Résultats de recherche

JuryProf. Benoit Frénay, Université de Namur (Promoteur)Prof. Isabelle Linden, Université de Namur (Co-Promoteur) ;Prof. Xavier Devroey, Université Namur (Président) ;Prof. Claire Lobet, Université de Namur ;Prof. Florentin Kucharczak, Université de Montpellier ;Mr. Achimi Hassaini, Thales Alenia SpaceMr. Olivier Dequenne, AISIN Europe.AbstractThis thesis proposes a robust, interpretable, and transferable deep-learning framework for anomaly detection in safety-critical domains such as industrial quality control and medical diagnostics. These two fields, though distinct, share major challenges: class imbalance with limited abnormal samples, and the need for trustworthy and real-time decisions under strict reliability constraints. The main objective is, thus, to build methods with minimal supervision (training with normal data only) while allowing a human-aligned interpretability.The approach combines artificial intelligence unsupervised generative modeling with supervised classification, focusing on patching techniques, local representation, and interpretable scoring. Four key contributions structure this work:(i) Generative Adversarial Network Anomaly Detection through IntermediatePatches (GanoDIP), a Generative Adversarial Network (GAN) architecture for high-resolution, industrial anomaly localization at the patch level.(ii) Vector Quantized Generative Adversarial Network Anomaly Detectionthrough Intermediate Patches (VQGanoDIP), an extension with vector-quantized latent representations and composite scoring for improved reconstruction and fidelity.(iii) Cycle Generative Adversarial Network-Anomaly Detection (CGAN-AD), a conditional image translation model that integrates both normal and abnormal data for enhanced domain transfer in industrial and medical settings.(iv) Trustworthy approximated partial AUC (tapAUC), a loss function that enforces the Zero False Negative constraint, for high recall in critical scenarios.These models are deployed in real-world use cases. The framework is integrated into an active production line to detect unexpected components (such as screws) in printed circuit boards, delivering interpretable decisions with minimal false alarms. In the medical domain, the approach is adapted to well perform in Positron Emission Tomography (PET) based coma receptivity analysis, and some techniques are incorporated for an ovarian cancer segmentation application. These results demonstrate not only technical efficiency but also organizational viability through human-in-the-loop deployment and real-time scalability.Together, these contributions establish a modular, constraint-aware, and explainable anomaly detection paradigm, advancing the field towards trustworthy and human-centered artificial intelligence in high-stakes environments.

Ce 18 novembre 2025, la Faculté de droit organisait la quatrième édition de son traditionnel procès simulé en droit pénal. Sept étudiants, issus des horaires de jour et décalé, ont endossé leur toge pour incarner les différents acteurs d’un procès consacré à une affaire de rave party illégale en pleine zone naturelle protégée. Plaidoiries et réquisitoires endiablés étaient au programme. L'occasion aussi de rappeler comment le droit pénal de l'environnement protège la nature et de découvrir la justice pénale d'un peu plus près. 

Ces dernières années, le débat public se voit régulièrement malmené par diverses opérations de travestissement de « l'information ». Si le phénomène est aussi ancien que l’information elle-même, le numérique, la puissante interactivité offerte par les plateformes en ligne et les récents développements de l’intelligence artificielle générative confèrent une résonance tout autre au phénomène. Les manipulations de l’information en ligne circulent avec une viralité extrême et touchent en quelques minutes les internautes à travers le monde. Elles génèrent de sérieux risques pour la société et menacent la démocratie et l’État de droit. Pour s’en convaincre, il suffit de rappeler des évènements tels que les élections présidentielles américaine et française, la pandémie de Covid-19, la guerre en Ukraine, l’attaque terroriste lors du festival Nova en 2023 et la guerre à Gaza.  Face à ce phénomène, les acteurs de tous les secteurs se mobilisent depuis quelques années. La présente conférence propose, sous l’angle du droit européen, un regard juridique sur les manipulations de l’information en ligne au regard de la liberté d’expression et du droit à l’information. Elle s’intéresse, d’une part, à la réponse du législateur de l’Union européenne pour lutter contre la désinformation en ligne et, d’autre part, aux mécanismes de protection de l’information de « qualité ».Entrée libre.

Cette pré-inscription indurait un aménagement du PAE sans préjudice de la procédure à suivre pour valider cette éventuelle inscription.

Terminator pour parler d’IA ? Wall-E pour parler de la dépendance technologique ? The Truman Show pour évoquer les réseaux sociaux ? Dans un nouvel ouvrage, deux professeurs de l’UNamur, Anthony Simonofski (transformation numérique- Faculté EMCP – Institut NaDI) et Benoît Vanderose (Génie logiciel – Faculté d’informatique – Institut NaDI), proposent un voyage à la croisée du numérique et de l’imaginaire cinématographique. 

