Résultats de recherche

Nos conférenciers principaux pour 2026 sont la professeure Roosmarijn Vandenbroucke (Université de Gand) et la professeure Nelly Litvak (Université technologique d'Eindhoven). Plus d'infos sur le site "Women in science"

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

JEDDT 2024-2025 | Transcender les frontières disciplinaires pour façonner un avenir durableCe projet institutionnel soutenu par les 7 facultés de l’Université et le fonds 6-24 de la Fondation Roi Baudouin propose à tous les étudiants et étudiantes de fin de cycle de bachelier une approche transversale et holistique qui aborde la transition et le développement durable sous de multiples aspects (populations, santé, droit, biodiversité, ressources planétaires, éthique, économie, justice, gestion … ), sans négliger la dimension spirituelle et émotionnelle de la crise écologique et civilisationnelle que nous traversons.A cette occasion, les étudiants auront l’opportunité de présenter à la communauté universitaire, et au public plus largement, le fruit de la réflexion menée en équipes. Ils le feront au travers d’un support créatif, leur permettant de se challenger dans le cadre d’un débat mené avec des experts et des représentants de la société civile.La cérémonie de clôture sera suivie d’un drink convivial. Cet évènement est gratuit mais l'inscription est obligatoire.

Dans le cadre du cours interdisciplinaire « IA : enjeux et opportunités », les étudiantes et étudiants de l’UNamur ont présenté une série de posters consacrés aux usages de l’intelligence artificielle dans leurs domaines d’étude. Ce temps fort a mis en lumière la diversité des applications de l’IA, mais aussi la volonté de l’Université de Namur de former des étudiants capables d’en faire un usage critique, juste et raisonné.

L’informatique occupe une place considérable dans notre quotidien. Vivre sans ordinateur ou téléphone portable nous parait inimaginable. Mais l’informatique est au service de nombreux autres domaines tels que la médecine, la gestion, l’environnement, l’agriculture, l’espace, la biologie… et son implication dans des secteurs nouveaux augmente sans cesse. Préparez-vous à façonner l’avenir de notre société dans une discipline jeune, dynamique et en pleine expansion  

Rejoignez une communauté d’innovateurs, explorez les technologies de pointe et préparez-vous à façonner le monde numérique de demain ! Prêt à coder votre succès ? Bienvenue à la Faculté d’informatique de l’UNamur, pionnière de l’enseignement universitaire de l’informatique en Europe. 

