- Index
- >Activités scientifiques
- >2025-2026
2025-2026
Vendredi 20 Février 9H-12H Parcours d'innovation en Math-STIC
9H-9H05 Introduction David Rousseau, Co-directeur SFR Math-STIC, PU Université d'Angers.
9H05-9H50 "Retour d'expérience sur la valorisation d'une recherche en traitement d'images endoscopiques : création d'une start-up dédiée à la conception de dispositifs médicaux". Christian Daul, PU Université de Lorraine (UL), CRAN UMR 7039 UL/CNRS.
9H50-10H35 "Recherche, Innovation et Transfert au sein de l’ENSEA : retour d’expérience". Aymeric Histace, PU ENSEA, Cergy Université, Directeur adjoint scientifique Interdisciplinarité et interfaces au CNRS.
10H35-10H45 pause
10H45-11H15 "Retour d'expérience sur la collaboration avec la SATT Ouest-Valorisation" Guillaume Mabilleau, MCU-PH, Université d'Angers- CHU d'Angers
11H15-11H45 "Présentation des missions et modalités d'interactions avec la SATT Ouest-Valorisation" Alexandre Gambuto, SATT Ouest-Valorisation.
11H45-12H00 "Mots de conclusions et rappel du calendrier du PUI PREDICT" Bruno Castanier, VP Valorisation, PU Université d'Angers.
Organisation David Rousseau
Vendredi 27 Mars 9H-10H30 Conformal Prédiction
Introduction to Conformal Prediction : Jean-Baptiste Fermanian INRIA
Abstract: Conformal prediction is a framework that equips machine learning methods with statistically valid measures of uncertainty. Given minimal assumptions, typically exchangeability of the data, it enables the construction of prediction sets or intervals that achieve a user-specified coverage probability, regardless of the underlying algorithm. I will introduce the core ideas behind conformal prediction and present standard variants, highlighting the trade-offs between computational efficiency and statistical efficiency, and the main limitations of these approaches.The goal of this talk is to provide an introduction to these tools, while giving insight into why conformal prediction has become an important tool for reliable machine learning
Détection en ligne des transitions anormales entre les stades phénologiques à l'aide de la prédiction conforme : Angélina El Ghaziri (IARA UMR IRHS)
Organisation Fabien Panloup - David Rousseau
Vendredi 10 Avril 9H-10H30 Déploiement d'IA génératives souveraines
9H-9H30 Saber Aloui, Directeur des Services Numérique CHU D'Angers, "IA souveraine au CHU d'Angers enjeux et opportunités de recherche avec la SFR".
9H30-10H00 Thierry Oger, VP en charge du Numérique Univ Angers, "IA souveraine sur GLICID, projet Ilaas"
10H-10H30 Corentin Lothodé, IR INRAe-IRHS, "Tour d'horizon des IA souveraines dans les EPST".
Organisation David Rousseau
Lundi 4 Mai Introduction à l'analyse topologique de données (amphi L001)
10h - 10h20
Etienne Mann
Titre: Introduction à l'analyse topologique des données
Résumé: Nous introduira des notions topologiques (homologie simpliciale) et nous expliquerons comment les utiliser pour représenter des données sous la forme d'un diagramme de persistance.
10h30 - 11h15
Bertrand Michel (Laboratoire Jean Leray Nantes)
Titre: Aspects statistiques de l'analyse topologique des données
Réusmé: Dans cet exposé, je présenterai quelques résultats de Statistique pour l’Analyse Topologique des Donnés. On donnera en particulier des résultats de convergence pour le diagramme de persistance, mais aussi des constructions de tests et d’intervalle de confiance.
11h30- 12h15
Ziyad Oulhaj (Laboratoire Jean Leray Nantes) :
Titre: Optimisation topologique de la représentation de données avec Mapper
Résumé : Le Mapper est un graphe combinatoire dont les structures topologiques correspondent à celles des données qu'il représente. Son ingrédient principal est le filtre : il s’agit d’une fonction continue dont les variations donnent la structure du graphe. Pour parvenir à le choisir de façon optimale, nous proposons une version plus relaxée du Mapper, dont les propriétés de convergence sont étudiées.

