Vision de recherche
Mes travaux de recherche s'articulent autour de l'Intelligence Artificielle et du Traitement Automatique du Langage Naturel, avec une attention particulière portée à l'interprétabilité des modèles et aux questions éthiques. Je m'efforce de développer des systèmes qui ne soient pas des "boîtes noires" mais des "boîtes translucides" dont le fonctionnement peut être compris et audité.
Thèmes de recherche
🔤 Traitement Automatique du Langage Naturel (NLP)
Le NLP constitue le cœur de mes activités de recherche. Je travaille sur des méthodes permettant aux machines de comprendre, analyser et générer du langage humain.
- Désambiguïsation lexicale : résolution des ambiguïtés dans le langage naturel
- Reconnaissance d'entités nommées : identification et classification d'entités dans le texte
- Text mining : extraction de connaissances à partir de corpus textuels
- Classification de textes : catégorisation automatique de documents
🔍 Recherche d'Information
Comment retrouver efficacement l'information pertinente dans de grandes masses de données textuelles ou multimédias ?
- Spoken Document Retrieval : recherche dans les documents audio transcrits
- Expansion de requêtes : amélioration des requêtes utilisateur
- Web crawling : collecte et indexation du web
- Indexation multimédia : indexation audio, vidéo et texte
🎤 Traitement de la Parole
Mes travaux de thèse et mes recherches à Cambridge ont porté sur le traitement automatique de la parole et la reconnaissance multimodale.
- Reconnaissance bimodale : intégration audio-visuelle
- Vérification du locuteur : authentification par la voix
- Transcription automatique : conversion parole-texte
- Modèles de Markov cachés (HMM) : modélisation stochastique
🧠 Intelligence Artificielle & Éthique
Au-delà des aspects techniques, je m'intéresse aux implications sociétales et éthiques de l'IA.
- Interprétabilité des modèles : rendre l'IA compréhensible
- Éthique de l'IA : réflexion sur les usages responsables
- Vulgarisation scientifique : démystification de l'IA pour le grand public
- Apprentissage supervisé : méthodes et bonnes pratiques
Projets et outils développés
SIMI - Système de Suggestion de Littérature Médicale
2022
SIMI est un système entièrement automatisé de suggestion de littérature médicale. À partir d'une description d'un cas clinique en français, SIMI extrait les termes médicaux présents en résolvant simultanément les éventuelles ambiguïtés. Il traduit ensuite les termes en anglais et construit une requête de recherche documentaire pour interroger les bases de données médicales.
Technologies : NLP, désambiguïsation, traduction automatique, recherche d'information
SIDRES - Système Interactif de Détection et Reconnaissance d'Entités Sémantiques
2021
SIDRES est un outil d'annotation innovant pour la classification automatique d'unités textuelles à partir de catégories ad hoc. Ces catégories peuvent être associées à des contextes comme moyen de désambiguïsation d'unités textuelles, permettant une annotation plus précise et contextuelle.
Technologies : Annotation, classification, reconnaissance d'entités, désambiguïsation
FELTS - Entity Recognition and Language Identification
2017
Système de reconnaissance d'entités et d'identification de langue développé pour le Microblog Cultural Contextualization Lab de CLEF 2017. FELTS utilise une approche non-statistique basée sur des dictionnaires pour traiter les textes très courts et hétérogènes typiques des microblogs, parfois écrits dans plusieurs langues.
Technologies : Reconnaissance d'entités, identification de langue, microblogs
YeSQL Web Crawler
2012
Crawler web focalisable, scalable et distribué, basé sur GNU/Linux et PostgreSQL. Conçu pour être facilement extensible, il a été utilisé notamment pour l'analyse des flux Twitter lors des élections présidentielles françaises de 2012.
Technologies : GNU/Linux, PostgreSQL, web crawling, analyse de réseaux sociaux
CU-MDR - Cambridge University Multimedia Document Retrieval
1997-2000
Système de recherche documentaire multimédia développé à l'Université de Cambridge. Cette application web permettait d'interroger une base de données de transcriptions automatiques d'émissions de radio disponibles en ligne. Le système téléchargeait quotidiennement les flux audio de stations de radio britanniques et américaines, les transcrivait automatiquement et les indexait pour la recherche.
Technologies : Reconnaissance de la parole, recherche d'information, indexation multimédia
Brevet
Disambiguation for the Classification of Lexical Items
Janvier 2022
Ce brevet porte sur la désambiguïsation de la classification d'éléments lexicaux pouvant appartenir à différentes classes. L'invention décrit la création et l'utilisation d'un arbre d'éléments lexicaux, où chaque nœud comprend un élément lexical et des informations permettant de résoudre les ambiguïtés de classification.
Domaine : Classification lexicale, désambiguïsation, traitement du langage naturel
Projets européens
M2VTS - Multi Modal Verification for Teleservices
Projet ACTS de l'Union Européenne
1996
Projet européen sur la vérification multimodale pour les téléservices et les applications de sécurité. Collaboration avec l'Idiap Research Institute (Suisse) sur l'intégration des informations acoustiques et labiales pour la vérification du locuteur.
TREC - Text REtrieval Conference
NIST (National Institute of Standards and Technology)
1997-2000
Participation aux campagnes d'évaluation TREC-7, TREC-8 et TREC-9 dans la piste "Spoken Document Retrieval" avec l'équipe de Cambridge University. Le système développé a obtenu les meilleurs résultats en termes de taux d'erreur mot.
Approches méthodologiques
Apprentissage automatique
- Apprentissage supervisé
- Modèles de Markov cachés (HMM)
- Classification probabiliste
- Modèles basés sur Okapi/BM25
Traitement du langage
- Analyse morphosyntaxique
- Extraction d'information
- Linguistique de corpus
- Ressources lexicales
Évaluation
- Précision et rappel
- Average Precision
- Évaluation TREC
- Protocoles expérimentaux
Développement
- Prototypage rapide
- GNU/Linux
- PostgreSQL
- Outils open source
Domaines d'application
- Santé et médecine : Systèmes d'aide à la recherche de littérature médicale (SIMI)
- Médias et broadcast : Indexation et recherche dans les archives audiovisuelles
- Réseaux sociaux : Analyse de Twitter et microblogs
- Sécurité : Vérification d'identité par approche bimodale
- Discovery scientifique : Identification de lacunes dans la littérature (Literature Based Discovery)
- Multilinguisme : Systèmes de recherche et vocabulaires contrôlés multilingues