Composant manquant, soudure fragile, polarité inversée, griffe, corps étranger telle qu’une vis qui tombe sur le produit : sur une chaine de production de pièces électroniques pour l’automobile telle que celle de l’entreprise AISIN Europe, les défauts, même s’ils sont rares, doivent pouvoir être détectés de manière immédiate et pertinente. « Mon objectif était de pouvoir apprendre à un ordinateur à repérer ce qui est normal et ce qui est anormal dans des images », résume Arnaud Bougaham, ingénieur data scientist au sein de l’entreprise AISIN EUROPE mais aussi chercheur associé à la Faculté d’informatique de l’UNamur. 

Sur une ligne de production, des images sont en effet prises par des caméras placées au-dessus d’un convoyeur et un système informatique est alors chargé de vérifier, à grande cadence, que chaque pièce est conforme. « Or, si le système d’inspection traditionnel fait bien son travail, il génère aussi beaucoup de faux positifs, de fausses alertes. Ce qui impacte fortement le travail des personnes chargées de confirmer ou infirmer les alertes : elles sont sollicitées sans relâche au risque d’y perdre du temps et de l’énergie ». C’est ce processus qu’Arnaud Bougaham a décidé d’améliorer pour son entreprise en commençant en 2020 une thèse de doctorat au sein du laboratoire HuMaLearn de la Faculté d’informatique reconnu pour son expertise en machine learning, sous la supervision des professeurs Benoit Frenay et Isabelle Linden.

De plus le modèle permet aussi, lorsqu’un défaut est soupçonné, d’afficher précisément la zone concernée : l’opérateur peut visualiser l’indication, manipuler la pièce si nécessaire, puis trancher. 

Autre plus-value de l’outil développé ? Le système n’affiche pas seulement un verdict, il indique aussi la confiance que le système a dans sa prédiction. « L’objectif est de filtrer les cas simples et d’attirer l’attention sur des cas plus complexes, afin que les experts ne soient plus noyés par de mauvais diagnostics et puissent se concentrer sur l’essentiel », insiste Arnaud Bougaham.

Si l’outil a avant tout été conçu pour répondre au besoin de l’entreprise de production automobile, la logique est générique. « Il pourrait être transposable au sein d’usines qui fabriquent du parquet, du bois, du tissu. Mais aussi dans le secteur médical », s’enthousiasme Arnaud Bougaham. « Une maladie, c’est finalement une anomalie dans une image. Les contraintes se ressemblent : quand il y a un défaut, il faut absolument le détecter, tout en limitant, autant que possible, les fausses alertes. Dans le secteur médical, avoir un outil similaire qui dégrossit l’analyse tout en laissant la responsabilité au médecin peut être impactant. »

La thèse d’Arnaud Bougaham est née d’un double ancrage : doctorant à l’UNamur et, en parallèle, ingénieur chez AISIN Europe. Cette position lui a donné accès à ce qu’il appelle « la vérité terrain ». « En laboratoire, on peut obtenir de très bons résultats, mais en production il y a une réalité avec un environnement précis. » Données bruitées, conditions variables, contraintes de coûts, et surtout cadence : « il faut que notre système fonctionne au rythme de la ligne ». En partageant son temps de travail entre l’entreprise AISIN Europe et l’UNamur, Arnaud Bougaham démontre ainsi comment une thèse peut avoir un impact concret sur les besoins du terrain. Le tout en devant concilier les fonctionnements et obligations de chacun. 

Au-delà des promesses, ces travaux sont déjà confrontés à des cas d’usage concrets. Au sein d’AISIN Europe, le cadre développé est notamment en intégration au sein d’une ligne de production active pour détecter des composants inattendus (comme une vis) sur les cartes de circuits imprimés. Dans le domaine médical, l’approche est orientée pour l’analyse de la réceptivité au coma via un examen d’imagerie médicale qui permet d’observer le fonctionnement des organes et des tissus. Certaines techniques sont également reprises pour une application de segmentation du cancer de l’ovaire ou du lymphome.

Ces résultats démontrent aussi comment une intelligence artificielle peut être fiable et centrée sur l’humain dans des environnements à haut risque.

L'intelligence artificielle est aujourd'hui à la portée de tous. Pourtant, si beaucoup l'utilisent au quotidien, rares sont ceux qui en comprennent réellement le fonctionnement, les limites ou les enjeux. C'est pour répondre à ce besoin que le Namur Digital Institute (NaDI) lance “Et si l'IA…”, un cycle de conférences-ateliers ouvert au grand public, coordonné par les doctorantes Elisa De Coster (PReCISE) et Aline Nardi (CRIDS). 

