Recherche

Publications · ORCID · dblp · HAL · theses.fr

Rattachement : chercheur associé, équipe SIG (IRIT), en collaboration avec Olivier Teste.

Axes de recherche

1. Alignement d'ontologies et explicabilité

J'aligne des ontologies : je cherche quels concepts de deux modèles de connaissances désignent la même chose. Je mène ce travail avec Olivier Teste, dans le cadre de la campagne internationale OAEI (Ontology Alignment Evaluation Initiative).

Nous avons développé ensemble TOMATO (TOolkit for MATching Ontologies), présenté aux campagnes 2022, 2023 et 2024. TOMATO aligne les ontologies deux par deux. Il calcule plusieurs mesures de similarité entre les noms des entités, puis un modèle d'apprentissage automatique décide des correspondances à retenir. Il a concouru chaque année sur la piste Conference, et sur la piste Anatomy en 2024. Cette année-là, nous l'avons rendu moins dépendant des alignements de référence, notamment en l'entraînant sur des alignements générés par des modèles de langage.

Avant TOMATO, pendant mon postdoctorat, j'ai travaillé sur le matching holistique : aligner plusieurs ontologies à la fois plutôt que deux par deux. Aucun jeu d'évaluation n'existait pour ce cas. Nous avons donc proposé des alignements de référence relaxés, construits à partir de cliques dans un graphe (EKAW 2018, IC 2019). Le système Holontology portait sur ce matching holistique à l'OAEI 2018 (résultats).

Ma direction de travail est désormais l'explicabilité. Les questions qui m'occupent :

En 2024, nous avons testé des arbres de décision pour rendre lisible le modèle de TOMATO. Ils se généralisaient mal d'une ontologie à l'autre ; ce travail continue.

2. Accessibilité et handicap

Ma thèse portait sur la saisie de texte pour les utilisateurs déficients visuels ; depuis, la question de l'accessibilité n'a jamais quitté mes travaux, et elle me concerne aussi personnellement. Je cherche à concevoir des outils numériques simples, robustes et réellement utilisables par tous.

Pendant ma thèse, j'ai conçu le clavier DUCK (MOBACC 2013, IHM 2015, ICCHP 2018) et deux techniques de sélection de mots, SWIFT (ICCHP 2016) et LOVIE (UAHCI 2016).

En 2023, avec le CDDS de Rodez, j'ai aussi mené des projets de développement autour du handicap, avec mes étudiants de 3iL Ingénieurs (le projet).

3. IA générative et handicap

J'étudie la manière dont les systèmes d'IA générative traitent les situations de handicap : quels garde-fous ils appliquent, à qui, et avec quelles asymétries ; et comment ces choix de conception affectent concrètement les usagers concernés.

Cet axe s'appuie sur une démarche expérimentale : prompts appariés, jeux de données annotés, figures reproductibles. Voir Gemini, ChatGPT, Claude et le handicap (prépublication HAL).

4. IA générative et formation des ingénieurs

Enseignant en école d'ingénieurs, je m'intéresse aux usages effectifs de l'IA générative par les étudiants et les enseignants, à ses limites, et aux responsabilités qu'elle engage dans la formation. Les textes et interventions que j'en tire sont rassemblés plus bas, dans Vulgarisation scientifique.

Outils et terrains

Les outils que je développe pour mes cours sont présentés sur profoutils :

D'autres outils sont encore en version bêta et ne sont pas publiés : minivote, un TP Java dans le navigateur (CheerpJ), Studium et des jeux de données d'annotation.

Classification de textes longs (avec Miklós Sebők et coauteurs)

Ce travail est à cheval entre l'informatique et la science politique. Il rejoint une question qui traverse les axes 1 et 3 : ce que vaut un modèle de langage sur une tâche précise, évalué sur des données réelles.

