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.

Vendredi 29 Mai 9H-12H IA génératives principes, Interprétabilité et évaluations, L003 Faculté des Sciences

10H-11H Où se loge la connaissance dans un grand modèle de langue ? Benjamin Piwowarski (Sorbonne Université)

Résumé

Les grands modèles de langue (LLM) obtiennent des performances remarquables sur un nombre croissant de tâches, mais leur fonctionnement interne reste largement opaque. L'interprétabilité — la branche de la recherche qui cherche à « ouvrir la boîte noire » des réseaux de neurones profonds — propose un ensemble d'outils pour comprendre où et comment l'information est représentée, manipulée et combinée à l'intérieur du modèle.

Après un rappel sur l'architecture Transformer et le pré-entraînement, cet exposé prendra comme fil rouge une question simple : où réside la connaissance dans un LLM ? Nous verrons comment les techniques de sondage linéaire (probing) et d'intervention causale (activation patching, ablation de neurones) permettent de localiser des informations factuelles à des couches et des positions précises, et même de modifier le comportement du modèle par des éditions chirurgicales de ses poids. J'illustrerai ces idées à travers plusieurs travaux récents menés dans notre équipe : la représentation interne des entités nommées, les conflits entre mémoire paramétrique et contexte (au cœur des systèmes de type RAG), et la frontière entre mémorisation et raisonnement.

11H-11H30 Évaluer les modèles de langage : des métriques classiques à l'alignement moderne ; Ivanhoe BOTCAZOU (LERIA, Université d'Angers)

Résumé : Autrefois considérées comme propres à l’être humain, les capacités linguistiques constituent désormais un acquis pour les modèles de langue (LLMs). Les progrès récents de ces modèles en matière de maitrise du langage ont ainsi conduit à une évolution des méthodes d’évaluation. La recherche d’une adéquation entre les contenus générés et la vérité demeure néanmoins un défi majeur. Cette présentation cherchera donc à répondre à la question suivante : Comment concevoir des méthodes d’évaluation pour les modèles de langage ? Dans un premier temps, nous présenterons plusieurs métriques classiques de similarité textuelle, avant de nous intéresser à des approches fondées sur les représentations vectorielles du texte. Nous introduirons ensuite plusieurs jeux de données issus du Hugging Face Leaderboard et examinerons le rôle de l’évaluation humaine en tant que référence tout en soulignant ses limites. Enfin, nous aborderons les approches de type LLM-as-a-judge, en mettant en perspective la notion d’alignement avec les attentes humaines.

11H30-12H Focus sur les Vision Language Models par Corentin Lothodé (INRAe, Angers)

Organisation David Rousseau, Sylvain Lamprier

Vendredi 19 Juin 11H-12H Fabrique de l'esprit critique, Amphi L003

Pourquoi faire des sciences sociales depuis un environnement technique ? Retour d'expérience de l'équipe SIRA par Pr. Clément MABI INSA- Rennes

Résumé: Depuis plusieurs années, les sciences humaines et sociales sont de plus en plus sollicitées pour accompagner les développements de l'intelligence artificielle. Mais que signifie concrètement travailler à l'interface entre SHS et informatique ? À partir de l'expérience de l'équipe-projet SIRA, cette conférence reviendra sur les manières dont les sciences sociales peuvent contribuer à l'étude de l'IA : en produisant des enquêtes sur ses usages et ses effets, mais aussi en participant à la construction de nouveaux objets de recherche autour de la responsabilité, de l'explicabilité, de la confiance ou de la gouvernance des systèmes numériques. L'objectif sera moins de présenter une vision théorique de l'interdisciplinarité que d'en discuter les promesses, les tensions et les apprentissages à partir d'une expérience concrète.