Actualité du LIP6

Thèse Hugo THOMAS, jeudi 19 novembre à 16h.

Hugo.Thomas@lip6.fr (Hugo Thomas)

Complexité et apprenabilité des systèmes quantiques photoniques.
La quête de l'avantage quantique se heurte à plusieurs défis, le premier étant de trouver une définition pertinente. Récemment, l'avantage quantique a été défini en termes de consommation d'énergie ou par sa capacité à résoudre des problèmes utiles ou pertinents sur le plan industriel, ce que l'on appelle l'« utilité quantique ». La définition la plus pertinente pour l'informatique théorique est celle de l'avantage computationnel quantique telle qu'elle a été initialement proposée par Preskill, selon laquelle un ordinateur quantique surpasse les ordinateurs classiques de pointe dans la résolution d'un problème mathématiquement bien posé, sans qu'il soit nécessaire que ce problème soit utile. Cette définition demande un avantage quantique démontrable, c'est-à-dire une preuve, sous des hypothèses raisonnables, que le calcul quantique surpasse le calcul classique, et que l'on observe effectivement un gain de vitesse lors de l'expérience. Les machines actuelles et celles de demain, appelées « ordinateurs quantiques bruyants à échelle intermédiaire » (NISQ), présentent malheureusement des limites tant en termes de taille que de précision et de nombre d’ opérations qu’elles peuvent effectuer. Les machines disponibles ne comptent que quelques dizaines de qubits et sont encore loin de permettre la correction d'erreurs. Compte tenu de ces contraintes, il est difficile de déterminer d'emblée si ces dispositifs présentent une utilité pratique.

Bien que des expériences récentes aient donné des résultats encourageants concernant la simulation de la dynamique des systèmes quantiques à nombreux corps, les candidats les plus prometteurs pour la démonstration expérimentale de l'avantage quantique en matière de calcul à court terme, c'est-à-dire avant la mise en place de la tolérance aux fautes, sont les méthodes d'échantillonnage quantique aléatoire.

Les problèmes d'échantillonnage constituent une classe naturelle de problèmes pour les ordinateurs quantiques, en raison de la nature probabiliste des mesures quantiques. Leurs exigences expérimentales relativement modestes en font des candidats idéaux pour des réalisations à court terme.

Dans cette thèse, nous nous intéressons aux systèmes optiques linéaires capables de résoudre le « Boson Sampling », un problème considéré comme difficile pour un ordinateur classique. Nous analysons les algorithmes de simulation classiques et identifions les limites importantes liées à l’utilisation du « Boson Sampling » pour le calcul. Nous étudions néanmoins les domaines dans lesquels les ordinateurs quantiques présentent un avantage par rapport à leurs homologues classiques. Cette thèse s'inscrit dans les efforts collectifs visant à mettre en évidence ce que l'on appelle « l'avantage quantique », et a pour objectif de faire progresser la compréhension théorique de l'échantillonnage de bosons.

Thèse Fares CHOUAKI, jeudi 26 novembre à 09h.

Fares.Chouaki@lip6.fr (Fares Chouaki)

Multiagent ethical behaviors in multi-objective reinforcement learning.

Réunion du GROUPE EUROPE : "S'engager dans un projet européen : conseils, bonnes pratiques, opportunités à saisir", jeudi 19 novembre à 12h.

loic.marin@lip6.fr (loic marin) — Wed, 26 Aug 2026 15:57:11 GMT

Jeudi 19 novembre, 12H-14h, salle 24-25/405

Titre : "S'engager dans un projet européen : conseils, bonnes pratiques, opportunités à saisir"

Intervenant : Eleni DIAMANTI, Directrice de recherche CNRS en poste au LIP6

Pays européen mis à l'honneur : Grèce

Le Groupe Europe est un rendez-vous mensuel au LIP6. Ouvert à tout le monde, il se veut être un espace de discussion ouverte autour des dynamiques de projets européens. La discussion se conclut par le partage d'un café et d'un gâteau.

Lien d'inscription ci-dessous.

Journée d'accueil des nouvelles et nouveaux, mardi 1 décembre à 09h00.