Abstract La maintenance prédictive (PdM) est de plus en plus utilisée pour améliorer la fiabilité des systèmes, réduire les temps d’arrêt et optimiser les coûts opérationnels dans des environnements industriels complexes grâce à la détection d’anomalies. À mesure que les systèmes industriels deviennent plus complexes, avec des composants inter- agissant entre eux et surveillés par des réseaux de capteurs en constante expansion, la détection d’anomalies fait face à de nouveaux défis méthodologiques. En particulier, un manque apparaît dans la littérature qui considère la détection d’anomalies avec des méthodes traditionnelles de Machine Learning (ML) utilisant une approche Single Label Classification (SLC), inadaptée lorsque plusieurs défaillances peuvent survenir simultanément.Les approches traditionnelles de détection d’anomalies basées sur des méthodes de ML utilisant une formulation SLC supposent que chaque observation appartient à une seule catégorie d’anomalie. Cette hypothèse ne tient pas lorsque plusieurs défaillances surviennent simultanément sur le même équipement, ce qui entraîne une perte d’information. Ceci commence par une illustration de cette limite à travers un exemple concret montrant que l’utilisation d’une approche SLC au lieu d’une formulation multi-label dégrade la classification des anomalies simultanées. Pour répondre à ce problème, la détection d’anomalies est reformulée comme un problème de Multi Label Classification (MLC), permettant de détecter plusieurs défaillances au sein d’un même pas de temps. Suite à cette reformulation, la problématique du choix des classificateurs multi- label adaptés au contexte de la Predictive Maintenance (PdM) doit être étudiée. La conclusion générale de la littérature est que la performance des classificateurs dépend fortement du contexte et qu’il existe un grand nombre de méthodes de détection sans qu’aucune ne soit universellement dominante. Bien que des études comparatives approfondies existent dans le domaine du MLC, les jeux de données issus de systèmes complexes sont absents de ces comparaisons, alors même qu’ils présentent des caractéristiques spécifiques telles que des structures en séries temporelles multivariées, un fort déséquilibre des labels et des interactions complexes entre composants.Pour combler ce manque, un protocole d’évaluation structuré et reproductible est proposé afin d’évaluer huit méthodes de ML à l’état de l’art dans un cadre MLC sur trois jeux de données industriels publics. Les résultats confirment que la performance des classificateurs dépend fortement des caractéristiques du jeu de données et qu’aucune méthode ne domine systématiquement tous les scénarios. Toutefois, réaliser ce type de comparaison pour chaque nouveau contexte industriel est coûteux en termes de temps, de ressources computationnelles et de besoins en données, ce qui limite sa faisabilité pour un déploiement industriel réel. La thèse aborde également cette problématique par la réduction de dimension et les méthodes de sélection de variables. Les systèmes de PdM génèrent de grands ensembles de données multivariées dont seule une partie des variables est réellement pertinente pour la détection d’anomalies. Une stratégie évolutionnaire auto-adaptative est proposée pour effectuer une sélection de variables de type wrapper et obtenir un sous-ensemble ne contenant que les variables les plus informatives. Les résultats expérimentaux montrent que la réduction de l’espace des variables améliore l’efficacité computationnelle et, dans la plupart des cas, la performance de prédiction des anomalies. La comparaison de la méthode proposée avec des approches métaheuristiques issues de l’état de l’art sur trois jeux de données PdM et cinq méthodes de détection d’anomalies confirme sa compétitivité en termes de performance prédictive et de taille optimale du sous-ensemble de caractéristiques sélectionné. Enfin, la réduction de l’espace des caractéristiques optimise non seulement les ressources nécessaires à la détection, mais réduit également le nombre de signaux que les techniciens doivent analyser lors des investigations de recherche de cause racine. Cette simplification vise à renforcer la confiance dans le système. Enfin, la thèse traite des aspects pratiques du déploiement des méthodes de détection dans les systèmes complexes. Parmi ceux-ci, on observe un manque de confiance et de transparence chez les techniciens de maintenance et les décideurs. Une analyse de l’interprétabilité et la robustesse des méthodes de détection d’anomalies est fournie afin de contribuer directement à leur déploiement en conditions réelles. Tout d’abord, la stratégie de sélection de variables proposée est évaluée sur un jeu de données PdM public à l’aide d’explications basées sur SHAP afin de vérifier la cohérence entre les variables sélectionnées et celles identifiées comme les plus importantes par des outils dédiés à l’interprétabilité. Les résultats montrent que les variables sélectionnées sont cohérentes avec les plus importantes selon ces outils. De plus, l’analyse visuelle des variables les plus influentes met en évidence que les anomalies sont associées à un sous-ensemble limité et bien défini de signaux venant des capteurs, ce qui contribue à améliorer la transparence et à renforcer la confiance dans les systèmes de détection automatique. En parallèle, il est nécessaire de mener une étude de la robustesse des classificateurs multi-label dans des scénarios contrôlés de dégradation de capteurs, incluant différentes familles de dégradations et plusieurs niveaux de sévérité. Les résultats montrent que la performance des classificateurs peut fortement se dégrader, en particulier en présence de dérives progressives. Pour atténuer cet effet, l’introduction de dégradations de capteurs durant l’entraînement apparaît comme une stratégie pertinente. Finalement, cette thèse propose un cadre structuré pour la détection d’anomalies multi-label dans les systèmes complexes, couvrant les méthodes de classification, l’optimisation de l’espace des variables, l’interprétabilité et la robustesse. Pour chacun de ces aspects, la thèse adopte un point de vue industriel et prend en compte les différences entre les conditions expérimentales contrôlées en laboratoire et les contraintes supplémentaires des environnements complexes réels. Le jury Prof. Katrien Beuls - Université de Namur, BelgiqueProf. Elio Tuci - Université de Namur, BelgiqueProf. Patrick Heymans - Université de Namur, BelgiqueProf. Jenni Raitoharju - Université de Jyväskylä, FinlandeMr. Fabio Pinna - Telespazio, BelgiqueMr. Vito Trianni - ISTC-CNR, Italie Je m'inscris

Défense de thèse - Antoine Hubermont 04/09/2026 à 15h à l'auditoire PA02. Nom Prénom Adresse e-mail Assistera à la réception qui suivra la défense Oui ( optionnel ) Non ( optionnel ) Désire une vignette de parking Oui ( optionnel ) Non ( optionnel ) Souhaite un certificat pour l'assistance à la défense Oui ( optionnel ) Non ( optionnel ) Pour le traitement de votre demande, les données sans mention « optional » doivent obligatoirement être complétées. Lorsque vous soumettez ce formulaire, les données complétées sont transmises à l’UNamur et utilisées pour donner suite à votre demande. Pour en savoir plus sur la protection de vos données et sur vos droits This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

