Équipe Télécom Paris

Thomas  BONALD

Thomas BONALD

Professeur à Télécom Paris
Thomas BONALD est professeur à Télécom Paris et responsable de l’équipe DIG (Données, Intelligence & Graphs). Il a un diplôme de docteur de l’École Polytechnique en mathématiques appliquées. Ses principaux centres d’intérêt en recherche sont dans l’apprentissage automatique pour les graphes, et son application au TAL et aux bases de connaissances. Il est l’un des principaux contributeurs de scikit-network, une librairie Python pour l’analyse des grands graphes.

Mots-clés : Graphes, apprentissage automatique, TAL, bases de connaissances

Voir le site

Jean-Louis DESSALLES

Jean-Louis DESSALLES

Maître de conférences à Télécom Paris, HDR
Jean-Louis Dessalles est maître de conférences à Télécom Paris  au sein du laboratoire LTCI et membre de l’équipe de recherche DIG. Il utilise l’intelligence artificielle pour modéliser et simuler la pertinence qui caractérise la communication humaine spontanée. Depuis une décennie, il développe la Théorie de la Simplicité, qui sert de base pour modéliser l’intérêt narratif et la pertinence argumentative. Il travaille également sur la simulation des processus évolutifs et sur la question fondamentale de l’origine du langage humain, considéré comme un jeu de signalement à finalité sociale. Il est l’auteur de plusieurs livres, notamment Why We Talk (Oxford University Press. 2007), La pertinence et ses origines cognitives (Hermes), Le fil de la vie (Odile Jacob, 2016), Des intelligences TRÈS artificielles (Odile Jacob, 2019).

Mots-clés : Intelligence artificielle

Voir le site

Matthieu LABEAU

Matthieu LABEAU

Maître de conférences à Télécom Paris
Matthieu Labeau a rejoint Télécom Paris en tant que Maître de conférences en 2019. Il a effectué son doctorat à l’Université Paris-Saclay et s’est intéressé aux problèmes posés par les grands vocabulaires en modélisation du langage. Il a ensuite été chercheur postdoctoral à l’Université d’Édimbourg. Ses domaines de recherche, au sein du traitement automatique du langage, concernent principalement l’apprentissage de représentations et la modélisation du langage.

Mots-clés: Traitement automatique du langage, apprentissage de représentations, modélisation du langage

Voir le site

Équipe onepoint

Pirmin LEMBERGER

Pirmin LEMBERGER

Directeur scientifique chez onepoint
Pirmin LEMBERGER est directeur scientifique chez onepoint. Il encadre l’équipe de doctorants et de stagiaires dans le cadre du laboratoire TALia. Il est titulaire d’un doctorat en physique théorique de l’École Polytechnique Fédérale de Lausanne (EPFL). Ses publications dans ce domaine concernent différents systèmes de fermions corrélés et l’application de techniques de la théorie quantique des champs à la physique statistique. Après avoir travaillé plusieurs années comme expert IT chez SQLI (ESN), il a rejoint la communauté data.ia chez onepoint (architecte des grandes transformations des entreprises) en tant que team leader en data science. Depuis quelques années il s’intéresse plus particulièrement au deep learning, aux réseaux de neurones sur graphe et au TAL sous l’angle des mathématiques appliquées. Il est l’auteur principal du livre « Big Data et Machine Learning » (Dunod 2019) et co-auteur de l’ouvrage « Le traitement automatique des langues » (Dunod 2020). Il est contributeur au blog « Towards Data Science ».

Mots-clés : Deep learning, réseaux de neurones sur graphe, TAL

Voir le site

Bérengère MATHIEU

Bérengère MATHIEU

Experte en IA et en data science chez onepoint
Bérengère MATHIEU est data-scientist à onepoint. Elle intervient comme lead sur des projets industriels intégrant une composant d’intelligence artificielle. Elle est titulaire d’un doctorat dans la thématique image, information, hypermedia. Ses publications interviennent dans le domaine de la vision par ordinateur et concernent les techniques de segmentation sémantique et de sur-segmentation. Après plusieurs années au sein de Makina Corpus en temps qu’experte scientifique et techniques sur les problématiques du machine learning et du deep learning, elle rejoint onepoint en 2022. Son travail en recherche et développement l’a amené petit à petit vers le traitement naturel du langage, notamment sur des problématiques de classification, de Search et de l'analyse des documents visuellement riche.

Mots-clés : vision, segmentation sémantique, deep learning, search

Voir le site

Antoine SAILLENFEST

Antoine SAILLENFEST

Chercheur chez onepoint
Antoine SAILLENFEST est ingénieur ENSTA Paris 2011 (spécialité IA et systèmes embarqués), titulaire d’un Master en sciences cognitives de l’EHESS en 2011 et Docteur de Télécom Paris 2015 (spécialité Informatique et Réseaux – thèse sur la modélisation cognitive de l'intérêt narratif pour la génération de récits). Il a ensuite effectué 5 ans de gestion de projets mobiles et web. En 2021 il rejoint le laboratoire TALia en tant que chercheur. Sa recherche porte sur l'application de techniques de deep learning pour le TALN avec une spécialisation pour les données structurées sous forme de graphes

Mots clés : Deep learning, graphes, TALN, Intelligence Artificielle

Voir son site web | Voir son Github | Voir son LinkedIn | Voir son Google Scholar

Doctorants

Nathanaël BEAU

Nathanaël BEAU

Doctorant
Nathanaël BEAU est doctorant en seconde année au Laboratoire de Linguistique Formelle à l’Université de Paris Cité sous la direction de Benoît Crabbé. Après avoir obtenu son diplôme d’ingénieur aux Arts et Métiers, il a commencé sa thèse sur le sujet de la génération de code Python à partir d’une description en langage naturel. Il aborde cette question comme un problème de traduction et est particulièrement intéressé par l’optimisation de modèles lorsque peu de données sont disponibles. Il a participé à la conférence internationale Association for Computational Linguistics 2022 qui a eu lieu à Dublin en mai.

Mots clés : Natural Language Processing, Code Generation, Neural Machine Translation, Transformer, Low-Ressources environment

Voir le site

Jean VASSOYAN

Jean VASSOYAN

Doctorant
Diplômé de Télécom Paris et du Master MVA (ENS Paris-Saclay), Jean VASSOYAN a rejoint onepoint et le Centre Borelli en 2021 pour une thèse en machine learning appliqué à l’apprentissage adaptatif. Plus précisément, il s’appuie sur des algorithmes d’apprentissage par renforcement et des réseaux de neurones sur graphes pour créer un modèle capable de recommander des trajectoires d’apprentissage personnalisées.

Mots-clés : Apprentissage adaptatif, apprentissage par renforcement, réseaux de neurones sur graphes, trajectoire d’apprentissage, moteurs de recommandations, représentation des connaissances

Voir le site