Projet RIIME
Le projet de recherche international RIIME sur la formation des ingénieurs au Maghreb face aux enjeux Environnementaux (PHC Maghreb) a réuni des chercheurs français, marocains, algériens et tunisiens, entre 2018 et 2021.
Un projet structuré autour de 3 objectifs :
1/ Conduire des recherches sur les transformations dans les formations d’ingénieurs au Maghreb face aux enjeux environnementaux, pour mieux comprendre ces transformations. Il s’agissait donc d’identifier et d’analyser les dynamiques en cours.
2/ Agir en proposant des pistes d’actions pour améliorer les formations.
Entre chercheurs français et maghrébins, a été co-créé un livret de recommandations et de bonnes pratiques où sont proposées des fiches de cours adaptés aux spécificités du Maghreb, qui permettent d’élaborer des enseignements dans un esprit socio-situé. Y sont proposés aussi des dispositifs à l’échelle d’une école à travers des parcours de formation transverses, collaboratifs et interdisciplinaires, qui visent à permettre aux élèves d’analyser les défis environnementaux et sociétaux d’un territoire et de s’en saisir.
Par exemple comment penser des solutions de recyclage qui apportent du positif au niveau matériel et social à la population d’une grande ville du Maghreb tout en étant viables économiquement. Ou comment penser l’amélioration des conditions de vie des populations sahariennes grâce à des technologies simples, accessibles, légères et écologiques.
3/ Former des jeunes chercheurs. Le projet a permis la réalisation de 7 thèses co-dirigées entre chercheurs français et maghrébins.
A paraître en septembre 2022 : Former des ingénieurs face aux enjeux environnementaux au Maghreb, éd. Champ social (ouvrage + livret pratique)
Légende photo : Présentation du projet RIIME à Jean-Yves Le Drian, ministre de l’Europe et des Affaires Etrangères lors de sa visite à l’ENSTA Bretagne en octobre 2021.
contact
Linda Gardelle
Enseignante-chercheuse
Unité de recherche Formation et Apprentissages Professionnels
+33 (0)2 98 34 89 05
Equipe MATRIX
L'équipe MATRIX (Modèles et Algorithmes pour le Traitement et l'Extraction de l'Information) développe de nouvelles méthodes pour apprendre, modéliser et comprendre les informations structurées temporellement et spatialement (signaux, images, séries temporelles). Elle est composée de personnels d'IMT Atlantique et ENSTA Bretagne.
L'équipe MATRIX étudie la formulation du problème et sa résolution, en s’intéressant aux différentes strates :
- Modélisation
- Méthodes et outils d’optimisation
- Résolution de problèmes et critères d’étude
Compétences
- Traitement du signal et de l’image
- Machine learning
- Automatique et systèmes dynamiques
- Optimisation
- Méthodes statistiques
- Apprentissage par renforcement
- Acoustique sous-marine
Exemples de travaux
- Monitoring de l’environnement sous-marin (fonds marins, fluctuations de la colonne d’eau)
- Méthodes d'optimisation et apprentissage par renforcement pour le domaine biomédical
- Commande robuste d’AUV par machine learning
- Positionnement intelligent de capteurs pour la communication radar
- Métrologie de réseaux informatiques et détection d'anomalies
- Mathématiques de la résilience
Collaborations
Quelques exemples de partenaires avec lesquels sont conduites ces recherches.
- Entreprises : Naval Group, THALES, ECA Group, iXblue
- Institutions : DGA, SHOM, NATO/CMRE, ONERA, CHU Brest
- Académiques : Flinders Unviersity, Centrale Nantes, UTT Troyes, University of Bath, Sorbonne Université, Queen Mary University of London, AUCE (liban), Crossing (Australie, CNRS, Flinders university), LATIM (Brest), Université de Strasbourg, Qingdao University, MIT, Syracuse University, Polytechnique Montrea
exemples de projets de recherche MATRIX
Pilotage autonome d'AUV, avec Naval Group et Flinders University
MATRIX travaille sur le pilotage autonome d'AUV (véhicules sous-marins autonomes) évoluant dans un milieu sous-marin complexe et hétérogène.
Gilles Le Chenadec, enseignant-chercheur : "Les AUV doivent posséder des capacités d'adaptation et d'autonomie à long terme que nous proposons de résoudre en développant des méthodes combinant les concepts classiques de l'automatique aux concepts issus de l'IA et plus particulièrement du « deep reinforcement learning » (apprentissage profond par renforcement). Cette orientation a pour but d'allier les preuves formelles de stabilité et de sûreté de l'automatique aux capacités d'apprentissage du machine learning (apprentissage automatique). Un des cas d'application étudié est celui d'un AUV évoluant dans des courants de force variable."
Six personnes de Naval Group, Flinders University et d'ENSTA Bretagne se concentrent sur ce sujet au travers de plusieurs thèses :
- Une première thèse (Yoann Sola) soutenue en 2021, financée par la DGA et la Région Bretagne, a montré l'intérêt en simulation de cette approche comparée aux approches classiques tout en réduisant la consommation d'énergie.
- Une seconde thèse concerne l'adaptation aux courants marins des paramètres de la loi de commande appris par machine learning ainsi que le transfert de ce modèle appris en simulation à un AUV réel.
- Une troisième thèse débutera fin 2022 et portera sur la détection et le pilotage en cas de défaillance interne à l'AUV.
contact
Gilles Le Chenadec
Enseignant-chercheur en acoustique sous-marine et machine learning
Département STIC
Laboratoire Lab-STICC / Pôle DMID / Equipe MATRIX
Ancienne organisation du Lab-STICC
En 2021, une nouvelle organisation a été mise en en place au Lab-STICC. Les nouveaux pôles et équipes sont présentés dans les pages dédiées au Département STIC
Les anciennes équipes, dans lesquelles l'ENSTA Bretagne était impliquée, étaient :