14 septembre 2026 Au programme pour tous et toutes09h00 | Accueil au Pedro Arrupe, rue de Bruxelles, 67 - 5000 Namur09h30 | Cérémonie au Pedro Arrupe 11h00 | Célébration de la rentrée à l'Eglise Saint-Loup - à confirmer, rue du Collège - 5000 Namur -  puis accueil des étudiants par les Cercles. Cours du jour 15 septembrePour les blocs 1 (Local I02)* - Séance accueil10h40 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)11h10 : Présentation de la conseillère académique (Géraldine Grandjean)11h30 : Présentation de la coordinatrice pédagogique (Fanny Boraita)11h50 : Présentation du SI (Cédric Aerts)12h10 : Présentation du CSLabs (Hugo Raskin) Pour les étudiants des 60 premiers crédits du bachelier (uniquement les étudiants de primo-arrivants*) - Local I0214h00 : séance d’introduction pour le cours d’anglaisLa présence à ces séances est obligatoire.Pour les UES** et nouvel étudiant en Master (Local I30) - Séance accueil14h00 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)14h30 : Présentation de la conseillère académique (Géraldine Grandjean)14h50 : Présentation de la coordinatrice pédagogique (Fanny Boraita)15h10 : Présentation du SI (Cédric Aerts)15h30 : Présentation du CSLabs (Hugo Raskin) 16 septembre Pour les blocs 1 (Local  à définir - à vérifier dans l'horaire)*08h30 : Cours de Fondements mathématiques pour l’informatique (M. De Vleeschouwer)La présence à cette séance est obligatoirePour tous les étudiants : Début des cours (voir horaire)Séance d'information et configuration du PAE18 septembre : Bachelier Bloc 1 non primo-arrivants : de 13h-14h - Salle académique17 septembre : Bachelier Bloc 2 et 3 : de 13h-14h - Salle académique16 septembre : MA1 et UES non primo-arrivants : de 13h-14h au I30* Étudiants primo-arrivants : Étudiants inscrits pour la première fois à un programme d'études en sciences informatiques à l'UNamur, qu'ils sortent du secondaire, d’une haute école, d'une autre université ou qu’ils soient inscrits en cours à horaire décalé. ** UES : Unités d'enseignement supplémentaires au master (année passerelle) Cours à horaire décalé Bachelier et Master 60Samedi 12 septembre - Début des coursPour les étudiants Primo-arrivants (Bloc 1 et UES) :09h00 : Exposés au I02, du Vice-Doyen, Madame Marie-Ange Remiche, de la conseillère académique, Madame Géraldine Grandjean, du correspondant informatique, Monsieur Cédric Aerts. Auditoire I02 (rez-de-chaussée de la Faculté d’Informatique). La présence à cette séance est obligatoire. La présentation de la séance d'accueil sera déposée sur le BVE par la suite.10h00 : Début des cours pour tous les étudiants Master de spécialisation en informatique et innovation : business analysis et gouvernance it Pour les étudiants concernés par les cours prérequisVendredi 18 septembre à 9h00, séminaire I22 au 2ème étage de la Faculté.Pour tous les nouveaux étudiantsDébut des cours le samedi 16 octobre à la salle académique au 4e étage de la Faculté d’Informatique, dès 8h30. Et avant la rentrée ? Mettez tous les atouts de votre côté, participez aux cours préparatoires !Les cours préparatoires vous permettent de découvrir l’enseignement universitaire en révisant les matières indispensables à votre future formation.Exclusivement destinés aux élèves qui terminent leurs études en 2026, ces cours préparatoires, programmés entre la mi-août et début septembre, sont adaptés à chaque programme universitaire.En savoir plus sur les horaires des différentes sessions et s'inscrire aux cours préparatoires...  Pour bien vivre votre rentrée à l'Université, participez aux journées d'accueil !Les journées d'accueil auront lieux le 10 et le 11 septembre 2026.Au programme : une visite du campus et de la ville, une foire aux kots à projets (KàPs), des ateliers thématiques (droits étudiants, outils numériques, budget, engagement étudiant, sport...), un barbecue et une équipe super motivée pour vous faire découvrir la vie sur le campus universitaire !Jeudi 10 : 7h30 - Accueil des étudiants ; 8h30-12h40 - Ateliers destinés aux étudiants ; 12h40 - Diner - Barbecue proposé sur inscriptions (3,60€ par pain-saucisse / pain-falafel) et Bar tenu par l'AGE ; 14h00-18h00 - Salon des kots-à-projet ; 20h30-01h00 - Bunker réservé aux primo-arrivantsVendredi 11 : 08h30-12h30 - Ateliers destinés aux étudiants ; 12h30 - Diner ; 14h00 - Selon les facultés : prise en charge par les facultés ou libre.Réservé aux primo-arrivants - Les informations seront envoyées après l'inscription à l'UNamur.   

Face à la crise écologique et à la flambée des prix de l’énergie, la transition énergétique est devenue une urgence incontestable. Chaque jour, à l’UNamur, des chercheurs venus des domaines les plus divers – géologie, chimie, physique, informatique – réfléchissent à des voies innovantes pour affronter ces lendemains périlleux.

Les 23 et 24 janvier 2025, des experts de l’UNamur étaient présents au salon SETT (School Education Transformation Technology) pour sa sixième édition. Un rendez-vous incontournable du numérique dans l'enseignement en Fédération Wallonie-Bruxelles, dédié aux directeurs, enseignants et conseillers technico-pédagogiques.