Adeline Paiement a soutenu son mémoire d'habilitation à diriger des recherches

Adeline Paiement a soutenu jeudi 23 mars 2023  à l’Université de Toulon son mémoire HDR (Habilitation à Diriger des Recherches) sur le thème « IA pour les sciences : caractérisation des formes et des mouvements, et intégration de connaissances » en informatique, spécialité intelligence artificielle. « Une étape importante dans ma carrière » estime Adeline Paiement. Âgée de 38 ans, elle occupe le poste de maître de conférences au laboratoire LIS, à l'université de Toulon. Après avoir passé un double diplôme à Strasbourg (ingénieur physique/télécom et master d'astrophysique), elle s'exile en Grande Bretagne pour passer un doctorat (computer vision), et occuper un post doctorat en machine learning à Bristol , avant de rejoindre le Pays de Galle pour devenir maître de conférence à l'université de Swansea. Elle revient en France en 2018 et retrouve le soleil à Toulon, au LIS. Adeline Paiement travaille depuis une décennie sur le thème de son mémoire, qui vise à mettre en œuvre une approche d'intégration des connaissances issue des domaines d'application, pour améliorer des process d'apprentissage automatiques, obtenir des solutions offrant de meilleurs performances, plus facilement interprétables. « Les données issues des différents domaines scientifiques peuvent avoir des natures très variées. Néanmoins, elles ont souvent en commun des caractéristiques, des besoins, et des défis spécifiques : besoins de caractérisation spatiale et/ou temporelle, défis de l’interprétation experte des données et de la faible disponibilité des labels, soucis d’interprétabilité des analyses et de leurs résultats… Leur analyse par des méthodes d’apprentissage nécessite donc la mise en place de méthodes dédiées » précise-t-elle dans le résumé qu'elle a publié. « Cette présentation dresse un panorama de nos travaux en analyse de données scientifiques au sens large incluant des domaines variés : médical, astrophysique, chimie, linguistique, etc. et abordés avec des méthodes d’apprentissage classique et profond (CNN, GNN, RNN…). Nous mettrons en évidence certains verrous méthodologiques, ainsi que des tâches communes aux différents domaines d'application (ex. segmentation, modélisations 3D et temporelle, apprentissage de représentations) à travers des cas d’étude représentatifs. Nous examinerons aussi comment l’intégration de connaissances du domaine dans les méthodes d’apprentissage permet de lever certains verrous, vers une plus grande robustesse et interprétabilité ». Cette soutenance lui donne accès au diplôme d'habilitation à diriger des recherches, indispensable en France pour encadrer des doctorants. « Je suis déjà très impliquée dans ce travail d'encadrement » souligne Adeline Paiement. « Cela officialise en quelque sorte ce que je faisais déjà. Je vais également pouvoir candidater à un poste de professeur au LIS ».