À l’UNIL, la recherche en IA se déploie dans de nombreux laboratoires et instituts, rassemblant des compétences diverses et complémentaires. Qu’il s’agisse de modéliser des systèmes biologiques ou d’analyser des corpus de textes, nos chercheuses et chercheurs explorent continuellement de nouvelles approches. Leurs travaux, souvent transdisciplinaires, favorisent l’émergence de solutions inédites et participent à l’avancée de la connaissance scientifique au niveau international.
-
Intégrer les réseaux de neurones dans les modèles d’évolution moléculaire
Imaginez essayer de reconstruire l’histoire évolutive de la vie en analysant les séquences d’ADN se trouvant dans les génomes de chaque individu. Les scientifiques ont traditionnellement utilisé des modèles mathématiques…
-
Combler le manque de données pour pouvoir développer des modèles fiables
Grégoire Mariéthoz s’intéresse à différents processus environnementaux liés à l’hydrologie et au climat. Comment déterminer la couverture neigeuse sur la base d’images satellites ? Comment les régimes de précipitations vont-ils évoluer…
-
Des sites web à la perception de la santé publique dans diverses régions du monde
Céline Rozenblat est géographe spécialiste des systèmes complexes. Ses recherches portent principalement sur les villes et les différents réseaux qui supportent leur fonctionnement. Son objectif est de pouvoir modéliser leurs…
-
Modélisation géostatistique du sous-sol
Niklas Linde est géophysicien. Il s’intéresse plus particulièrement aux processus environnementaux en lien avec l’hydrogéologie. Son intérêt pour l’utilisation de l’apprentissage profond a commencé début 2017 avec pour objectif de…
-
Qui se déplace où, comment et quand ? Le deep-learning contribue à démêler l’écheveau du trafic urbain
Christian Kaiser est géographe spécialiste en géographie computationnelle. Ses recherches portent sur la visualisation interactive des données dans divers domaines, tels que la socio-économie ou les structures urbaines. Plusieurs des…
-
Cartographier et prédire les risques naturels de manière plus fiable grâce aux algorithmes
PAT-chercheur à la Faculté des géosciences et de l’environnement et directrice du Swiss Geocomputing Centre, Marj Tonini travaille depuis près de 20 ans sur la modélisation des risques naturels, tels…
-
Modéliser la physique atmosphérique, prévoir la formation de cyclones tropicaux, et prédire le climat futur
Tom Beucler est physicien du climat. Il intègre depuis longtemps l’intelligence artificielle dans ses recherches, dont une partie porte spécifiquement sur l’apprentissage machine. Son objectif est d’améliorer la modélisation de…
-
Modéliser l’évolution des glaciers grâce au machine learning
Guillaume Jouvet est mathématicien et glaciologue. Parmi ses projets figurent la modélisation de la dynamique glaciaire (manière dont la glace se déplace au sein d’un glacier au cours du temps),…
-
Evaluer les risques naturels, simuler le devenir des glaciers ou encore appréhender la complexité des réseaux urbains: les géosciences évoluent avec les progrès de l’intelligence artificielle
De Chat GPT au traitement d’images, en passant par les traducteurs universels, les algorithmes d’intelligence artificielle (IA) sont partout et influencent plus que jamais notre rapport au monde et à…