Avec Miklós Sebők et ses coauteurs, nous avons classé des textes de loi et des projets de loi, en cinq langues, selon les 21 thèmes du Comparative Agendas Project (arXiv, 2025). Ces textes font souvent plusieurs centaines de pages, bien au-delà de ce que la plupart des modèles acceptent en entrée. Nous avons comparé XLM-RoBERTa, que nous avions aussi utilisé dans TOMATO en 2024, Longformer, GPT-3.5 et GPT-4. Longformer, pourtant conçu pour les textes longs, n'apporte pas d'avantage net, et le meilleur modèle ouvert fait mieux que les variantes GPT. J'ai porté cette collaboration en 2025, malgré mon opération de janvier.

Encadrement

Depuis 2026, Inès Taktak prépare une thèse intitulée Alignement des données hétérogènes avec IA génératives, à l'IRIT (équipe SIG). Olivier Teste la dirige et je la co-encadre, en collaboration avec Faiza Ghozzi (Université de Sfax). Premier jalon : une participation à la campagne OAEI 2026, piste Bio-ML, avec le système MetaMatch.

Vulgarisation scientifique

J'explique aussi ce que sont ces systèmes à des publics non spécialistes : étudiants, élèves de classes préparatoires, lecteurs de presse.

Parcours

2012 : stage au LIA (EPFL)

Au LIA de l'EPFL, j'ai étudié les interactions sociales en ligne. La structure du réseau seule caractérisait mal le comportement des utilisateurs. Le contenu émotionnel des messages apportait l'information manquante (rapport technique).

2013 à 2017 : thèse à l'IRIT

J'ai préparé ma thèse dans l'équipe ELIPSE de l'IRIT, sous la direction de Mathieu Raynal (manuscrit). Elle portait sur la saisie de texte sur smartphone pour les personnes déficientes visuelles. Sur un clavier tactile, une personne aveugle ne sait pas précisément où elle pose le doigt, et chercher chaque touche au lecteur d'écran est très lent.

Le clavier DUCK accepte cette imprécision : l'utilisateur tape approximativement, et le clavier déduit les mots possibles à partir de la suite des positions (MOBACC 2013, IHM 2015). Il reste alors à choisir le bon mot dans une liste. LOVIE optimise cette liste pour une sélection sans la vue (UAHCI 2016). SWIFT traite les mots courts, pour lesquels la déduction dispose de peu d'information (ICCHP 2016). J'ai prototypé chaque technique, puis je l'ai évaluée par des expérimentations. DUCK a ensuite été évalué en usage quotidien (ICCHP 2018).

2017 à 2019 : postdoctorats à l'IRIT (équipe SIG)

Après la thèse, j'ai quitté l'interaction homme-machine pour l'ingénierie des connaissances. En 2017, un premier postdoctorat de six mois, sur le projet ModelAGE, m'a fait entrer dans l'équipe SIG. Le projet visait un environnement logiciel d'aide à la simulation pour prédire les pathologies associées à l'âge (CSIT 2017).

De 2017 à 2019, dans le projet régional SmartOccitania, j'ai travaillé sur le matching holistique d'ontologies avec Imen Megdiche, Cássia Trojahn et Olivier Teste (EKAW 2018, Holontology, OAEI 2018). C'est là que j'ai commencé à travailler sur l'alignement d'ontologies, que je poursuis aujourd'hui avec TOMATO.

Depuis 2020 : 3iL Ingénieurs et IRIT

Après un an d'enseignement à l'EPITA, je suis entré à 3iL Ingénieurs, à Rodez, en 2020. Je suis resté chercheur associé à l'équipe SIG. De 2022 à 2024, j'ai présenté TOMATO aux campagnes OAEI avec Olivier Teste. En 2025, après mon opération au cerveau, j'ai interrompu mes activités de recherche et d'enseignement pendant quelques mois, puis je les ai reprises progressivement, jusqu'à un retour à temps plein en janvier 2026. Je co-encadre aujourd'hui la thèse d'Inès Taktak (Encadrement).