** Pour les présentations flash, compter 5 minutes par présentation **

Jeudi 6 novembre 2025

Vendredi 7 novembre 2025

Session 1 : Raisonnement et décision

1. Décisions robustes : du quantitatif au qualitatif. Sébastien Destercke and Agnes Rico.
2. Comparaison de quatre modélisations des préférences. Olivier Strauss, Agnes Rico, Christophe Marsala and Curtis Martelet.
3. Réflexions autour d'un indice de confiance pour l'aide à la décision sous information incomplète. Laurence Boudet and Jean-Philippe Poli.
4. Interprétabilité des bases de règles floues : évaluation numérique et empirique. Thomas Pontoizeau, Romain Caillière, Marie-Jeanne Lesot, Christophe Marsala, Nicolas Museux and Jean-Noël Vittaut.
5. Représentation et manipulation de fonctions de croyance : BPA versus ADD. Hélène Fargier and Pierre Pomeret.
6. Traiter les incohérences causées par un choix inadéquat de modèle préférentiel en élicitation de préférences incertaines. Loïc Adam, Aicha Ait Hammouch and Allel Hadjali.
7. Application de la logique floue et du raisonnement approximatif à l’optimisation de la déshydratation des boues. Edwin Friedmann, Jean-Philippe Poli, Jessica Dang, Alain Larose and Sofiane Mazeghrane.

Session 2 : Machine learning

1. Alpha-Maxmin Classification with an Ensemble of Structural Restricted Boltzmann Machines. Davide Petturiti and Maria Rifqi.
2. Vers l'utilisation de l'affaiblissement contextuel dans un réseau de neurones crédibiliste. Serigne Mamadou Diene, Sébastien Ramel, Frédéric Pichon and David Mercier.
3. Des explications plus robustes grâce à la décomposition de l'incertitude. Chenrui Zhu, Louenas Bounia, Vu-Linh Nguyen, Sébastien Destercke and Arthur Hoarau.
4. Explications Robustes : Le Cas des Implicants Premiers. Chenrui Zhu, Vu-Linh Nguyen, Marie-Hélène Masson and Sébastien Destercke.
5. Évaluation de prédictions prudentes dans le cas d'observations partielles. Lucie Kunitomo-Jacquin, Abdelhak Imoussaten, Sébastien Destercke, Christophe Marsala and Ken Fukuda.
6. Élicitation des hyper-paramètres des classifieurs prudents: premières propositions. Sébastien Destercke and Abdelhak Imoussaten.
7. Générer une explication textuelle à l'ère des LLMs: premières expérimentations. Ali Mahmoud, Jean-Philippe Poli and Edwin Friedmann.
8. Extraction de motifs graduels temporels flous par métaheuristique. Dickson Odhiambo Owuor and Anne Laurent.
9. Une méthode de clustering basée sur la paralogie inverse graduelle. Myriam Bounhas and Henri Prade.

Session 3 : Théorie de l’incertitude et Fouille de données

1. Résumé de l’article « Modeling and Updating Uncertain Evidence within Belief Function Theory ». Pierre Pomeret.
2. Matrices approchées de systèmes d'équations relationnelles floues de type max-min. Ismaïl Baaj.
3. Construction de distributions de possibilité bivariées à support fini à partir d'inégalités probabilistes. Gilles Mauris.
4. Entropies probabilistes pour sous-ensembles flous définis par intervalles. Christophe Marsala and Bernadette Bouchon-Meunier.
5. Modélisation des incertitudes des données d'examen de sommeil dans le cadre des fonctions de croyance. Francis Faux and Vincent Pichot.
6. Catégorisation imprécise de postes de travail pour l'évaluation des risques sanitaires associées à des mélanges de polluants chimiques. Laura Calazans De Oliveira Costa, Violaine Antoine, Luiza De Oliveira Abrahao Reis, Pascal Petit and Dominique J. Bicout.
7. Relations spatiales floues et apprentissage profond pour la reconnaissance d'éléments iconographiques sur des sceaux byzantins. Ege Sendogan, Victoria Eyharabide and Isabelle Bloch.
8. Mesurer le désaccord entre vocabulaires d’experts et son impact sur l’analyse de données. Akram Bensalem, Fahima Djelil, Grégory Smits and Marie-Jeanne Lesot.

Conférences invitées

Anne-Laure Jousselme

Mesures d’incohérence dans la théorie des fonctions de croyance

La théorie des fonctions de croyance, également connue sous le nom de théorie de l’évidence (ou théorie de Dempster-Shafer), constitue un cadre riche pour modéliser et traiter l’incertitude dans les systèmes d’aide à la décision, de fusion d’information ou encore d’intelligence artificielle. Contrairement aux approches purement probabilistes, elle permet de représenter explicitement l’imprécision, l’ambiguïté et le manque d’information, en attribuant des degrés de croyance à des ensembles d’hypothèses plutôt qu’à des hypothèses uniques. Dans ce contexte, les mesures d’incohérence jouent un rôle fondamental pour quantifier des notions d’information. Elles permettent ainsi de caractériser et de comparer différentes fonctions de croyance, d’optimiser les processus de fusion d’information ou d’apprentissage machine, de détecter des contradictions entre sources, ou encore d’évaluer les performances des modèles dans des environnements incertains. Cet exposé présentera un état de l’art ainsi que des avancées récentes concernant les mesures d’incohérences dans le cadre des fonctions de croyance, mettant en évidence la notion centrale de cohérence pour des formulations généralisées, incluant mesures d'entropie, de conflit ou de distance.

