Objectif du cours

Ce cours présente des méthodes modernes d’apprentissage statistique et de « deep learning » appliquées à l’imagerie scientifique et aux données issues de capteurs physiques. Les problématiques abordées (reconstruction d’images, super-résolution, alignement de données, amélioration de contraste, segmentation ou encore problèmes inverses) sont communes à de nombreux domaines tels que l’imagerie médicale, le spatial, la vision industrielle, la robotique ou les géosciences.

À travers des applications réelles issues de l’exploration du sous-sol et du secteur de l’énergie, le cours montre comment adapter les méthodes d’intelligence artificielle à des données complexes acquises par des systèmes de mesure avancés. Ces données peuvent prendre la forme d’images ou de signaux et reposent sur différentes physiques (électromagnétique, ultrasonique, mécanique, sismique, etc.), offrant un terrain d’étude particulièrement riche pour l’apprentissage statistique.

Au-delà des méthodes elles-mêmes, le cours met l’accent sur les défis auxquels sont confrontés les ingénieurs IA dans l’industrie : données limitées ou imparfaitement annotées, changements de distribution entre environnements, contraintes de calcul et de mémoire, besoins de robustesse, d’interprétabilité et d’intégration avec des modèles physiques. Ces problématiques sont communes à de nombreux secteurs technologiques, de l’imagerie médicale aux systèmes spatiaux embarqués.

Les étudiants découvriront ainsi non seulement des algorithmes de pointe, mais également les pratiques qui permettent de transformer un prototype de recherche en une solution déployable à grande échelle. Le cours constitue ainsi une introduction concrète au métier d’ingénieur IA dans des environnements industriels exigeants.

Le contenu couvre l’ensemble de la chaîne de traitement, depuis l’acquisition des données jusqu’à leur interprétation, en combinant fondements théoriques et études de cas industriels. Plusieurs jeux de données et applications seront proposés dans les domaines de la géologie, de la corrosion et de la géo-énergie.