avec l’École doctorale Sciences et ingénierie des systèmes, mathématiques, informatiques (Sismi) des universités de Poitiers et Limoges.<br><br><strong>Auteurs</strong><br><br><strong>Khedidja Boulanouar</strong> est doctorante en informatique au laboratoire d’informatique et d’automatique pour les systèmes (Lias) à l’ENSMA, université de Poitiers.<br><strong>Antoine Lerbet</strong> est doctorant au laboratoire de mathématiques et applications (LMA), spécialité probabilités et statistiques, de l’université de Poitiers.</p></blockquote><p>The post <a href="https://actualite.nouvelle-aquitaine.science/la-malediction-de-la-dimension/">La malédiction de la dimension</a> first appeared on <a href="https://actualite.nouvelle-aquitaine.science">L'Actualité Nouvelle-Aquitaine — science et culture, innovation</a>.</p>]]></content:encoded>
					
					<wfw:commentRss>https://actualite.nouvelle-aquitaine.science/la-malediction-de-la-dimension/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>« Pas d’Intelligence sans Apprentissage »</title>
		<link>https://actualite.nouvelle-aquitaine.science/pas-dintelligence-sans-apprentissage/?utm_source=rss&#038;utm_medium=rss&#038;utm_campaign=pas-dintelligence-sans-apprentissage</link>
					<comments>https://actualite.nouvelle-aquitaine.science/pas-dintelligence-sans-apprentissage/#respond</comments>
		
		<dc:creator><![CDATA[administrateur]]></dc:creator>
		<pubDate>Mon, 17 Feb 2020 16:30:05 +0000</pubDate>
				<category><![CDATA[Société]]></category>
		<category><![CDATA[collège de France]]></category>
		<category><![CDATA[deep learning]]></category>
		<category><![CDATA[IA]]></category>
		<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[machine learning]]></category>
		<category><![CDATA[Yann LeCun]]></category>
		<guid isPermaLink="false">https://actualite.nouvelle-aquitaine.science/?p=32406</guid>

					<description><![CDATA[<p>Yann LeCun présentait le 4 février 2016 «l’apprentissage profond : une révolution en IA» lors de sa leçon inaugurale au Collège de France.</p>
<p>The post <a href="https://actualite.nouvelle-aquitaine.science/pas-dintelligence-sans-apprentissage/">« Pas d’Intelligence sans Apprentissage »</a> first appeared on <a href="https://actualite.nouvelle-aquitaine.science">L'Actualité Nouvelle-Aquitaine — science et culture, innovation</a>.</p>]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph"><strong>Par Chaima Ghanjati, Rosalie
Rouphael, Saifeddine Rjiba, Mohamed Alkoussa dit Albacha.</strong></p>



<p class="wp-block-paragraph">Yann LeCun présentait le 4 février 2016
«l’apprentissage profond&nbsp;: une révolution en IA» lors de sa leçon inaugurale
au Collège de France. Il était durant cette année détenteur de la Chaire
informatique et sciences numériques.</p>



<p class="wp-block-paragraph">Lancé en 2010, le Défi de reconnaissance visuelle à grande échelle (ILSVRC) est une compétition annuelle où la communauté de recherche concoure pour développer un algorithme de détection d’objets et de classification d’images. La première édition a obtenu une précision de 72 % de reconnaissance d’images : ce résultat était remarquable. En 2012, un grand record de 88 % est atteint ! C’était une véritable révolution technique de l’Intelligence Artificielle, cette transition a été induite par Alex Krizhevsky de l’université de Toronto, qui a travaillé avec les réseaux de neurones à convolution profonde, connue sous le nom de ConvNet. Cette technique de <em>Deep Learning</em> (DL) a été introduite par Yann LeCun, ce qui lui a permis d’obtenir les meilleurs résultats sur les tâches de classification d’images en termes de précision. Ces résultats ont suscité un intérêt pour l’apprentissage en profondeur dans le <em>Machine Learning</em>. Ainsi, on peut dire que malgré son explosion en 2012, l’IA existe depuis 1980, dont l’un de ses parrains est Yann LeCun, détenteur de la Chaire informatique et sciences numériques du Collège de France en 2016.</p>



<figure class="wp-block-image size-large"><img decoding="async" width="943" height="385" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset.png" alt class="wp-image-32407" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset.png 943w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset-300x122.png 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset-768x314.png 768w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset-650x265.png 650w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/dataset-150x61.png 150w" sizes="(max-width: 943px) 100vw, 943px"><figcaption>Exemple d’algorithme de prédiction sur Le dataset ImageNet (2012).</figcaption></figure>



<p class="wp-block-paragraph">Il est l’un des plus éminents chercheurs en IA,
apprentissage machine, vision artificielle et robotique. Il était jusqu’en
janvier 2018, directeur du laboratoire de recherche en IA de Facebook.</p>



