Résultats de recherche

Pour Bruno Dumas, l’informatique s’inscrit dans les principes de la psychologie appliquée L’intelligence artificielle (IA) s’immisce dans nos vies professionnelles comme dans nos vies privées. Elle nous séduit comme elle nous inquiète. À l’échelle mondiale, elle est au cœur d’importants enjeux stratégiques, sociétaux ou économiques, débattus encore mi-février 2025, lors du sommet mondial de l’IA à Paris. Mais comment ne pas la subir en tant qu’utilisateur ? Comment avoir accès à cette nécessaire transparence de son fonctionnement ? En plaçant son prisme de recherche du côté de l’utilisateur, Bruno Dumas est en quelque sorte « un psychologue de l’informatique ». Expert en interaction humain-machine, co-président de l’Institut NaDI (Namur Digital Institut), il défend l'idée d'une utilisation raisonnée et éclairée des technologies émergentes. 

En mai 2025, le Département de physique recevait des visiteurs particuliers : deux namurois, Serge Mathot et François Briard, alumni de l’UNamur et membres du CERN.  Plusieurs activités étaient au programme, allant de la visite de l’accélérateur à particules, en passant par la vulgarisation scientifique et les séminaires thématiques notamment en sciences du patrimoine.  Objectif ? Identifier les domaines ou activités dans lesquels l’UNamur et le CERN pourraient renforcer leur collaboration.

Abstract Detecting semantic code clones in logic programs is a longstanding challenge, due to the lack of a unified definition of semantic similarity and the diversity of syntactic expressions that can represent similar behaviours. This thesis introduces a formal and flexible framework for semantic clone detection based on Constrained Horn Clauses (CHC). The approach considers two predicates as semantic clones if they can be independently transformed, via semantics-preserving program transformations, into a common third predicate. At the core of the method lies anti-unification, a process that computes the most specific generalisation of two predicates by identifying their shared structural patterns. The framework is parametric in regard with the allowed program transformations, the notion of generality, and the so-called quality estimators that steer the anti-unification process. Jury Prof. Wim Vanhoof - University of Namur, BelgiumProf. Katrien Beuls - University of Namur, BelgiumProf. Jean-Marie Jacquet - University of Namur, BelgiumProf. Temur Kutsia - Johannes Kepler University, AustriaProf. Frédéric Mesnard - University of the Reunion, Reunion IslandProf. Paul Van Eecke - Free University of Brussels, Belgium

Au programme pour tous et toutes 09h00 | Accueil09h30 | Cérémonie d'accueil des nouveaux étudiants11h00 | Célébration de la rentrée à la Cathédrale Saint-Aubain (Place Saint-Aubain - 5000 Namur) puis accueil des étudiants par les Cercles. En savoir plus

BNAIC/BeNeLearn 2025 will be held at the University of Namur under the auspices of the Belgian-Dutch Association for Artificial Intelligence (BNVKI) and the Dutch Research School for Information and Knowledge Systems (SIKS). The conference aims at presenting an overview of state-of-the-art research in artificial intelligence and machine learning in Belgium, The Netherlands, and Luxembourg. More information and registration

Abstract In recent decades, the volume of data generated worldwide has grown exponentially, significantly accelerating advancements in machine learning. This explosion of data has led to an increased need for effective data exploration techniques, giving rise to a specialized field known as dimensionality reduction. Dimensionality reduction methods are used to transform high-dimensional data into a low-dimensional space (typically 2D or 3D), so that it can be easily visualized and understood by humans. Algorithms such as Principal Component Analysis (PCA), Multidimensional Scaling (MDS), and t-distributed Stochastic Neighbor Embedding (t-SNE) have become essential tools for visualizing complex datasets. These techniques play a critical role in exploratory data analysis and in interpreting complex models like Convolutional Neural Networks (CNNs). Despite their widespread adoption, dimensionality reduction techniques, particularly non-linear ones, often lack interpretability. This opacity makes it difficult for users to understand the meaning of the visualizations or the rationale behind specific low-dimensional representations. In contrast, the field of supervised machine learning has seen significant progress in explainable AI (XAI), which aims to clarify model decisions, especially in high-stakes scenarios. While many post-hoc explanation tools have been developed to interpret the outputs of supervised models, there is still a notable gap in methods for explaining the results of dimensionality reduction techniques. This research investigates how post-hoc explanation techniques can be integrated into dimensionality reduction algorithms to improve user understanding of the resulting visualizations. Specifically, it explores how interpretability methods originally developed for supervised learning can be adapted to explain the behavior of non-linear dimensionality reduction algorithms. Additionally, this work examines whether the integration of post-hoc explanations can enhance the overall effectiveness of data exploration. As these tools are intended for end-users, we also design and evaluate an interactive system that incorporates explanatory mechanisms. We argue that combining interpretability with interactivity significantly improves users' understanding of embeddings produced by non-linear dimensionality reduction techniques. In this research, we propose enhancements to an existing post-hoc explanation method that adapts LIME for t-SNE. We introduce a globally-local framework for fast and scalable explanations of t-SNE embeddings. Furthermore, we present a completely new approach that adapts saliency map-based explanations to locally interpret non-linear dimensionality reduction results. Lastly, we introduce our interactive tool, Insight-SNE, which integrates our gradient-based explanation method and enables users to explore low-dimensional embeddings through direct interaction with the explanations. Jury Prof. Wim Vanhoof - University of Namur, BelgiumProf. Benoit Frénay - University of Namur, BelgiumProf. Bruno Dumas - University of Namur, BelgiumProf. John Lee - University of Louvain, BelgiumProf. Luis Galarraga - University of Rennes, France