“L'idée du projet est de démystifier l'intelligence artificielle”, entame Elisa De Coster. “Nous avons la chance, en tant que chercheurs, d'être sensibilisés aux questions que soulèvent l’IA. Nous voulions que les citoyens curieux puissent eux aussi disposer de ces clés de compréhension.” 

“Avant 2022 et l'essor de ChatGPT, ces outils étaient réservés à une niche”, poursuit Aline Nardi."Depuis, l'usage de l'IA s'est généralisé à une vitesse record, mais la réflexion sur les enjeux sociétaux de ces usages n'a pas suivi le rythme. Cette série de conférences est une invitation à faire un pas de côté pour comprendre ce qui se joue en coulisses" 

Chaque séance, d'une durée d'environ deux heures, croisera les regards de plusieurs spécialistes. Un doctorant en informatique expliquera le fonctionnement technique de l'IA, tandis que son homologue en droit abordera les implications juridiques, éthiques et sociétales.

Des intervenants issus du monde professionnel viendront partager leur expérience de terrain et une activité interactive permettra au public de mettre ces notions en pratique. Parmis ces intervenants, on peut notamment citer Alice Gorissen (CEO & Head of Animation à Dreamwall), Jean-Philippe Demiddeleer (juge de paix à Gembloux) et Zoé Dewinter (psychologue clinique, spécialisée sur l’IA en santé mentale). L'interactivité, l'interdisciplinarité et l'ouverture au grand public constituent les trois piliers du projet.

Chaque rencontre abordera une question de société différente : 

• 1er octobre 2026 – La Nef 
   Et si l'IA était votre confidente ? 
   Peut-on se confier à un chatbot ? Quels en sont les risques ? 
• 22 octobre 2026 – PA02 
   Et si l'IA se trompait ? 
   Comment reconnaître les erreurs d'une intelligence artificielle et conserver son esprit critique ? 
• 19 novembre 2026 – Caméo 
   Et si l'IA était subjective ? 
   Les intelligences artificielles sont-elles réellement neutres ou reproduisent-elles certains biais ? 
• 25 février 2027 – Quai 22 
   Et si l'IA volait vos créations ? 
   Quels défis l'IA générative pose-t-elle en matière de droit d'auteur et de propriété intellectuelle ? 
• 18 mars 2027 – TRAKK 
   Et si l'IA vous connaissait trop bien ? 
   Que deviennent nos données personnelles et jusqu'où l'IA peut-elle apprendre à nous connaître ? 

Si Elisa De Coster et Aline Nardi coordonnent le projet, elles insistent sur le fait qu'il s'agit avant tout d'un travail collectif. Le cycle de conférences est porté par dix doctorants issus des centres de recherche PReCISE et CRIDS : Elisa De Coster, Adélaïde Couplet, Jules Dejaeghere, Pierre Luycx, Pierre Poitier, Aline Nardi, Alix Gobert, Florian Jacques, Martin Rappe, Lionel Goffaux et Olga Thiry. Ensemble, ils veulent aider le grand public à mieux comprendre l'intelligence artificielle, sans la diaboliser ni la présenter comme une solution miracle.  

L’étude était dirigée par le professeur Thomas Brochhagen, chercheur au sein du groupe de Linguistique Computationnelle et de Théorie Linguistique (COLT) du Département de traduction et de sciences du langage de l'UPF de Barcelone. Parmi les coauteurs figurent Xixian Liao (Barcelona Supercomputing Center - Centro Nacional de Supercomputación, BSC-CNS), Jamie D. Wright (Namur Digital Institute de l’Université de Namur et Vrije Universiteit Brussel) et Carmen Saldana (affiliée à l’UPF et à l’Université de Barcelone).

« Ma principale contribution à l’étude publiée dans « Nature Human Behaviour » a porté sur l’analyse des données et la modélisation informatique. Cette étude est une enquête interlinguistique à grande échelle visant à comprendre comment les contraintes communicatives façonnent l’évolution des langues. En analysant des données issues de près de 2 000 langues, nous avons examiné comment celles-ci concilient deux contraintes contradictoires : le gain d’efficacité obtenu en réutilisant des formes lexicales identiques ou similaires, et la nécessité d’éviter toute ambiguïté lorsque des concepts risquent d’être confondus dans la communication », nous explique Jamie Wright.

Les travaux de Jamie Wright avec la professeure Katrien Beuls au Namur Digital Institute s’inscrivent dans le cadre du programme HERMES. Cette recherche examine également les pressions communicatives qui façonnent l’évolution des langues, mais sous un angle complémentaire. 

