Efrei Research Lab Projets de recherche

L’Efrei Research Lab développe également des projets transversaux innovants répondant aux besoins des entreprises et de la société :

Analyse multicanale des réseaux sociaux : messages, texte, image, meme, vidéo (texte, voix, geste, visage)​

Smart contracts pour l’entreprise et la société civile

Ces dernières années, et grâce aux avancées technologiques dans le domaine des technologies de l’information et de la communication, de nouveaux modèles économiques fondés sur la collaboration dynamique et décentralisée sont apparus. Ces modèles présentent de nombreux avantages et permettent de répondre à des opportunités par la constitution de collaborations « à la volée ». Néanmoins, la mise en place de ces systèmes amène beaucoup de défis quant à la sécurité et la confiance, et cela est dû à de nouvelles collaborations entre
des partenaires qui ne se connaissaient pas forcément auparavant.

Néanmoins, la mise en place de ces systèmes amène beaucoup de défis quant à la sécurité et la confiance, dus au fait que la collaboration se passe entre des partenaires qui ne se connaissaient pas forcément avant.

Dans ce cadre, nous pensons que l’utilisation de la Blockchain et des Smarts Contrats est très prometteuse. La Blockchain apporteraient une plate-forme sécurisée qui assure la traçabilité. Les Smart Contracts pourraient être utilisés pour représenter et exécuter les processus de collaboration, tout en prenant en compte l’ensemble des couches du système métier : des capteurs et l’IoT, jusqu’à la livraison des produits et des services.

Dans ce projet, nous travaillons à la création d’une plate-forme de collaboration à base de Blockchain et Smart Contracts. Notre plate-forme fournira un environnement de développement de haut niveau avec des Smart Contracts écrits avec des langages dédiés à chaque domaine métier (DSL). En outre, la plate-forme sera équipée de mécanismes de sécurisation très sophistiqués et personnalisables pour chaque collaboration. Une puissante capabilité d’adaptation sera fournie par les composants d’apprentissage automatique intégrés, qui aideront aussi à optimiser les ressources et à proposer des alternatives à chaque partenaire selon son profil et ses intérêts.

Tracking et monitoring multisensor, pour le sport et la santé

Dans le cadre des travaux liés au « tracking and monitoring multi-sensor » pour l’analyse des performances dans le sport élite, l’équipe s’intéresse aux problématiques de :

• suivi de personnes, d’objets, par des approches de vision par ordinateur
• localisation précise en environnement indoor à partir de capteurs IoT, à base de technologies RF.

Plusieurs travaux sont d’ores et déjà initiés, dans le cadre de Sciences2024, en collaboration avec différentes fédérations sportives : badminton, équitation, waterpolo, roller et natation, afin d’optimiser les entrainements, analyser les tactiques du jeu, et suivre les performances des athlètes.

Les travaux basés sur la vision et les IoTs consistent à :

• Proposer des solutions de localisation adaptées aux contraintes de l’activité sportive de haut niveau (vitesse et précision) ; en natation, nous devons localiser le nageur dans trois milieux : celui de l’eau, de l’air et de l’interface entre les deux.
• Proposer des solutions de tracking, d’identification des actions et d’analyse des gestes ; comme l’analyse de la locomotion du cheval pour détecter précocement des blessures.

Architecture réseau 5+G, intelligente et sécurisée, pour les applications santé et smart-city

Notre objectif principal est de créer un cadre innovant pour les services et les applications, méticuleusement conçu pour répondre aux exigences de performances anticipées des ères B5G et 6G. Nous comprenons que l’évolutivité, la flexibilité, la sécurité, la confidentialité, l’interopérabilité, la normalisation, l’efficacité énergétique et la qualité de service (QoS : Quality of service) sont primordiales. De plus, notre cadre vise à assurer l’alignement avec les contraintes environnementales et le caractère dynamique des scénarios technologiques en constante évolution.