<p class="wp-block-paragraph">Dans sa leçon inaugurale, LeCun a abordé plusieurs points&nbsp;: la légitimité de s’inspirer de la manière dont fonctionne le cerveau humain pour fabriquer des machines intelligentes auto-apprenantes et évolutives&nbsp;; les différents types d’apprentissage automatique&nbsp;et le <em>Deep Learning</em>.</p>



<p class="wp-block-paragraph">En recherche, une vraie question se pose&nbsp;:
est-il possible que l’IA arrive à s’auto-améliorer d’elle-même ? LeCun rappelle
que la loi de Moore est une loi informatique empirique admise depuis 1970. Sa
version simplifiée énonce que la vitesse du processeur ou la puissance de
traitement globale des ordinateurs doublera tous les deux ans et estime qu’on parviendra
à la capacité du cerveau humain en 2045. </p>



<p class="wp-block-paragraph">À cette question, les premiers avis exploitaient
le lien entre la biologie et l’IA, sachant que la solution n’est pas d’imiter
la biologie dans ses moindres détails mais de s’en inspirer&nbsp;; à titre
d’exemple l’avion III du français Clément Ader en 1897, très proche
physiquement de la chauve-souris, n’était pas une réussite.</p>



<p class="wp-block-paragraph">La notion d’apprentissage est le cœur de
l’innovation de l’IA&nbsp;: c’est la capacité de mettre à jour en continu les
poids des données d’entrainement de l’algorithme. Néanmoins, cette technique
nécessite une grande capacité de calcul et des bases de données massives. Des
telles ressources n’étaient pas disponibles jusqu’à l’arrivée des cartes
graphique NVIDIA et des bases de données comme ImageNet au début de l’année
2010. C’est à partir de ce moment que l’apprentissage automatique a été révolutionné&nbsp;!</p>



<figure class="wp-block-image size-large"><img decoding="async" width="874" height="406" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia.png" alt class="wp-image-32408" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia.png 874w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia-300x139.png 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia-768x357.png 768w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia-650x302.png 650w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/evolution-ia-150x70.png 150w" sizes="(max-width: 874px) 100vw, 874px"></figure>



<p class="wp-block-paragraph">À noter que le <em>Machine Learning</em> est une technique de l’IA qui permet aux ordinateurs d’apprendre et prédire sans être programmés explicitement. Une première distinction à faire en <em>Machine Learning</em> est la différence entre les trois types d’apprentissage automatique&nbsp;: supervisé, non-supervisé et par renforcement.</p>



<p class="wp-block-paragraph">En apprentissage supervisé, on apprend à
l’algorithme à prédire une classe cible pour des données non annotées, à partir
de données d’entrées annotées. Pour bien comprendre, l’exemple de la
classification d’objets a été traité.</p>



<figure class="wp-block-image size-large"><img loading="lazy" decoding="async" width="943" height="354" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection.png" alt class="wp-image-32409" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection.png 943w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection-300x113.png 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection-768x288.png 768w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection-650x244.png 650w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-detection-150x56.png 150w" sizes="auto, (max-width: 943px) 100vw, 943px"><figcaption>La détection d’objets par apprentissage supervisé.</figcaption></figure>



<p class="wp-block-paragraph">En apprentissage non-supervisé, les données
d’entrées ne sont pas annotées. Ainsi, l’algorithme peut seulement regrouper
les données suivant des similarités et des caractéristiques communes. Un système
de recommandation de films est un exemple d’apprentissage non supervisé.</p>



<figure class="wp-block-image size-large"><img loading="lazy" decoding="async" width="927" height="318" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia.png" alt class="wp-image-32410" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia.png 927w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia-300x103.png 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia-768x263.png 768w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia-650x223.png 650w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/apprentissage-ia-150x51.png 150w" sizes="auto, (max-width: 927px) 100vw, 927px"><figcaption>L’apprentissage non supervisé appliqué au système de recommandation de films.</figcaption></figure>



<p class="wp-block-paragraph">L’apprentissage par renforcement consiste à
apprendre à l’algorithme les actions à faire, à partir d’expériences
successives, afin d’optimiser la solution. Les jeux vidéo, jeux de go et
d’échecs utilisent l’apprentissage par renforcement.</p>



<figure class="wp-block-image size-large"><img loading="lazy" decoding="async" width="722" height="406" src="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage.png" alt class="wp-image-32411" srcset="https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage.png 722w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage-300x169.png 300w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage-310x174.png 310w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage-650x366.png 650w, https://actualite.nouvelle-aquitaine.science/wp-content/uploads/2020/02/ia-apprentissage-150x84.png 150w" sizes="auto, (max-width: 722px) 100vw, 722px"><figcaption>L’apprentissage automatique par renforcement appliqué au jeu d’échec.</figcaption></figure>



