L'intelligence artificielle (IA) et la science des données transforment en profondeur notre manière de comprendre, de modéliser et d'interagir avec le monde, au travers d'algorithmes capables d'apprendre à partir de données, d'optimiser des décisions complexes, ou encore de détecter automatiquement des structures ou des anomalies dans des ensembles massifs de données. Elles sont aujourd'hui présentes dans des domaines aussi variés que la santé, l'environnement, les sciences physique et chimie, les sciences humaines et sociales, la biologie, la finance, l'industrie ou encore les technologies numériques.
L'intelligence artificielle (IA) et la science des données reposent sur un socle interdisciplinaire solide. Les mathématiques et l'informatique fournissent les outils fondamentaux pour modéliser les phénomènes et analyser les algorithmes. L’optimisation intervient dans la recherche de solutions efficaces à des problèmes complexes, souvent sous contraintes. Les probabilités et la statistique permettent de modéliser l’incertitude, d’extraire de l’information utile à partir de données partielles ou bruitées, et d’évaluer les performances des méthodes d’IA. Côté informatique, l’apprentissage automatique (ou machine learning) constitue le cœur de l’IA moderne : il s’agit de méthodes capables de modéliser le phénomène sous-jacent et d’améliorer automatiquement leurs performances à partir de données. Le traitement automatique des langues (TAL) vise à permettre aux machines de comprendre et de générer du langage humain. Les bases de données, la fouille de données (data mining) et l'extraction de la connaissance se concentrent sur la structuration, la gestion et l’exploration efficace de grands volumes d’informations. Enfin, le traitement du signal et de l’image joue également un rôle capital, en fournissant des méthodes pour représenter, analyser, compresser, restaurer ou extraire automatiquement de l’information à partir de données visuelles, sonores ou temporelles, souvent bruitées ou incomplètes.
Parallèlement aux approches apprenantes, l’IA s’est historiquement développée à travers des approches dites d'intelligences artificielles symboliques, basées sur des représentations explicites des connaissances (règles logiques, ontologies, raisonnements déductifs). Ces méthodes permettent une interprétabilité fine et une maîtrise formelle du comportement des systèmes. Aujourd’hui, les approches dites hybrides, qui combinent modèles symboliques et techniques d’apprentissage automatique, suscitent un intérêt croissant. Elles visent à tirer parti à la fois de la puissance des données et de la richesse des représentations logiques pour construire des systèmes plus robustes, explicables et adaptatifs.
La Faculté des Sciences s’appuie sur une expertise reconnue dans ces domaines pour proposer des formations de haut niveau, adossées à des équipes de recherche dynamiques et interdisciplinaires. Cette synergie entre enseignement et recherche permet de former des étudiantes et des étudiants capables de répondre aux enjeux scientifiques, technologiques et éthiques soulevés par le développement de l’IA et de la science des données.
Formations
La Faculté des Sciences d’Aix-Marseille Université propose une offre diversifiée de formations de pointe, au niveau Master, en intelligence artificielle et science des données, adaptées aux défis des entreprises et de la recherche :
- Master Informatique - Parcours Science et Ingénierie des Données (SID) : Maitriser les fondements et les technologies avancées de traitement, d’analyse et de visualisation des données massives, tout en développant une expertise en apprentissage automatique et en ingénierie des données. En savoir plus
- Master Informatique - Parcours Intelligence Artificielle et Apprentissage Automatique (IAAA) : Développez des compétences en apprentissage profond, traitement automatique du langage naturel, résolution de problèmes complexes et modélisation des connaissances. En savoir plus
- Master Traitement du Signal et des Images (TSI) : Formez-vous aux techniques innovantes d’analyse et de modélisation des signaux et des images, au service de secteurs tels que la santé, l’aérospatial et les télécommunications. En savoir plus
- Master Mathématiques Appliquées et Statistique (MAS) - Parcours Data Science : Acquérez une expertise en statistique et apprentissage pour répondre aux besoins de l’analyse de données massives et multidimensionnelles, en particulier via l'apprentissage profond. En savoir plus
- Master Mathématiques et Applications (MAAP) - M2 Parcours Analyse de modèles déterministes et aléatoires (Anadeal) : Formez-vous aux outils avancés de l’analyse mathématique et de la modélisation pour résoudre des problèmes complexes en modélisation et calcul scientifique, intelligence artificielle, finance, gestion des risques et prise de décision, au travers d'une formation sur les questions d'EDP, de calcul scientifique, de probabilités et statistique. En savoir plus
- Master Électronique, Énergie Électrique et Automatique (EEEA) : Formez-vous aux techniques avancées de l’automatique, du diagnostic de défaillance et de la gestion de l’énergie, en intégrant les méthodes d’intelligence artificielle, notamment l’apprentissage automatique. Cette formation vous prépare à des applications en automatisation des procédés, en commande des systèmes, en sûreté de fonctionnement des installations industrielles et en optimisation des systèmes de production et de distribution d’énergie. En savoir plus
Ces formations partagent plusieurs caractéristiques communes :
- Objectifs communs : Elles visent toutes à former des experts capables de relever des défis liés à l’analyse de données, à l’apprentissage automatique et à la modélisation dans des contextes variés.
- Adossement à la recherche : Ces masters bénéficient d’un lien étroit avec des laboratoires reconnus, offrant ainsi des opportunités de collaboration scientifique et de poursuites en doctorat.
- Pédagogie innovante : L’approche par projets, les stages en entreprise et les interactions avec des professionnels sont au cœur de la pédagogie.