Notre effort ambitieux est exécuté dans un cadre soigneusement conçu qui met l’accent sur l’utilisation de technologies de pointe telles que l’intelligence artificielle, l’Edge Computing et le Network Slicing pour optimiser la sécurité et la gestion des ressources réseau.

Essentiellement, notre mission est de stimuler l’innovation, de transformer les réseaux et de créer un avenir où la connectivité s’aligne parfaitement avec l’évolution des besoins de la société, de l’industrie et de l’environnement.

L’IA pour l’identification de biomarqueurs à partir de données génomiques

Les travaux de recherche liés à « l’ identification par l’IA de biomarqueurs à partir de données omiques » visent à la fois à explorer in silico ( donc via la bio-informatique) des cibles potentielles thérapeutiques dans la lutte contre certaines maladies et/ou à mener des études expérimentales in vitro sur ces cibles. L’équipe de Mano Matthew s’intéresse principalement au cancer et maladies auto-immunes mais les travaux peuvent être élargis à d’autres maladies ou épidémies.

Les activités menées dans le cadre de ces travaux incluent :

• La collection de données multi-omiques (informatique)
• L’optimisation de workflow-analysis (bio-informatique)
• La modélisation des données à partir des informations fournies par l’analyse préliminaire de ces données (IA et Machine Learning)

Les chercheurs pourront donc développer des projets de recherche et encadrer des projets étudiants avec une approche Systèmes embarqués intelligents et Data-Driven Decision pour le Sport en accord avec les axes de recherche et les domaines d’application du laboratoire. L’orientation choisie sera l’acquisition et traitement du signal, l’analyse vidéo et l’analyse des données, la modélisation, l’exploitation et la visualisation des données.

Les technologies du sport sont un domaine émergeant du numérique, c’est également une thématique qui intéresse particulièrement les jeunes. C’est une source de projets très attrayants pour nos élèves et l’opportunité de se mesurer aux meilleurs projets étudiants de France au travers des Challenges Sciences2024.

Les projets étudiants réalisés à l’Efrei cette année nous ont montré la richesse de cette expérience, par la transversalité des sujets qui permet le travail d’élèves de différentes spécialités et par l’investissement qu’il suscite. Les étudiants se sont impliqués avec énergie et passion et se sont dépassés au contact des entraîneurs.

L’une des caractéristiques clés de la 6G serait sa capacité à fournir des communications et des détections conjointes (Join Communication and Sensing (JCAS)) dans un système unifié, qui utilisera des signaux pour « voir » le monde physique, en permettant une compréhension fine de l’environnement du réseau, c’est-à-dire en détectant la position, la forme et le comportement des terminaux du réseau et des objets passifs. Cette innovation sera soutenue par l’utilisation de bandes passantes plus élevées, de nouvelles formes d’onde spécialement conçues pour le service de détection ainsi que de nouveaux algorithmes et équipements de traitement.

D’autres caractéristiques clés des réseaux cellulaires avancés sont leur virtualisation (avoir des instances virtuelles de fonctions réseau), leur désagrégation (séparer les composants matériels et logiciels, permettant des architectures de réseau flexibles et évolutives) et leur ouverture (utiliser des normes/interfaces ouvertes, favorisant l’interopérabilité et l’innovation). Ceux-ci ouvrent la voie à une augmentation considérable de la dynamique de la configuration et des opérations du réseau, ce qui accroît considérablement la complexité de leur gestion.

Bien qu’il y ait eu des travaux antérieurs sur JCAS, ils se sont principalement concentrés sur sa couche physique, le traitement du signal et les protocoles de couche basse, sans aborder l’impact, les défis et les opportunités qu’ils introduisent dans le contexte des réseaux ouverts, de leurs applications et de leur gestion.

Visant ce domaine, le projet 6G-CommONSense (6G Communications, Open Network and Sensing) aborde les nouveaux scénarios soulevés par l’adoption de JCAS dans les réseaux ouverts 5G/6G, suivant une approche multicouche et E2E. De cette manière, il couvrira les couches inférieures de l’interface aérienne, la virtualisation/orchestration du réseau, les synergies et interdépendances entre la détection et la gestion ainsi que les applications clés de pointe pour les utilisateurs finaux prises en charge par cette approche.

