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. 

Un ordinateur peut-il apprendre une langue comme le fait un enfant ? Une étude récente publiée dans la revue de référence Computational Linguistics par les professeurs Katrien Beuls (Université de Namur) et Paul Van Eecke (AI-lab, Vrije Universiteit Brussel) apporte un nouvel éclairage sur cette question. Les chercheurs plaident pour une révision fondamentale de la manière dont l'intelligence artificielle acquiert et traite le langage. 

Facebook, ça vous parle ? Mais connaissez-vous vraiment ce réseau social ?Pour cette première séance du numérique, (re)découvrez « The Social Network » de David Fincher, un film captivant qui retrace la naissance de ce géant américain.Ce qui vous attend :- Une introduction par nos experts : en vous révélant les secrets du fonctionnement des réseaux sociaux, ils vous donneront des clefs de lecture qui vous permettront de comprendre « The social network » avec un tout nouveau regard ! - Projection du film : plongez dans l’univers de Mark Zuckerberg.- Un moment convivial : prolongez la discussion autour d’un verre après la séance ! Où ? Quai 22, Namur (Rue du séminaire 22, 5000 Namur).Quand ? Le 14 mai à 18h00.Combien ? C’est 100% gratuit !Ne manquez pas cette soirée immersive qui mêle cinéma numérique et échanges passionnants !Inscription obligatoire

Troisième et dernier focus de l’été sur le centre de recherche NaDI-CeRCLe, qui s’est démarqué à l’international ces dernières semaines grâce aux reconnaissances obtenues par trois jeunes chercheurs en management des services. Après Floriane Goosse et Victor Sluÿters, nous vous proposons de découvrir le travail de Florence Nizette, jeune chercheuse travaillant sur les technologies d’Intelligence artificielle.

Au programme 09:30 | Accueil et discours de bienvenue10:00 | Présentation des plateformes11:00 | Visite des plateformes par groupe12:00 | Lunch et networking Caractérisation Pysico-Chimique (PC²)La plateforme PC² comprend une large gamme d'instruments, notamment : des spectromètres à résonance magnétique nucléaire à l'état liquide et solide, des diffractomètres à rayons X pour monocristaux et poudres, des instruments d'analyse des propriétés texturales (physisorption d'azote, porosimétrie au mercure, etc.), des instruments d'analyse de la composition chimique (analyse chimique par combustion, ICP-OES, etc.), ainsi que diverses techniques de séparation (chromatographie, centrifugation, etc.). La combinaison de ces techniques avec la présence de deux logisticiens de recherche et d'un technicien dédiés à l'analyse des échantillons, ainsi que de chercheurs hautement qualifiés pour le développement d'applications avancées, reflète l'intention stratégique de cette plateforme. Parmi ces techniques de caractérisation, la RMN à l'état solide et la diffraction des rayons X sont les outils de caractérisation les plus avancés et les plus uniques.Synthèse, Irradiation et Analyse de Matériaux (SIAM)La plateforme SIAM est spécialisée dans la synthèse et la caractérisation avancée des matériaux et des nanomatériaux. Elle contribue activement à la recherche fondamentale en science des (bio)matériaux, notamment en termes de caractérisation des surfaces, des interfaces et des interactions ions/matériaux, en collaboration avec des laboratoires universitaires internationaux. SIAM dispose de capacités analytiques permettant l'étude de nombreux types d'échantillons issus de domaines aussi divers que la science des matériaux, les sciences de la vie ou la science du patrimoine. L'un des principaux atouts de SIAM réside dans son expertise reconnue en spectroscopies (XPS et ToF-SIMS), qui peuvent être couplées à l'analyse nucléaire (Ion Beam Analysis ou IBA). Grâce à un équipement de pointe, tout le soutien est assuré par une équipe hautement qualifiée dans une dynamique de développement et d'innovation continue. Intégré à l'Université de Namur, SIAM est un partenaire privilégié tant pour les projets de recherche académique que pour la prestation de services aux acteurs industriels et institutionnels.Lasers, Optique et Spectroscopies (LOS)La plateforme LOS développe son expertise autour des méthodes optiques pour l'étude des matériaux. LOS s'est récemment équipée d'un microscope à diffusion Raman pour l'analyse de liquides, poudres, solides et films minces, tant organiques qu'inorganiques. Cette technique permet d'identifier la composition chimique d'un échantillon, sa structure, mais aussi certaines propriétés du milieu. La spectroscopie Raman permet de caractériser les polymères, les nanomatériaux, les composés pharmacologiques, les matériaux géologiques, les pierres précieuses, les objets patrimoniaux et les produits alimentaires, pour ne citer que quelques exemples. En mode imagerie, cette technique permet de cartographier la distribution d'un composé dans un échantillon hétérogène, ainsi que de détecter des traces. En pratique Inscription obligatoire avant le 4 novembre 2025. Je m'inscris En savoir plus sur les plateformes technologiques de l'UNamur Contact Administration de la Recherche | Business Developer - Joël Marinozzi : joel.marinozzi@unamur.be 