Wed, 28 Oct 2026 11:42:04 GMT

[Séminaire MoVe] Adel Noureddine (MoVe, LIP6) : Projet Eco Design (Approches centrées sur l’humain pour la conception d’objets numériques plus soutenables), mardi 8 décembre à 14h30.

Dylan.Marinho@lip6.fr (Dylan Marinho) — Mon, 14 Sep 2026 11:27:43 GMT

[Séminaire MoVe] Dylan Marinho (MoVe, LIP6) : Projet BINTRACE (Traçabilité et Validation de Binaires), mardi 8 décembre à 15h00.

Dylan.Marinho@lip6.fr (Dylan Marinho) — Mon, 14 Sep 2026 11:29:04 GMT

When Science Goes Viral: Informal Online Debate, Disinformation, and the Role of AI, jeudi 10 décembre à 10h30.

Christophe.Marsala@lip6.fr (Christophe Marsala) — Wed, 28 Oct 2026 12:26:24 GMT

En raison de la fermeture du campus, le séminaire est reporté à une date ultérieure.

Abstract: Scientific claims and informal discussions about science-related issues have proliferated across online platforms, where they are increasingly mobilized within manipulative narratives and disinformation campaigns. How, why, and when do people invoke science in online debates; what intended or unintended effects do these practices produce? In this talk, I consider these questions through the lens of how scientific discourse is used—or instrumentalized—to legitimize misleading information and to insert potentially harmful narratives in social media. I then explore how artificial intelligence, and in particular transformer-based language models, can contribute to identifying and countering such dynamics, rather than amplifying them. I conclude by turning to the role of emotions and affective language in scientific disinformation, and by discussing the challenges that emotionally charged discourse poses for current state-of-the-art models.

Short BIO: Konstantin Todorov is associate professor at the University of Montpellier (maître de conférences HDR, hors classe) and a researcher at the LIRMM laboratory within the ADVANSE team. See his website for more informations.

Website: https://www.lirmm.fr/konstantin-todorov/

Un lien de connexion Zoom sera affiché sur la ( page des séminaires LFI ) le jour du séminaire.

Ce séminaire est organisé conjointement avec le Chapitre Français de l’IEEE Computational Intelligence Society.

Développer avec des agents IA : Pratiques, limites et perspectives - Rencontre université–industrie autour du génie logiciel , vendredi 11 décembre à 13h30.

yann.thierry-mieg@lip6.fr (yann thierry-mieg) — Tue, 10 Nov 2026 10:22:59 GMT
Les grands modèles de langage (LLM) ont évolué de simples outils conversationnels vers des systèmes d'agents IA capables d'utiliser des outils et d'agir sur leur environnement. Cette évolution transforme les pratiques de développement logiciel, mais également les activités de recherche et d'enseignement.

Ces usages progressent plus vite que les méthodes permettant de les comprendre, de les évaluer et de les maîtriser. Fiabilité du code généré, vérification, mesure de la productivité, intégration dans les processus existants, coûts et contraintes organisationnelles : les questions restent nombreuses et les pratiques encore peu stabilisées.
Cette demi-journée propose de confronter les expériences de l'université et de l'industrie à travers trois interventions illustrant différentes manières de travailler avec des agents IA : dans la recherche et l'enseignement, dans le développement de systèmes d'IA, et dans le génie logiciel industriel.

Les présentations seront suivies d'une table ronde ouverte aux échanges avec le public, afin d'identifier les pratiques émergentes, les difficultés rencontrées et les questions de recherche communes.

Programme

13 h 30 : Introduction de la journée

13 h 40 - 14 h 15 : Développer des agents IA... avec des agents IA (Anne-Claire Haury - Google France, Sorbonne Université)

14 h 15 - 14 h 50 : Développer avec des agents IA : pratiques et contraintes du génie logiciel industriel (Alain Charroux - SAP )

14 h 50 - 15 h 25 : Recherche et enseignement avec des agents IA (Yann Thierry-Mieg - Sorbonne Université, LIP6)

15 h 25 - 15 h 45 : Pause café

15 h 45 - 16 h 45 : Table ronde - Quelles pratiques et quelles questions de recherche pour le génie logiciel agentique ?
Discussion avec les intervenants et le public autour des expériences présentées : fiabilité et vérification, autonomie des agents, place du développeur, évaluation des gains et des coûts, transformation des pratiques professionnelles et enjeux pour la recherche et la formation.

