Current theses

Modèles de langage génératifs pour la migration sémantiquement fiable de code legacy

WYPYCH Yannis

Director(s)

Hanene AZZAG, Lebbah MUSTAPHA

Start date

2026-04-02

Extraction et modélisation des assertions pour une IA éthique et frugale dans la fiabilisation des contenus journalistiques

MOULON FLORENT

Director(s)

Hanene AZZAG, Louenas BOUNIA

Start date

2026-01-15

Cette thèse, intitulée "Vers une Explicabilité Formelle Scalable", s’inscrit dans le cadre du projet ANR FORM-XAI, porté par le LIPN (Université Sorbonne Paris Nord) en collaboration avec l’ERIC (Université Lyon 2), sous la direction de Louenas Bounia et Hanene Azzag. Elle vise à relever le défi de rendre les modèles d’intelligence artificielle explicables, fiables et robustes, notamment dans des domaines sensibles tels que la santé ou la finance. L’objectif est de développer des méthodes formelles d’explicabilité scalables, conciliant rigueur mathématique et efficacité computationnelle. Ces approches s’appuieront sur des Explications Lite et des techniques d’approximation guidée afin de produire des explications plus efficaces sans compromettre leur validité.

SELLAMI Sifeddine

Director(s)

Louenas BOUNIA, Hanene AZZAG

Start date

2025-11-17

Vers une Explicabilité Formelle Scalable

SELLAMI Sifeddine

Director(s)

Louenas BOUNIA, Céline ROUVEIROL

Start date

2025-11-17

GOPIA : IA Générative pour optimiser, encadrer et préparer intelligemment les tests ADAS avec preuve d’efficacité end-to-end

Director(s)

Hanene AZZAG

Start date

2025-10-01

Interpretability for Multiple Instance Learning for Medical Imaging

EL YACOUBA BILLI Abdoulaye

Director(s)

Thomas PAPASTERGIOU, Céline ROUVEIROL

Start date

2025-09-01

Apprentissage collaboratif multimodal

BELGHADI Mohammed

Director(s)

Younès BENNANI

Start date

2024-10-01

Nouvelles approches pour l’enrichissement des grands modèles de langage à base de graphes de connaissances multimodales.

OUKID ILYES

Director(s)

Hanene AZZAG, Nadi TOMEH

Start date

2024-10-01

Désapprentissage pour la mitigation d’attaques en apprentissage fédéré

KERZAZI Achraf

Director(s)

Younès BENNANI, Younès BENNANI

Start date

2024-09-02

Apprentissage de profils d’apprenants à partir de traces complexes hétérogènes dans le cloud MarioNUM

BOUZERIRA Abdelmounaim

Director(s)

Basarab MATEI, Rushed KANAWATI

Start date

2024-09-01

Segmentation et Reconstruction 3D de structures anatomiques par apprentissage profond auto-supervisé

MARRAKCHI Ghassen

Director(s)

Basarab MATEI

Start date

2023-11-01

Securing Machine Learning Algorithms

DIONGUE Mbaye

Director(s)

Younès BENNANI

Start date

2023-09-01

Collaborative Multimodal Learning

BARBARA Abir

Director(s)

Younès BENNANI

Start date

2022-09-14

Modular Geometric Machine Learning

BEN SALEM Nosseiba

Director(s)

Younès BENNANI

Start date

2022-09-01

Apprentissage de Modèles Linéaires Parcimonieux pour Données Parcimonieuses, Application à la métagénomique

THÉPAUT Solène

Director(s)

Yann CHEVALEYRE

Start date

2016-09-01

Apprentissage Bayésien pour l’aggrégation de préférences en Choix Social

BELAHCENE Khaled

Director(s)

Yann CHEVALEYRE, Nicolas MAUDET

Start date

2015-09-01

Apprentissage non supervisé profond de représentations de données évolutives

COHEN Raphaël

Director(s)

Younès BENNANI, Basarab MATEI

Start date

2014-09-01

DESOLLE Antoine

Director(s)

Henry SOLDANO

Start date

2011-09-01