Conception et développement d'indicateurs de performances intelligents pour l'aide à la préservation de l'environnement en se basant sur la stratégie dite ''eau-air-sol

Design and development of intelligent performance indicators for environmental preservation support based on the ''water-air-soil'' strategy

• Auteur / Autrice : Idriss Jairi
• Direction : Hayfa Zgaya
• Type : Projet de thèse
• Discipline(s) : Informatique, Automatique
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Université de Lille (2022-....)
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés libres

Intelligence artificielle

Système multi-agent

Indicateurs de performance

Apprentissage fédéré

Artificial intelligence

Multi-agent system

Performance indicators

Federated learning

Résumé

« Biodiversité en déclin, écosystèmes dégradés, sols et ressources naturelles sous pression, milieux aquatiques souillés, pollution atmosphérique alarmante… ». Dans ce cadre, les actions publiques ont, plus que jamais, besoin d'aide pour identifier des indicateurs clés pertinents pour une aide à la décision pointue au profit de la préservation de notre environnement. Le but est d'anticiper sa dégradation par des initiatives pertinentes en considérant l'écosystème dans sa globalité (eau-air-sol). Ce dernier se caractérise par des interactions et rétroactions complexes générant des effets non linéaires. Afin de protéger notre environnement et donc la santé humaine qui est impactée par sa dégradation, le but de ce sujet de thèse est de développer une Intelligence Artificielle (IA) permettant d'identifier des indicateurs clés intelligents à partir de plusieurs sources de données en adoptant la stratégie dite « eau-air-sol ». Ainsi, des compétences transversales et décloisonnées dans les domaines de l'IA et de la biodiversité sont nécessaires pour pallier les limites des méthodes habituelles. L'efficacité d'une IA dépend de la qualité et de la pertinence des données ingérées. Ainsi, l'objectif est aussi de déterminer le(s) moyen(s) permettant d'alimenter efficacement les algorithmes d'aide à la décision intégrant l'apprentissage artificiel afin d'optimiser l'exploration et l'exploitation des données issues des mesures dans les différents compartiments de l'environnement de manière simultanée.

''Biodiversity in decline, degraded ecosystems, soils and natural resources under pressure, polluted aquatic environments, alarming atmospheric pollution...''. In this context, public actions need, more than ever, to help identify relevant key indicators for advanced decision support for the benefit of the preservation of our environment. The goal is to anticipate its degradation through relevant initiatives by considering the ecosystem as a whole (water-air-soil). The latter is characterized by complex interactions and feedback generating non-linear effects. In order to protect our environment and therefore human health which is impacted by its degradation, the aim of this thesis subject is to develop an Artificial Intelligence (AI) allowing the identification of intelligent key indicators from several data sources by adopting the so-called “water-air-soil” strategy. Thus, transversal and decompartmentalized skills in the fields of AI and biodiversity are necessary to overcome the limits of the usual methods. The effectiveness of an AI depends on the quality and relevance of the data ingested. Thus, the objective is also to determine the means(s) making it possible to effectively feed the decision support algorithms integrating artificial learning in order to optimize the exploration and exploitation of data from measurements in the different compartments of the environment simultaneously.