17h - Fin de la rencontre

[Séminaire MoVe] Salma Mouline (Invitée MoVe, LIP6), mardi 15 décembre à 14h30.

Dylan.Marinho@lip6.fr (Dylan Marinho) — Thu, 05 Nov 2026 13:02:24 GMT

Les relations linéaires intervallistes et leur utilisation dans les réseaux de neurones profonds, jeudi 17 décembre à 16h.

Christophe.Marsala@lip6.fr (Christophe Marsala) — Thu, 08 Oct 2026 16:27:07 GMT

Abstract: Depuis deux décennies déjà, on voit croitre l’utilisation des réseaux de neurones dans pratiquement tous les domaines scientifiques.
Un réseau de neurone peut être vu comme un interpolateur puissant, s’appuyant sur l’identification d’un modèle d’approximation universel, nécessitant l’estimation de très nombreux paramètres pour approximer une relation entre des données d’entrées et une (ou des) donnée(s) de sortie (valeurs réelles, valeur de classification, …)
Le principe est de mettre en réseau des fonctions simples, appelées neurone formel, reliant des valeurs d’entrées aux valeurs de sortie par réalisation d’une agrégation linéaire (somme pondérée) suivit d’une fonction non-linéaire appelée fonction d’activation. Les poids appris par ce type de processus sont les poids des agrégation linéaires de chaque neurone formel.
Leurs performances pour modéliser des problèmes complexes en font un outil précieux, versatile et souvent incontournable.
Mais évidemment il reste de nombreux obstacles limitant leur usage. Parmi ces obstacles il ya a la difficulté d’interprétation des résultats produits, d’une part, et le manque de caractérisation de la fiabilité de ces résultats d’autre part.
Ce qui va nous intéresser dans cette présentation, c’est le deuxième point.
Plusieurs méthodes sont apparues au cours des dix derniers années permettant à un réseau de neurone non seulement de prédire une sortie (appartenance à une classe, résultat quantitatif ou autre) mais aussi la probabilité de vraisemblance de cette prédiction.
Parmi ces méthodes, certaines s’appuient sur une approche consistant à remplacer l’opération arithmétique qui est la base de l’agrégation linéaire, par une opération intervalliste. Un neurone intervalliste prend en entrée des entrées réelles (ou intervallistes) et délivre en sortie un intervalles.
L’arithmétique d’intervalles est une méthode de calcul où chaque valeur n’est plus représentée par un nombre unique, mais par un intervalle [a,b].
Dans le contexte des réseaux de neurones profonds (Deep Neural Networks), cette approche permet de prendre en compte les incertitudes sur les entrées, les paramètres ou les calculs.
Une facon de réaliser l’apprentissage d’un tel réseau de neurone est de l’amener à délivrer des intervalles de prédiction, c’est à dire des intervalles garantissant – pour une pi-value alpha – que l’intervalle délivré contient la valeur attendue avec une probabilité supérieure ou égale a (1-alpha).
L’objectif de cette présentation est de proposer quatre modèles d’arithmétique d’intervalle, c’est a dire d’’extension de l’arithmétique aux intervalles, dans le cadre de l’agrégation linéaire.
Ces quatre extensions sont les intervalles réels, les intervalles généralisés, les intervalles modaux et l’agrégation MacSum.
A notre connaissance, seule la première généralisation a été utilisée dans le cadre des réseaux de neurones, ce qui laisse une grande ouverture potentielle pour des recherches futures. .

Short BIO: Olivier Strauss est professeur à l’université de Montpellier, il travaille au LIRMM.

Website: https://www.lirmm.fr/~strauss/

Un lien de connexion Zoom sera affiché sur la ( page des séminaires LFI ) le jour du séminaire.

Ce séminaire est organisé conjointement avec le Chapitre Français de l’IEEE Computational Intelligence Society.

[Séminaire MoVe] , mardi 12 janvier à 14h30.

Dylan.Marinho@lip6.fr (Dylan Marinho) — Tue, 01 Sep 2026 18:53:06 GMT