Bibliographie :

Anne-Laure Jousselme travaille au CS Research Lab de CS Group - France depuis juin 2022, à Toulon, et est chercheuse associée au Centre de Recherche de l’Ecole de l’Air, à Salon-de-Provence. Elle a été scientifique de la défense pour Recherche et Développement pour la Défense - Canada (RDDC) pendant 12 ans, professeure associée à l’Université Laval (Québec, Canada) pendant 10 ans, et a travaillé pendant 8 ans au Centre de recherche et d’expérimentation maritime de l’OTAN (CMRE), à La Spezia (Italie). Elle est membre du Conseil d’administration de la Belief Functions and Applications Society (BFAS) depuis 2012, où elle occupe le poste de secrétaire depuis 2018. Elle est également membre du Conseil d’administration de l’International Society of Information Fusion (ISIF), où elle occupe la fonction de vice-présidente en charge des adhésions depuis 2015. Elle est rédactrice en chef du magazine Perspectives on Information Fusion, éditrice de domaine pour l’International Journal of Approximate Reasoning, et éditrice associée de l’IEEE Transactions on Aerospace and Electronic Systems. Ses thèmes de recherche actuels portent sur la fusion d’information, l’évaluation de la situation, le raisonnement sous incertitude, les mesures de l’incohérence, ainsi que l’évaluation des systèmes de fusion et d’aide à la décision.

Salem Benferhat

Gestion des incohérences et potentiel du croisement des données multi-sources

L’exploitation des masses de données disponibles aujourd’hui constitue un défi scientifique et technologique de premier plan, avec des impacts sociétaux et économiques majeurs. Ces données sont très diverses : certaines, tabulaires et complètes, sont immédiatement exploitables, tandis que d’autres, comme des vidéos amateurs ou des cartes sans géolocalisation, nécessitent des traitements spécifiques et complexes. Cette hétérogénéité s’accompagne souvent d’incertitudes et d’incohérences, rendant l’intégration multisource et la recherche de complémentarité particulièrement difficiles.

L’un des enjeux majeurs est la tractabilité du traitement et de la gestion des données face à l’incertitude et aux contradictions entre sources. Dans la première partie de cette présentation, nous mettrons en évidence l’apport de logiques fondées sur des ontologies légères et passerons en revue plusieurs méthodes de gestion des incohérences dans des bases de connaissances, en soulignant les approches basées sur la théorie des possibilités, reconnues pour leur souplesse et leur efficacité dans le traitement des contradictions.

La deuxième partie sera consacrée au potentiel du croisement des données. L’abondance actuelle de ressources accessibles ouvre la voie à de nouvelles approches de complétion, mais suppose souvent une recherche fastidieuse de données externes. Lorsqu’elle est menée efficacement, cette intégration permet de compléter les informations manquantes et d’améliorer la cohérence globale. Nous illustrerons ce potentiel à travers un exemple concret : l’enrichissement de systèmes d’information géographique à partir de données multisources liées aux réseaux d’eaux usées. Nous montrerons comment l’exploitation combinée de données réelles hétérogènes, images, vidéos d’inspection, cartes et bases de données tabulaires, permet non seulement de compléter les informations manquantes et d’améliorer la cohérence, mais aussi d’enrichir en profondeur les systèmes d’information géographique.

Ce travail a été soutenu par le projet STARWARS du programme Horizon de l’Union européenne (MSCA-SE, n° 101086252, Call : HORIZON-MSCA-2021-SE-01), par le projet CHIST-ERA ATLAS (n° CHIST-ERA-23-MultiGIS-02, ANR-24-CHR4-0005) et par le projet CROQUIS (ANR-21-CE23-0004).

Bibliographie :

Salem Benferhat est professeur en Informatique à l’Université d’Artois. Il effectue ses recherches au CRIL (Centre de Recherche en Informatique de Lens, CNRS UMR 8188). Ses travaux portent sur l’Intelligence Artificielle, et plus particulièrement sur la représentation des connaissances, la gestion de l’incertitude, la fusion de données, la causalité, les ontologies et l’intégration de données hétérogènes, avec des applications aux systèmes d’information géographiques.

Il a reçu en 2015 la distinction EurAI Fellow Award. Auteur de plus de 200 publications dans des revues et conférences internationales, il est ou a été éditeur associé ou éditeur invité de plusieurs revues internationales. Il a également participé à plus de 150 comités de programme de conférences, présidé ou co-présidé le comité de programme de plusieurs d’entre elles, et a été conférencier invité dans divers événements scientifiques tels que SUM ou ECSQARU.

Responsable du parcours de niveau 2 du Master Informatique, il a dirigé à ce jour 25 thèses de doctorat soutenues.

Il a également coordonné ou participé à de nombreux projets de recherche nationaux et européens, parmi lesquels le projet MSCA SE Starwars, le projet H2020 AniAge, le projet Chist-ERA ATLAS ainsi que plusieurs projets ANR (ASPIQ, PLACID, MICRAC, CROQUIS).