Les chercheurs namurois viennent de publier un autre article dans le « Journal of language Evolution » 

« Alors que l’article publié dans *Nature Human Behaviour* identifie des tendances générales à partir d’un large échantillon de langues existantes, celui paru dans le « Journal of Language Evolution » utilise un modèle basé sur des agents pour étudier l’évolution des langues au niveau des agents artificiels en interaction. Dans ces simulations, les agents développent et utilisent des langues communes à travers des échanges communicatifs répétés. Cela nous permet d’étudier comment des conventions linguistiques à l’échelle d’une population émergent d’interactions locales et pourquoi ces conventions peuvent rendre les langues plus robustes, plus faciles à apprendre et plus efficaces sur le plan cognitif. »

Ces deux études abordent donc des questions étroitement liées, à des niveaux différents et selon des approches méthodologiques distinctes. L’étude « Nature Human Behaviour » met en évidence les conséquences interlinguistiques à grande échelle des pressions communicatives, tandis que l’étude « Journal of Language Evolution » basée sur des agents permet d’expliquer comment de tels schémas peuvent émerger de manière dynamique à travers les interactions entre les locuteurs.

Il a obtenu son master en linguistique théorique et appliquée à l’Université Pompeu Fabra de Barcelone, où il a également travaillé comme assistant de recherche au sein du groupe de recherche COLT. Ses recherches s’appuient sur la modélisation computationnelle et des expériences basées sur des agents pour étudier l’émergence et l’évolution du langage. Ses travaux actuels portent sur la manière dont les contraintes articulatoires et acoustiques liées à la production et à la perception de la parole façonnent les conventions linguistiques et les systèmes de communication.

Félicitations aux chercheurs pour ces publications prestigieuses !

Article cité

Brochhagen, T., Liao, X., Wright, J.D. et al. The interaction of meaning similarity and confusability explains regularity in form–meaning mappings at and below the word level. Nat Hum Behav (2026). https://doi.org/10.1038/s41562-026-02488-3 

Organisée dans le cadre de l’évaluation du cours « IA : enjeux et opportunités » , la session posters invitait les étudiants, par équipes de deux, à explorer un cas concret d’utilisation de l’IA dans leur champ disciplinaire. Objectifs ? Évaluer la pertinence, les limites, les risques, la qualité des résultats produits et les implications pour les pratiques professionnelles, académiques ou sociétales.

Accessible aux étudiantes et étudiants de dernière année de bachelier issus de plusieurs facultés, le cours « IA : enjeux et opportunités » existe depuis deux ans à l’UNamur et rencontre un intérêt croissant. Après une première édition ayant rassemblé une cinquantaine d’inscrits, le nombre d’étudiants a doublé dès la deuxième année. « Cette progression confirme le besoin d’une formation interdisciplinaire sur un sujet qui traverse aujourd’hui tous les secteurs de la société », analyse Benoît Frenay.

L’ambition du cours est claire : donner aux étudiants des repères solides pour appréhender l’intelligence artificielle dans ses dimensions techniques, et humaines. Il les invite à développer une vision scientifique et nuancée de l’IA, à en comprendre les avantages comme les risques, et à adopter une posture réflexive et responsable. 

Le dispositif pédagogique articule réflexion théorique et mise en pratique. La session posters s’inscrit pleinement dans cette logique : elle permet aux étudiants de rendre visibles leurs analyses, de confronter leurs points de vue et de montrer comment l’IA peut être interrogée à partir de disciplines très différentes. Cette évaluation se centre sur un cas issu du domaine d’études de l’étudiant, au travers d’une analyse critique d’un cas pratique basée sur les concepts abordés au cours.

L’UNamur s’affirme aujourd’hui comme un acteur-clé de l’intelligence artificielle en intégrant cette thématique dans ses missions d’enseignement, de recherche et de service à la société. Son positionnement institutionnel en matière d’IA repose sur une approche globale : former à un usage critique, responsable et éthique de ces technologies, stimuler l’innovation à travers des projets de recherche interdisciplinaires et accompagner les acteurs de la société face aux transformations qu’elles entraînent. 

Cette ambition se traduit concrètement par plusieurs initiatives. Outre le cours « IA : enjeux et opportunités », l’Université propose des programmes spécialisés liés à la data science, des ressources de démystification de l’IA générative pour les enseignants, ainsi qu’une micro-formation universitaire en intelligence artificielle destinée à des publics non spécialistes, y compris des professionnels. L’UNamur a également mis en place un Conseil de l’IA et des lignes de conduite pour accompagner les membres de sa communauté dans une utilisation réfléchie de ces outils.  De nombreux projets de recherche sont également consacrés à l’IA et viennent nourrir l’expertise transdisciplinaire unique de l’UNamur en matière de numérique.