- Secteurs ciblés : Les débouchés incluent des domaines en forte demande, comme la santé, l’aérospatial, la finance, ou encore le secteur du numérique.
Différences en termes de public cible et prérequis
- Public cible :
- Master Info - SID et IAAA : Destinés principalement aux étudiants issus de licences en informatique ou disciplines proches, avec un intérêt marqué pour l’intelligence artificielle et la gestion des données.
- Master MAS - Parcours Data Science : Visé par des étudiants ayant suivi une licence à dominante mathématiques (L Mathématiques, L Math-Info, L MIASHS, L MPCI,...)
- Master TSI : Ouvert à des profils plus diversifiés, comme les étudiants en physique, mathématiques ou sciences pour l’ingénieur, intéressés par le traitement du signal et des images.
- Master MAAP - Anadeal : Conçu pour des étudiants ayant un fort intérêt pour l’analyse mathématique appliquée, le calcul des probabilités.
- Master EEEA : Vise les étudiants de la Licence Sciences pour l'ingénieur, ayant acquis des connaissance en Automatique, Électronique, Énergie électrique, Mathématiques et Physique appliquée.
- Prérequis à l’entrée :
- Master Info - SID et IAAA : Exige une bonne maîtrise des bases de l’informatique, incluant programmation, algorithmes et bases de données.
- Master MAS - Data Science : Nécessite des compétences en mathématiques de licence à fort contenu mathématiques (L Mathématiques, Math-Info, MIASHS, MPCI,...)
- Master TSI : Demande des compétences en mathématiques, en physique et une base en programmation pour le traitement des données.
- Master MAAP - Anadeal : Présuppose une connaissance approfondie en analyse mathématique, algèbre linéaire et probabilités, avec une appétence pour la modélisation et la théorie.
Ces distinctions permettent à chaque master de s’adapter aux compétences et aspirations spécifiques des étudiants tout en contribuant à leur insertion dans des secteurs variés et stratégiques.
Recherches
Au Laboratoire d'Informatique et des Systèmes (LIS)
Le pôle Science des Données a pour ambition de réunir des chercheurs autour des problématiques centrées sur les données, d’un point de vue informatique, qu’il s’agisse de leur représentation, de leur manipulation ou de leur traitement. La force du pôle est d’impliquer une cinquantaine de chercheurs couvrant un large spectre allant de la théorie (apprentissage automatique, deep learning, fouille de données, informatique linguistique) aux applications (recherche d’information, recommandation de contenus, traitement automatique des langues, vision, bioacoustique, humanités numériques, systèmes d’information, communication humain-machine). Le pôle est structuré autour de 4 lignes de forces :
- Intelligence artificielle et apprentissage
- Langage et recherche d'information
- Multimodalité et interaction
- Gestion et fouille de données pour l'extraction de connaissances
Le pôle Signal-Image a pour objectif de développer des recherches en traitement, analyse et modélisation des images et des signaux. Ces recherches de nature théorique et/ou appliquée sont très liées à des applications à enjeux sociétaux importants. Le pôle Signal-Image est constitué des deux équipes I&M et SIIM dont les thématiques de recherches sont à la fois proches et complémentaires. En effet les deux équipes ont une activité importante autour des questions liées à l’image et à la modélisation.
Le pôle Calcul contribue au développement de l’informatique théorique et pratique. Ses activités de recherche couvrent l’algorithmique, la logique, les modèles de calcul, l’intelligence artificielle et la géométrie/topologie du calcul. Les activités de recherche de ce pôle dans le domaine de l’intelligence artificielle portent sur ses aspects formels et algorithmiques, en particulier dans les équipes COALA et LIRICA. Ils concernent d’une part la représentation des connaissances et la modélisation du raisonnement, la démonstration automatique, en allant des solveurs SAT jusqu’à des systèmes de preuve conçus pour des logiques plus complexes, et les questions liées au raisonnement à base de contraintes en termes de modèle CSP ; et d’autre part l’apprentissage automatique.
Le pôle Analyse et Contrôle des Système développe des recherches sur l’analyse, l’estimation, la commande et le diagnostic des systèmes. Les activités en lien avec l'IA sont les questions d'estimation et d'aide à la décision, l’acquisition, la représentation des connaissances et des raisonnements pour la construction de modèles,
À l'Institut de Mathématiques de Marseille (I2M)
Le groupe ALEA est découpé en quatre équipes liées les unes aux autres : probabilités, statistique, traitement du signal et de l'image, et mathématiques pour la biologie. Sur les questions d'intelligence artificielle et de science des données, les chercheuses et chercheurs de ce groupe travaillent sur
- l'apprentissage statistique (méthodes bayésiennes, variationnelles, optimisation)
- la modélisation probabiliste et statistique
- le traitement mathématique du signal et de l'image
- les outils multiresolution (ondelettes,...) ou l'analyse temps-fréquence, la représentation de donnée
- le machine learning et la statistique pour l'actuariat
- l'application de la statistique et du machine learning dans de nombreux domaines (industriels ou scientifiques), les collaborations interdisciplinaires
À l'Institut Laënnec
En tant qu’instituts d’établissement d’Aix-Marseille Université, l’Institut Laënnec renforce le lien recherche-formation, la valorisation, l’internationalisation et l’interdisciplinarité, autour de l’intelligence artificielle et la santé numérique. La Faculté des Sciences est un membre clé de cet institut, qui a pour ambition d’apportez la puissance de l'Intelligence Artificielle et des sciences numériques au lit du patient.
Dans d'autres unités de recherches
À venir