Dans un monde en perpétuel changement, où les crises sanitaires, environnementales et sociétales s'entrelacent, il devient impératif de repenser la santé dans une approche globale et interconnectée. C'est dans ce contexte que la Faculté de médecine de l'Université de Namur a inauguré sa nouvelle unité d'enseignement (UE) « One Health » ce jeudi 06 février 2025, en présence du Ministre Yves Coppieters. Cette initiative, proposée à tous les bacheliers de l’UNamur, ambitionne de former les professionnels de la santé de demain à une vision systémique, où la santé humaine, animale et environnementale sont envisagées comme une seule et même réalité. 

Un Hackathon est un moment de courte durée où des équipes réfléchissent à une thématique particulière. Elles tentent d'y apporter des solutions en développant des projets innovants. À la fin de l'évènement, un jury détermine quels sont les projets qui ont retenu leur attention et qui ont donc gagné la compétition. Une initiative du CSLabs Le Computer Science Labs est une junior entreprise issue de la Faculté d’Informatique de l’Université de Namur. Pratiquement, ses actions s’articulent autour de la réalisation de projets, de la formation des membres sur des thématiques liées à l'informatique et de l'organisation d'événements. En savoir plus

Ce séminaire s’adresse aux chercheurs ainsi qu’aux (futurs) professionnels de l’enfance – éducateurs, soignants, acteurs de l’aide à l’enfance – qui désirent questionner cette problématique et s’outiller pour mieux écouter et inclure les jeunes enfants. Grâce à une approche interdisciplinaire et transfrontalière, des experts issus de la psychologie, de la pédagogie, du droit et des sciences humaines partageront leurs savoirs et expériences. Ce temps d’échange permettra de mieux comprendre comment favoriser l’information et la participation des enfants en s’adaptant à leurs capacités et besoins. Inscriptions En savoir plus

Synopsis The spreading of internet-based technologies since the mid-90s has led to a paradigm shift from monolithic centralized information systems to distributed information systems based upon the composition of software components, interacting with each other and of heterogeneous natures. The popularity of these systems is nowadays such that our everyday life is touched by them.Classically concurrent and distributed systems are coded by using the message passing paradigm-according to which components exchange information by sending and receiving messages. In the aim of clearly separating computational and interactional aspects of computations, Gelernter and Carriero have proposed an alternative framework in which components interact through the availability of information placed on a shared space. Their framework has been concretized in a language called Linda. A series of languages, referred to nowadays as coordination languages, have been developed afterwards. In addition to providing a more declarative framework, such languages nicely fit applications like Facebook, LinkedIn and Twitter, in which users share information by adding it or consulting it in a common place. Such systems are in fact particular cases of so-called socio-technical systems in which humans interact with machines and their environments through complex dependencies. As coordination languages nicely meet social networks, the question naturally arises whether they can also nicely code socio-technical systems. However, answering this question first requires to see how well programs written in coordination languages can reflect what they are assumed to model.This thesis aims at addressing these two questions. To that end, we shall use the Bach coordination language developed at the University of Namur as a representative of Linda-like languages. We shall extend it in a language named Multi-Bach to be able to code and reason on socio-technical systems. We will also introduce a workbench Anemone to support the modelling of such systems. Finally, we will evidence the interest of our approach through the coding of several social-technical systems. The Jury Prof. Wim Vanhoof - University of Namur, BelgiumProf. Jean-Marie Jacquet - University of Namur, BelgiumProf. Katrien Beuls - University of Namur, BelgiumProf. Pierre-Yves Schobbens - University of Namur, BelgiumProf. Laura Bocchi - University of Kent, United KingdomProf. Stefano Mariani - UNIMORE University, Italy Participation upon registration. Register here

SynopsisA honeypot is a security tool deliberately designed to be vulnerable, thereby enticing attackers to probe, exploit, and compromise it. Since their introduction in the early 1990s, honeypots have remained among the most widely used tools for capturing cyberattacks, complementing traditional defenses such as firewalls and intrusion detection systems. They serve both as early warning systems and as sources of valuable attack data, enabling security professionals to study the techniques and behaviors of threat actors.While conventional honeypots have achieved significant success, they remain deterministic in their responses to attacks. This is where adaptive or intelligent honeypots come into play. An adaptive honeypot leverages Machine Learning techniques, such as Reinforcement Learning, to interact with attackers. These systems learn to take actions that can disrupt the normal execution flow of an attack, potentially forcing attackers to alter their techniques. As a result, attackers must find alternative routes or tools to achieve their objectives, ultimately leading to the collection of more attack data.Despite their advantages, traditional honeypots face two main challenges. First, emulation-based honeypots (also known as low- and medium-interaction honeypots) are increasingly susceptible to detection, which undermines their effectiveness in collecting meaningful attack data. Second, real-system-based honeypots (also known as high-interaction honeypots) pose security risks to the hosting organization if not properly isolated and protected. Since adaptive honeypots rely on the same underlying systems, they also inherit these challenges.This thesis investigates whether it is possible to design a honeypot system that mitigates these challenges while still fulfilling its primary objective of collecting attack data. To this end, it proposes a new abstract model for adaptive self-guarded honeypots, designed to balance attack data collection, detection evasion, and security preservation, ensuring that it does not pose a risk to the rest of the network.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Jean-Noël COLIN, Promoteur, Université de NamurProf. Florentin ROCHET, Membre interne, Université de NamurProf. Benoît FRENAY, Membre interne, Université de NamurProf. Ramin SADRE, Membre externe, Université catholique de Louvain Dr. Jérôme FRANCOIS, Membre externe, Université du LuxembourgVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le mardi 20 mai 2025.  

