Mes travaux portent sur la modélisation, la simulation et l’optimisation par métaheuristiques, depuis l’acquisition des données par des capteurs jusqu’aux outils logiciels qui aident à comprendre et à décider. L’écologie et l’éthologie me servent de terrains d’expérimentation.
Modèles de comportement explicables
Plutôt que d’apprendre un modèle opaque, je traite sa construction comme un problème d’optimisation : une métaheuristique cherche, dans une bibliothèque d’actions élémentaires validées par la communauté, la combinaison et les paramètres qui reproduisent le mieux le comportement observé. C’est l’approche ANIMETA, issue de ma thèse, validée sur la réponse de fuite de 182 juvéniles de corb et disponible en ligne pour les chercheurs non informaticiens.
Capteurs et données en milieu marin
À la plateforme STELLA MARE, j’ai contribué à un système de positionnement acoustique sous-marin autonome : des bouées solaires détectent les balises, un serveur reconstruit les positions par différence de temps d’arrivée, avec une précision moyenne d’environ 7 m. J’ai aussi travaillé sur le placement de capteurs LoRa, en couplant estimation du signal par k plus proches voisins et métaheuristique hybride, et je maintiens le suivi de la qualité des eaux du port d’Ajaccio (projet européen QUALIPORTI).
Les LLM comme assistants du modélisateur
Les modèles fondés sur les connaissances sont lisibles mais coûteux à construire ; les modèles appris sont performants mais opaques et gourmands en données. J’explore comment les grands modèles de langage peuvent proposer des structures de modèle, suggérer des mécanismes à tester ou compléter des données rares, tout en restant cohérents avec les connaissances du domaine. L’écloserie de STELLA MARE et le territoire corse en sont les premiers terrains.