Le projet Brafitec est un réseau de coopération impliquant trois écoles françaises (EFREI Paris, ESIEE Paris et ESIR) et deux universités brésiliennes (PUC Minas et UFC), au travers d’échanges d’étudiants et de professeurs issus d’école d’ingénieurs en informatique.

Ce projet à pour but d’étudier l’impact des nouvelles formes de communication de données sur les environnements de simulation automobile.

Les réseaux de véhicules sont des véhicules qui interagissent directement ou indirectement. En communication directe, un véhicule envoie un message à un autre sans recourir à une infrastructure fixe. En communication indirecte, en revanche, les véhicules communiquent via des infrastructures spécifiques installées sur les routes. Des études récentes évaluent également l’utilisation du réseau 5G dans la communication indirecte de véhicule à véhicule. En raison de l’importance et des avantages que les réseaux de véhicules peuvent apporter à la société moderne, les chercheurs, les agences gouvernementales et les constructeurs accordent une grande attention à ces types de réseaux. Dans les années à venir, on s’attend à ce que l’infrastructure des réseaux de véhicules devienne une réalité.

Le projet « Plateforme Numérique d’accompagnement des APIculteurs » (PNAPI) a pour objectif de proposer des outils informatiques aux apiculteurs pour les assister dans la gestion de leur cheptel en enregistrant leurs informations (performances, traitements, nourrissements, signalements d’événements de santé au rucher, etc.) et en leur restituant sous des formats adaptés et synthétiques (graphiques, tableaux de résultats). Un agrégateur de données environnementales complètera les outils de saisie proposés aux apiculteurs afin de leur permettre de mieux connaître les caractéristiques des emplacements qu’ils utilisent pour leurs ruchers, et ainsi de les accompagner dans ces choix.

Un système décisionnel sera également intégré sous la forme d’une intelligence artificielle capable d’apprendre des décisions prises par les apiculteurs dans un contexte donné (par exemple : nourrissement en hiver) pour prodiguer des conseils à partir des actions les plus représentées. L’expertise des structures de développement alimenteront également ce système décisionnel dans le cadre de lancement d’alertes (par exemple, alerte disette dans un secteur en raison de la connaissance du terrain et du climat).

Les données collectées alimenteront un référentiel nouveau, issu de la profession, dans lequel les possesseurs de ruches pourront situer leurs pratiques et d’identifier les forces et faiblesses de leur conduite de cheptel. Ce référentiel permettra également de proposer des indicateurs de l’état de santé de l’apiculture française, notamment en ce qui concerne les pertes hivernales, les stratégies de traitement contre varroas et les quantités de miel (ou gelée royale) récoltés. L’ensemble des fonctionnalités implémentées dans la plateforme numérique d’accompagnement des apiculteurs ainsi que les droits de réutilisation des données et le modèle économique final de ce système informatique sera discuté avec les apiculteurs. La concertation avec les futurs utilisateurs est au centre du projet afin de garantir la pertinence du service rendu et le consentement des utilisateurs concernant la réutilisation de leurs données.

Nous visons à améliorer la santé humaine, grâce au développement de méthodes d’intelligence artificielle en nous concentrant sur la traduction des découvertes multi-omiques en diagnostics de précision.

Notre mission est d’utiliser les données que nous obtenons de la génomique, de la radiomique, de la pathomique et de leur impacts sur les conditions pathologiques en utilisant des approches multi-omiques computationnelles. Ces méthodes reposent sur l’analyse statistique et l’intégration de mégadonnées (séquençage à haut débit, puces à ADN, protéomique, criblage à haut débit), d’imagerie médicale et de données cliniques/phénotypiques. Nous examinons à la fois les données cliniques ainsi que les données générées en dehors des hôpitaux et visons à soutenir à la fois les prestataires médicaux et les patients dans leur prise de décision.