SynopsisLes méthodes deep learning sont devenues de plus en plus populaires pour construire des systèmes intelligents. Actuellement, de nombreuses architectures deep learning constituent l'état de l'art dans leurs domaines respectifs, tels que la reconnaissance d'images, la génération de texte, la reconnaissance vocale, etc. La disponibilité de bibliothèques et de frameworks matures pour développer de tels systèmes est également un facteur clé de ce succès.Ce travail explore l'utilisation de ces architectures pour construire des systèmes intelligents pour les langues des signes. La création grands corpus de données en langue des signes a rendu possible l'entraînement d'architectures deep learning à partir de zéro. Les contributions présentées dans ce travail couvrent tous les aspects du développement d'un système intelligent basé sur l'apprentissage profond. Une première contribution est la création d’une base de données pour la Langue des Signes de Belgique Francophone (LSFB). Celle-ci est dérivé d’un corpus existant et a été adapté aux besoins des méthodes deep learning. La possibilité de recourir à des méthodes de collecte participative (crowdsourcing) pour recueillir d'avantages de données est également explorée.La deuxième contribution est le développement ou l’adaptation d'architectures pour la reconnaissance automatique de la langue des signes. L'utilisation de méthodes contrastives pour apprendre de meilleures représentations est explorée, et la transférabilité de ces représentations à d'autres langues des signes est évaluée.Enfin, la dernière contribution est l’intégration des modèles dans des logiciels destinés au grand public. Cela a permis de mener une réflexion sur les défis lié à l'intégration d'un module intelligent dans le cycle de vie du développement logiciel.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Benoît FRENAY, Promoteur, Université de NamurProf. Anthony CLEVE, Co-promoteur, Université de NamurProf. Laurence MEURANT, Membre interne, Université de NamurProf. Lorenzo BARALDI, Membre externe, Université de ModèneProf. Annelies BRAFFORT, Membre externe, Université de Paris-SaclayProf. Joni DAMBRE, Membre externe, Université de Gand 

SynopsisOver recent years, the development of agent-based models has allowed researchers to advance their understanding of naturally occurring collective behaviours. Swarm robotics, a field studying the design of decentralised robot swarms, has emerged following the replication of some collective behaviours in artificial groups of robots. The first part of this thesis provides novel techniques for the aggregation of heterogeneous swarms. First, we enhance an existing controller for an aggregation problem on two sites through the use of informed robots. We show that our simplified approach offers a wider range of operating conditions and a greater flexibility. Second, we provide a new method for the aggregation of robot swarms with adaptive random walks. We separately study cue-based aggregation with a swarm of robots only sensing private information and neighbour-based aggregation with a swarm of robots sensing social information. We show that a trade-off can be obtained with a heterogeneous swarm composed of the two robot types, forming a dense cluster near the minimum of an environmental cue. Private and social information also play a key role in the evolution of biological processes inside animal groups. Dispersal, the movement of an animal from site of birth to site of reproduction, is strongly affected by the acquisition and the use of information. Since experimental research is often difficult to conduct while accounting for multiple information sources and environmental variability, the use of agent-based models offer an opportunity to study the evolution of dispersal and its associated costs linked to private and social information in a controlled setting. The second part of this thesis provides an agent-based model of dispersal including the acquisition of information and its associated costs. Throughout three case studies, we observe the evolution of genes linked to the acquisition of information and the obtained dispersal strategies in different scenarios. Jury members Prof. Wim Vanhoof, Président, Université de Namur, BelgiqueProf. Elio Tuci, Secrétaire, Université de Namur, BelgiqueProf. Timoteo Carletti, Membre interne, Université de Namur, Belgique Prof. Eliseo Ferrante, Membre externe, Vrije Universiteit Amsterdam, Pays-BasProf. Mauro Birattari, Membre externe, ULB, Belgique Prof. Andreagiovanni Reina, Membre externe, Universität Konstanz, Allemagne