<p class="wp-block-paragraph">L’apprentissage profond ou le <em>Deep Learning</em> est une évolution de l’apprentissage automatique ou <em>Machine Learning</em> qui fonctionne comme un réseau de neurones inspiré du fonctionnement du cerveau. Ce réseau est une structure utilisée pour combiner un ensemble d’algorithmes informatiques simples dans le but de résoudre une tache spécifique. Il est composé de plusieurs couches liées, chacune contenant des neurones artificiels connectés à travers des synapses afin de transmettre des signaux.</p>



<p class="wp-block-paragraph">Pour faire la différence entre le <em>Machine Learning</em> et le <em>Deep Learning</em>, il faut distinguer les outils utilisés et les types de données traités&nbsp;: si on recourt à des ConvNet, alors il s’agit d’un modèle algorithmique profond qui utilise plusieurs couches pour traiter des images ou des séries temporelles alors que les algorithmes simples de ML sont formés par une seule couche et traitent seulement les types de données structurées.</p>



<p class="wp-block-paragraph">Les domaines d’applications de l’IA est très
large&nbsp;: la détection et la reconnaissance des images, la reconnaissance
vocale, le traitement automatique du langage naturel, la légende automatique
des images et la génération artificielle des images.</p>



<p class="wp-block-paragraph">Une machine qui voit ? Il y a quelques années c’était incroyable. Quel pourrait être l’étape suivante ? La machine pourrait un jour détecter un cancer, des maladies cardiovasculaires, des consommations de drogues… En effet, les applications potentielles sont immenses, allant de l’analyse de données médicales aux voitures autonomes. L’ordinateur ne se contente donc plus de classifier, il “imagine”. Cette action d’imaginer serait un élément central dans le futur de la recherche. En revanche, l’apprentissage profond, plein de promesses pour l’humanité, recèle-t-il aussi d’importants dangers ? La violation de la vie privée par les réseaux sociaux, le contrôle social, les armes de guerre, le chômage… sont uniquement des menaces si les techniques de l’IA sont mal utilisées.</p>



<p class="wp-block-paragraph">L’intelligence de l’ordinateur augmente grâce à
l’apprentissage profond qui «est inhérent à l’intelligence» mais le critère
d’humanité ne peut pas être reproduit ou appris «l’intelligence humaine est
autant sociale que personnelle».</p>



<p class="wp-block-paragraph"><a href="https://www.college-de-france.fr/site/yann-lecun/inaugural-lecture-2016-02-04-18h00.htm">Vidéo de la conférence inaugurale au Collègue de France par Yann LeCun.</a></p>



<div class="wp-block-group"><div class="wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow">
<blockquote class="wp-block-quote ensavoirplus is-layout-flow wp-block-quote-is-layout-flow"><p>Cet article a été réalisé dans le cadre d’une formation à l’écriture journalistique avec l’École doctorale Sciences et ingénierie des systèmes, mathématiques, informatiques (Sismi) des universités de Poitiers et Limoges. </p><p><strong>Auteurs</strong></p><p><strong>Chaima Ghanjati</strong> est ingénieure en mécatronique en préparation de thèse en co-tutelle (Tunisie-France) en génie électrique, en collaboration avec l’université de Poitiers-École national supérieure d’ingénieurs de Poitiers-Laboratoire d’informatique et d’automatique pour les systèmes (Lias) et l’université de Tunis-École national supérieure d’ingénieurs de Tunis-Laboratoire des systèmes électriques (LSE). La thèse porte sur l’optimisation et le contrôle des réseaux multi-sources intégrant énergies renouvelables et systèmes de stockage d’énergie.</p><p><strong>Rosalie Rouphael</strong> est ingénieure en génie électrique en préparation de thèse au sein de l’université de Poitiers-École national supérieure d’ingénieurs de Poitiers-Laboratoire d’informatique et d’automatique pour les systèmes (Lias). La thèse porte sur l’optimisation d’une architecture et gestion de flux énergétique d’un micro-réseau.</p><p><strong>Saifeddine Rjiba </strong>est ingénieur polytechnicien en préparation de thèse CIFRE au sein de l’université de Poitiers (XLIM) en collaboration avec Canon medical systems France. La thèse porte sur l’assistance virtuelle pour la prévention des risques cardiovasculaires.</p><p><strong>Mohamed Alkoussa dit Albacha</strong> est doctorant en génie électrique au sein de l’université de Poitiers-École national supérieure d’ingénieurs de Poitiers-Laboratoire d’informatique et d’automatique pour les systèmes (Lias). La thèse porte sur la caractérisation des systèmes en régime non stationnaires&nbsp;: modélisation en vue du contrôle et du diagnostic.</p></blockquote>
</div></div><p>The post <a href="https://actualite.nouvelle-aquitaine.science/pas-dintelligence-sans-apprentissage/">« Pas d’Intelligence sans Apprentissage »</a> first appeared on <a href="https://actualite.nouvelle-aquitaine.science">L'Actualité Nouvelle-Aquitaine — science et culture, innovation</a>.</p>]]></content:encoded>
					
					<wfw:commentRss>https://actualite.nouvelle-aquitaine.science/pas-dintelligence-sans-apprentissage/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
