Détail du poste Établissement : Université d'Orléans École doctorale : Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS Laboratoire de recherche : LIFO - Laboratoire d'Informatique Fondamentale d'Orléans Direction de la thèse : Thi Bich Hanh DAO ORCID 0000000227406954 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-22T23:59:59 L'intelligence artificielle symbolique englobe toute approche permettant de représenter des connaissances, de raisonner ou d'apprendre en s'appuyant sur ces connaissances. Son principal atout est sa transparence et sa capacité à interpréter les décisions. Elle souffre cependant de difficultés liées à l'acquisition des connaissances et la capacité d'évoluer ou de s'adapter à un autre contexte. D'autre part, l'apprentissage automatique (Machine Learning) propose des méthodes très puissantes pour apprendre des modèles à partir de données. Cependant il nécessite de grands volumes de données et l'apprentissage sur ces données requiert des capacités de calcul importantes. Un autre problème important est que les méthodes actuelles reposent sur l'apprentissage profond (Deep Learning) et bien qu'elles soient puissantes, manque de transparence et d'explicabilité. Cette thèse s'inscrit dans le courant des approches neuro-symboliques qui cherchent à coupler IA symbolique et apprentissage profond pour tirer parti des avantages des deux approches. Selon le type de couplage, cela permet de rendre les modèles appris par l'apprentissage profond plus explicables mais aussi plus proches des attentes de l'expert, et donc plus facilement acceptés, car guidés par des connaissances générales ou thématiques. On peut aussi espérer que l'apport des connaissances permettrait un apprentissage nécessitant moins de données, ou moins de données annotées et moins de ressources en termes de calcul (IA frugal). Nous nous intéressons ici aux approches neuro-symboliques qui intègrent des connaissances exprimées en logique de
Recruteur ou personne concernée par cette annonce ? Demander la suppression