Abstract Deep learning has become an extremely important technology in numerous domains such as computer vision, natural language processing, and autonomous systems. As neural networks grow in size and complexity to meet the demands of these applications, the cost of designing and training efficient models continues to rise in computation and energy consumption. Neural Architecture Search (NAS) has emerged as a promising solution to automate the design of performant neural networks. However, conventional NAS methods often require evaluating thousands of architectures, making them extremely resource-intensive and environmentally costly.This thesis introduces a novel, energy-aware NAS pipeline that operates at the intersection of Software Engineering and Machine Learning. We present CNNGen, a domain-specific generator for convolutional architectures, combined with performance and energy predictors to drastically reduce the number of architectures that need full training. These predictors are integrated into a multi-objective genetic algorithm (NSGA-II), enabling an efficient search for architectures that balance accuracy and energy consumption.Our approach explores a variety of prediction strategies, including sequence-based models, image-based representations, and deep metric learning, to estimate model quality from partial or symbolic representations. We validate our framework across three benchmark datasets, CIFAR-10, CIFAR-100, and Fashion-MNIST, demonstrating that it can produce results comparable to state-of-the-art architectures with significantly lower computational cost. By reducing the environmental footprint of NAS while maintaining high performance, this work contributes to the growing field of Green AI and highlights the value of predictive modelling in scalable and sustainable deep learning workflows. Jury Prof. Wim Vanhoof - University of Namur, BelgiumProf. Gilles Perrouin - University of Namur, BelgiumProf. Benoit Frénay - University of Namur, BelgiumProf. Pierre-Yves Schobbens - University of Namur, BelgiumProf. Clément Quinton - University of Lille, FranceProf. Paul Temple- University of Rennes, FranceProf. Schin’ichi Satoh - National Institute of Informatics, Japon

Moisson de récompenses pour le centre de recherche NaDI-CeRCLe ces dernières semaines. Les recherches en management des services de trois jeunes doctorants de la Faculté EMCP ont en effet été reconnues par leurs pairs lors d’événements scientifiques internationaux de premier plan : il s’agit de Floriane Goosse, Victor Sluÿters et Florence Nizette. Cet été, nous vous proposons de découvrir leurs parcours et leurs travaux.  

Abstract Plastic pollution has emerged as a pervasive environmental threat, with micro- and nanoplastics (MPs and NPs) accumulating across ecosystems and organisms, including humans. Their ability to adsorb and transport contaminants raises critical concerns for both environmental and public health.This thesis investigates the developmental neurotoxicity of MPs and NPs in zebrafish (Danio rerio), emphasizing the influence of particle size and mixture toxicity. NPs were shown to cross the embryonic chorion, disrupt physiological functions, and induce anxiety-like behaviour, whereas MPs mainly altered gene expression related to neurodevelopment. When co-exposed with methylmercury (MeHg), NPs enhanced MeHg accumulation in the brain and sensory organs, exacerbating its neurotoxic effects. Notably, the mixture induced severe hypoactivity, impaired lipid metabolism and neurotransmission, and increased mortality.These findings highlight the critical need to assess plastic particle toxicity not only in isolation but also in environmentally relevant mixtures. NPs, due to their small size and high reactivity, may act as vectors for toxicants like MeHg, amplifying their effects during sensitive developmental stages. Jury Prof. Frédéric SILVESTRE (UNamur), PrésidentProf. Patrick KESTEMONT (UNamur), SecrétaireDr Valérie CORNET (UNamur)Prof. Eli THORÉ (UNamur)Prof. Jérôme CACHOT (Université de Bordeaux)Dr Krishna DAS (Université de Liège)

Peut-on encore parler de démocratie lorsque des algorithmes influencent nos choix électoraux ou participent à la rédaction des lois ? Cette thématique est étudiée par Aline Nardi, chercheuse à la Faculté de droit et membre du Namur Digital Institute (NADI).  

Le Namur Digital Institute (NaDI) lance un cycle de rendez-vous originaux : « Les Séances du Numérique ». Des films suivis de débats avec des experts et expertes pour comprendre les défis du numérique et stimuler la réflexion collective. Un projet porté par Anthony Simonofski, Anne-Sophie Collard, Benoît Vanderose et Fanny Barnabé. 

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

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