Soutenance d’Habilitation à diriger des recherches (HDR) de Frédéric Flouvat, UNC.

Ces dix dernières années, la quantité de données collectées a explosé. Le commerce en ligne n’a jamais été aussi important, atteignant plus de 80 milliards d’euros en 2018 rien que pour la France. Tous les jours, les réseaux sociaux sont utilisés par des milliards de personnes. Les appareils connectés et les capteurs se sont démocratisés et ont investi les maisons et les entreprises. Au delà des volumes de données engendrés, leur complexité a aussi considérablement augmenté. Même si les avancées scientifiques et technologiques ont été nombreuses, les verrous restent encore nombreux avant de réellement pouvoir valoriser toutes ces informations. L’augmentation de la puissance de calcul des ordinateurs, bien que continue, n’est pas suffisante face à des tâches d’analyse de plus en plus complexes. Cette problématique est la raison principale de l’engouement récent autour du métier de « data scientist ».

Dans ce contexte, une problématique a été plus particulièrement étudiée par la communauté scientifique : l’extraction de motifs intéressants (« pattern mining »). Ces motifs représentent des régularités suivies par une partie des données. Cette problématique a été introduite dans les années 90 avec pour application l’analyse des paniers d’achats des consommateurs. Une grande variété de types de motifs et d’applications a été étudiée depuis (p.ex. dans les domaines de la sécurité, de la médecine, ou du commerce). Toutefois, les défis restent importants, notamment lorsqu’il s’agit d’analyser des données environnementales. En effet, les phénomènes sous-jacents et les données collectées sont complexes et variés (p.ex. images satellitaires, données collectées sur le terrain, données issues de modèles). Les objets à étudier sont nombreux, évoluent sur différentes échelles de temps et ne sont souvent pas clairement identifiés. De plus, leur évolution est liée à de nombreux paramètres en interaction. L’exploitation de telles données est difficile et nécessite des méthodes d’analyse avancées.

Cette Habitation à diriger des recherches présentera plusieurs travaux réalisés par notre équipe afin d’extraire des motifs spatio-temporels plus riches et plus pertinents dans ces masses de données complexes.

Le jury

• Stéphane Bressan, Professeur associé, National University of Singapore, Singapore (rapporteur)
• Philippe Fournier-Viger, Professeur, Harbin Institue of Technology, Chine (rapporteur)
• Alexandre Termier, Professeur, Université Rennes 1, France (rapporteur)
• Silvère Bonnabel, Professeur, Université de la Nouvelle-Calédonie (président)
• Jean Diatta, Professeur, Université de La Réunion, France
• Nazha Selmaoui-Folcher, Maître de conférences HDR, Université de la Nouvelle-Calédonie (tuteur scientifique)