Une collaboration UNamur – Hénallux – IFEC Image Image Image Depuis septembre 2022, l’Hénallux et l’UNamur collaborent avec l’IFEC (Institut de Formation de l’Enseignement Catholique) avec pour objectifs de sensibiliser et former les acteurs de l’enseignement secondaire à la différenciation pédagogique, prônée dans le Pacte pour un enseignement d'excellence. Pour ce faire, différentes modalités ont été pensées et mises en œuvre : des journées pédagogiques en école, des suivis dans les écoles qui en font la demande, des parcours pour des enseignants référents en différenciation, des parcours pour les CSA (conseillers et conseillères au soutien et à l’accompagnement).La convention est coordonnée par Sandrine Biémar (UNamur) et Alain Bultot (Hénallux) et l’équipe des chercheuses est composée d’Anne Libert (UNamur), Virginie Meyer (UNamur) et Sylvie Van der Linden (Hénallux).  Le contexte Cette recherche collaborative s’inscrit dans un projet plus large consacré à la différenciation qui regroupe plusieurs parcours ayant des objectifs et des publics différents. S’y retrouvent notamment des formations pédagogiques en école, la formation d’enseignants-référents ayant pour vocation d’être des facilitateurs du développement des pratiques de différenciation dans leurs écoles, la formation de l’ensemble des CSA de l’IFEC, ainsi que des rencontres régulières avec les formateurs internes de l’IFEC intéressés par cette thématique. La recherche collaborative s'inscrit dans cette continuité où chaque parcours nourrit les autres. Elle veut ancrer la réflexion sur la différenciation dans les pratiques de classe dans un enrichissement mutuel de la théorie et de la pratique. En pratique Parcours écoles : formations pédagogiques et suivis de 1 à plusieurs journées Parcours CSA : formation de 4 journées de l'ensemble des CSA et de l'IFEC Parcours référents : formation de binômes de référents en école de 4 journées + 1 journée Parcours formateurs : communauté de pratique avec les formateurs internes différenciation de l'IFEC Parcours recherche collaborative : accompagnement d'enseignants sur une année scolaire dans la mise en place de pratique de différenciation Les objectifs Favoriser le pouvoir d’agir des enseignants par la mobilisation et l’interprétation de données objectives récoltées sur le terrain.Une recherche collaborative se construit dans la négociation entre les participants et les chercheurs. C’est donc ensemble que chaque étape de la recherche est construite, pour coller au plus près aux préoccupations et aux enjeux, liés à la différenciation, qui sont rencontrés dans les contextes spécifiques de chacune et chacun.Par exemple, la question de recherche et les sous-questions sont co-formulées pour répondre au mieux aux préoccupations et enjeux de terrain concernant l’impact d’une posture d’enseignement différenciée sur la motivation et l’autonomie des élèves. Méthodologie Cette recherche s’inspire du protocole développé par Schildkamp (2018, 2019) au sein des « Data TEAMS ». Elle veut développer et favoriser le pouvoir d’agir des enseignants par une prise de décision fondée sur la récolte de donnée et l’évaluation des pratiques scolaires.Les données issues de ce parcours recherche nourriront les parcours référents et formateurs. Par ailleurs, des données et productions issues de cette recherche collaborative auront également pour destination les collègues et organisations des différentes parties prenantes (écoles, CSA). Envie de participer ? Nous sommes à la recherche de binômes d’enseignants issus d’une même école ce qui permettra de faciliter la mise en œuvre du processus au sein de chaque établissement scolaire concerné. Le thèmeÉlaborer et réguler ses pratiques de différenciation à la lumière des données de la classe.Les objectifsComprendre et agirComprendre, par l'analyse des données disponibles dans la classe et les échanges de pratiques entre professionnels, les effets d'une posture différenciée de l'enseignant sur la motivation et l'autonomie des élèves.Objectiver son intuition pour agir efficacement.Les modalités7 rencontres sur l'année à la Salle des Pros (Rue Godefroid, 7 - au centre de Namur)Pourquoi participer ?Pour enrichir la recherche en partant des pratiques de terrain.Pour nourrir vos pratiques grâce à l'accompagnement des chercheuses-formatrices.Pour rencontrer d'autres enseignants qui partagent vos préoccupations. Contacts Pour toute information, n’hésitez pas à contacter l’équipe de rechercheAnne Libert : anne.libert@unamur.beVirginie Meyer : virginie.meyer@unamur.beSylvie Van der Linden : sylvie.vanderlinden@henallux.be Coordinatrice du projet Sandrine Biémar : sandrine.biemar@unamur.be