Programme 2024
Mardi 19 novembre 2024
9h30 – 10h00
Ouverture
Opening
Session 1 – Traitement d’image pour l’IA
11h00 – 11h30
Méthodes auto-supervisées appliquées à l’analyse d’images satellites, enjeux et comparatif
Self-Supervised Learning applied to satellite image analysis, challenges and benchmark
Fabien MERCERON, Safran.AI
Sébastien SAUBERT, Safran.AI
11h30- 12h00
Analyse Comparative des Approches de Désapprentissage Automatique pour la Protection des Données
Comparative Analysis of Machine Unlearning Approaches for Data Protection
Maria SALGADO HERRERA, Thales SIX GTS France
Session 2 – L’IA pour la cybersécurité
13h30- 14h00
Outils d’Intelligence Artificielle pour la Détection d’Anomalies dans la Surveillance des Aéronefs Basse Altitude
Machine Learning Toolbox for Anomaly Detection in Low-Flying Aircraft Surveillance
Melvyn PIROLLEY, Université de Franche-Comté – Institut FEMTO-ST – CNRS
14h00 – 14h30
Raffinement du diffing binaire par arbitrage de la similarité et du matching
Improving binary diffing through similarity and matching intricacie
Roxane COHEN, Quarkslab & LAMSADE – CNRS – Université Paris Dauphine – PSL
14h30 – 15h00
GABAIN pour les graphes de données et la sélection de variables. Application au clustering en cybersécurité
Graph representation and features selection using GABAIN. Application to clustering in Cybersecurity
Barbara PILASTRE, AMIAD
Session 3 – IA pour les agents autonomes
15h30 – 16h00
Transformer-based State Estimation for Multi-Target Tracking: Sensitivity Analysis against Varying Kinematic Parameters and Clutter Density
Transformer-Based State Estimation for Multi-Target Tracking: Sensitivity Analysis against Varying Kinematic Parameters and Clutter Density
Valentin SONNTAG, Thales Land and Air Systems – Lab-STICC
16h00 – 16h30
Méthodologie pour un contrôle de drone explicable, cohérent et généralisable par apprentissage par renforcement
Methodology for explainable, consistent, and generalizable Reinforcement Learning drone control
Robinson DENEVE, Neode Systems
Paul CHAUDRON, MBDA
16h30 – 17h00
Guidage de drone pour la triangulation a N-vues basé sur l’apprentissage par renforcement multi-agents
Multi-Agent Reinforcement Learning based Drone Guidance for N-View Triangulation
Timothée GAVIN, Thales
17h00 – 17h30
Couplage entre un apprentissage par renforcement profond et une machine à états : approche théorique
Coupling deep reinforcement learning and a state machine : a theoretical approach
Idriss ABDALLAH, Naval Group – Gassin et Université de Lorraine – CNRS – LORIA
17h30 – 18h00
Étude des méthodes de distillation de connaissances pour la segmentation sémantique des images sous-marines
An investigation of knowledge distillation methods for underwater image semantic segmentation
Gabriel GUEGANNO, Thales DMS et LabISEN
Mercredi 20 novembre 2024
Session 4 – Présentation des résultats du challenge DeepFake
Session 5 – Traitement automatique des langues
11h00 – 11h30
POPCORN : IA d’extraction d’information à partir de sources textuelles pour le renseignement militaire
POPCORN: AI for extracting information from textual sources for military intelligence
Cédric LOPEZ, Emvista
11h30 – 12h00
Pourquoi se limiter à une recherche quand on peut l’étendre ? Amélioration de l’architecture RAG par des stratégies d’expansion de requêtes et d’agrégation de documents
Why just search when you can expand ? Enhancing RAG with Query Expansion Strategies and Document Aggregation
Louis JOURDAIN, Chapsvision
Skander HELLAL, Chapsvision