Equipe Observations Signal & Environnement (OSE)

A l'ENSTA Bretagne, les chercheurs impliqués dans l'équipe "Observations Signal & Environnement" (OSE) du Lab-STICC concentrent leurs expertises en traitement du signalm et IA appliqués à l'environnement marin afin de développer et extraire les données utiles aux actions de protection de l'environnement marin.

AXES DE RECHERCHE POUR LA PROTECTION DE L'ENVIRONNEMENT MARIN

Pour répondre aux défis environnementaux et accompagner les acteurs (ONG, décideurs politiques, société civile, secteur privé) dans leurs actions pour limiter l’impact des activités humaines sur l’environnement marin, des efforts considérables sont consentis depuis plusieurs décennies pour accroître l’observation de l’environnement marin. Ainsi, au niveau mondial, plus de 90% des données environnementales ont été générées au cours des trois dernières années (signaux, images et séries temporelles).

Dans ce contexte, les techniques d’intelligence artificielle (IA), en particulier les sciences de la donnée (« data science ») et l’apprentissage automatique (ou « machine learning ») ont un rôle majeur à jouer pour l’analyse et l’exploitation des données utiles aux actions de protection de l’environnement marin.

L’équipe de recherche « OSE » se positionne sur ces recherches méthodologiques en traitement du signal et IA appliquées à l’environnement marin, en mettant l’accent sur la télédétection multimodale :

télédétection océanique (images satellitaires),
monitoring de l’environnement marin (images aériennes, données GNSS, ARGOS, AIS, etc.)
et monitoring sous-marin (acoustique passive, images vidéo sous-marines).

Une des préoccupations de l’équipe concerne l’amélioration de la performance des algorithmes d’IA par la prise en compte approfondie de la nature des phénomènes dont on cherche à extraire de l’information.

Trois aspects de l’interface entre IA et monitoring de l’environnement marin sont adressés IA & physique, IA & robustesse et IA & problèmes inverses. Ce dernier par exemple concerne l’utilisation des stratégies d’IA, à partir de grands jeux de données, pour la résolution de problèmes inverses environnementaux (interpolation de données, reconnaissance de cibles, inversion de signaux géophysiques, réduction d'information, etc.).

EXEMPLES D'APPLICATIONS

Dynamiques géophysiques à la surface de l'océan : par apprentissage de solvers et modèles variationnels pour l'assimilation de données.
Reconnaissance d'espèces de poissons dans des images vidéo sous-marines.

Collaborations

Entreprises : Thales, NavalGroup, CLS, Eodyn, Actimar, Hytech-imaging.
Institutions : CNES, DGA, IFREMER, IUEM, INRIA, Météo France, Mercator Ocean, IRISPACE, EUR ISblue, SHOM, FEM.
Académiques : GIPSA, Marbec, Sorbonne Univ, UCLA (Computational and Applied Mathematics group), Univ. of Washington (Applied Phys. Lab., Applied Math. Dept), Australian Antarctic Division, Barcelona Supercomputer Center, NERSC, Univ. of Dalhousie (Institute of Big Data Analytics), IMEDEA (Espagne), Univ. Laval (Canada), ETH Zurich, Univ. Buenos Aires (CIMA, Argentine).
et GDR ISIS (CNRS)