TextMine – Atelier sur la Fouille de Textes
Organisation :
- Pascal Cuxac (INIST- CNRS)
- Cédric Lopez (Emvista)
- Adrien Guille (ERIC – Univ. Lyon 2)
Résumé :
Depuis 2017, l’atelier TextMine rassemble un large public d’étudiants et de chercheurs du public comme du privé. Nous proposons un nouvel opus lors de la conférence EGC’25 qui se tiendra à Strasbourg du 28 au 31 Janvier 2025.
Le but de cet atelier est de réunir des chercheurs sur la thématique large de la fouille de textes. Cet atelier vise à offrir une occasion de rencontres pour les universitaires et les industriels, appartenant aux différentes communautés de l’intelligence artificielle, l’apprentissage automatique, le traitement automatique des langues, afin de discuter des méthodes de fouille de texte au sens large et de leurs applications
Site web : https://textmine.sciencesconf.org/
SiDoS – Similarité de Données Séquentielles massives : définition, calcul et optimisation
Organisation :
- Thomas Devogele, Nicolas Labroche, Veronika Peralta (LIFAT Tours)
- Patrick Marcel, Sophie Robert (LIFO Orléans)
Résumé :
SiDoS est le premier atelier portant sur l’optimisation du calcul de distances sur de gros volumes de données de type séquences. Ce thème est à la croisée des domaines HPC et analyse et exploration de données. L’objectif de l’atelier est de structurer la communauté française traitant de séquences massives et du calcul de leur similarité.
Site web : https://sites.google.com/view/sidos2025/home
Gestion des connaissances tacites en entreprise : réflexions, retours d’expériences, bonnes pratiques et mauvaises surprises de l’intelligence artificielle
Organisation :
- Pierre-Emmanuel Arduin (Université Paris-Dauphine – PSL)
- Lydia Khelifa Chibout (Centre Scientifique et Technique du Bâtiment)
- Manuele Kirsch Pinheiro (Université Paris 1 Panthéon-Sorbonne)
Résumé :
Dans les organisations les connaissances peuvent être explicites, on les retrouve alors formalisées sur différents supports, mais elles peuvent également être tacites, portées par les individus et résultant de processus interprétatifs personnels. Elles sont alors intuitives, se développent avec l’expérience et les interactions sociales, et elles sont difficiles à transmettre. Cruciales dans de nombreux domaines, leur
capture, leur partage et leur pérennisation posent de nombreux défis pour les organisations.
L’émergence de l’Intelligence Artificielle (IA) a ouvert de nouvelles perspectives pour la gestion des connaissances, y compris des connaissances tacites. Cet atelier vise à discuter des applications de l’IA dans ce domaine, des bonnes pratiques et des limites de ces technologiques.
Site web : https://km-ia.sciencesconf.org/
GOAL : Graphes de connaissances et ontologies, de l’apprentissage à l’exploitation, état des lieux et perspectives
Organisation :
- Mounira Harzallah (LS2N, Université de Nantes)
- Davide Buscaldi (LIPN, Université Sorbonne Paris Nord)
Résumé :
Cet atelier mettra en lumière les avancées sur les graphes de connaissances (KG) et les ontologies, en se focalisant sur trois axes clés : leur apprentissage, leur utilisation dans les techniques d’apprentissage, et leurs applications variées dans des domaines différents. Cet atelier offrira l’opportunité aux chercheurs académiques et aux industriels intéressés par cette thématique de partager leurs travaux, et de créer des synergies en vue de collaborations et projets communs.
Site web : https://sites.google.com/view/gole-egc2025/accueil
GAST – Gestion et Analyse des données Spatiales et Temporelles
Organisation :
- Clément IPHAR (LETG / UBO – Brest)
- Aurélie LEBORGNE (ICube / UNISTRA – Strasbourg)
- Nida MEDDOURI (LRE / EPITA – Paris)
- Loïc SALMON (ISEA / UNC – Nouméa)
Résumé :
Dans le cadre du dixième atelier GAST, nous sollicitons des soumissions d’articles autour des thématiques de la gestion et analyse des données spatiales et temporelles. Nous souhaitons que l’atelier soit un espace d’échange qui regroupe des chercheurs du domaine. En fonction des possibilités, nous pourrons également envisager la venue d’un invité qui, par ses travaux récents, peut enrichir les
connaissances de la communauté.
Site web : https://gt-gast.irisa.fr/
Explain’AI
Organisation :
- Moncef Garouani (Université Toulouse Capitole – IRIT)
- Alexandre Chanson (Université de Tours – LIFAT)
- Julien Aligon (Université Toulouse Capitole – IRIT)
- Nicolas Labroche (Université de Tours – LIFAT)
- Maëlle Moranges (UGA)
- Grégory Bourguin (ULCO – LISIC)
Résumé :
L’atelier Explain’AI s’intéresse à l’ensemble des aspects relatifs à l’explication des pipelines de traitement de l’information allant des choix de gestion des systèmes d’informations aux prétraitements de données et aux algorithmes d’analyse jusqu’à la restitution d’information à l’utilisateur final. Nous souhaitons dans le cadre de cet atelier réfléchir à la place centrale de l’utilisateur dans les processus d’explication et faire des liens notamment avec les sciences cognitives.
Site web : https://sites.google.com/view/explainai-2025/latelier
DAHLIA – DigitAl Humanities and cuLtural herItAge: data and knowledge management and analysis
Organisation :
- Claudia Marinica (Polytech Nantes, LS2N)
- Fabrice Guillet (Polytech Nantes, LS2N)
- Florent Laroche (Ecole Centrale de Nantes, LS2N)
Résumé :
L’atelier DAHLIA, à sa cinquième édition, est organisé par le groupe de travail DAHLIA qui est soutenu par l’Association EGC et il a pour objectif de permettre à la communauté du groupe de travail de se retrouver, mais aussi de donner la parole aux étudiants en thèse afin d’exposer leurs thématiques. Dans le cadre de cet atelier, des travaux autours des humanités numériques et du patrimoine culturel seront présentés ; ces travaux devraient s’encadrer dans les thématiques d’EGC, notamment la gestion et l’analyse de données ou des connaissances provenant des SHS/patrimoine.
Site web : http://dahlia.egc.asso.fr/
IACD – Intelligence Artificielle Centrée sur les Données
Organisation :
- Sana Sellami (LIS)
- Frédéric Flouvat (LIS)
Résumé :
L’objectif de cet atelier est de réunir les membres de la communauté et les professionnels autour du concept de “data centric AI“.
L’Intelligence Artificielle centrée sur les données (Data Centric AI, ou DCAI) est une approche prometteuse qui place les données au cœur du processus d’apprentissage automatique, contrairement aux approches traditionnelles centrées sur les algorithmes et les architectures de modèles.
Cette approche est axée sur la qualité, la quantité et la représentativité des données qui sont des facteurs clés de la fiabilité et de la robustesse des systèmes d’IA. En effet, des données mal étiquetées, biaisées ou incomplètes peuvent conduire à des prédictions erronées et à des biais dans les décisions prises par les systèmes d’IA. La DCAI met aussi l’accent sur l’automatisation de tout le pipeline de la science des données incluant la préparation des données, leur nettoyage, leur annotation et leur représentation. Ce paradigme permet le développement de méthodes qui soient plus interprétables et équitables tout en ayant une interaction continue avec l’humain.