De l’imagerie médicale au climat : l’apprentissage machine pour le bien de la société

Résumé :
En établissant des collaborations avec des experts dans des domaines spécifiques, nous pouvons utiliser la force de l'intelligence artificielle pour aider à faire des diagnostics, et aussi pour trouver des solutions concrètes et locales pour nos sociétés. Je parlerai d'abord de mes travaux de doctorat en imagerie médicale et en techniques cardiaques non invasives pour la prédiction de la chirurgie à l'Inria Sophia-Antipolis. En collaboration avec des cardiologues, j'ai développé une personnalisation de modèle électrophysiologique cardiaque non invasif et j'ai généré une base de données simulée pour l'entraînement d'une régression bayésienne épars. Bien que le besoin d'apprentissage automatique soit encore très important en médecine, je me suis également rendu compte qu'il était presque absent dans d'autres domaines critiques tels que le climat et la durabilité informatique. Pendant mon stage post-doctoral (CNRS Saclay et Université du Colorado), j'ai travaillé sur la prévision des trajectoires des ouragans à partir de mesures météorologiques de type image. Nous avons développé une fusion de réseaux neuronaux convolutifs, combinant les données de trajectoires passées et la réanalyse d'images atmosphériques (champs 3D de vent et de pression). Une comparaison avec les modèles de prévision actuels montre que les méthodes profondes pourraient fournir une prévision précieuse et complémentaire.