Nicolas Papadakis

Mise à jour le :

  • Médias concernés : presse écrite
  • Langues : français, espagnol, anglais

Mots-clés : traitement de l’image, intelligence artificielle, réseaux de neurones artificiels, optimisation, algorithme

Nicolas Papadakis élabore des outils mathématiques permettant d’extraire automatiquement de l’information à partir d’images. Lors de sa thèse et de son post-doctorat, il cherchait à produire ces données afin de nourrir des modèles physiques, par exemple pour de la prédiction météorologique à partir d’images satellites. Depuis qu’il est directeur de recherche en mathématiques appliquées à l’institut de mathématiques de Bordeaux (IMB), il s'intéresse avant tout au traitement et à l'analyse de données complexes, ces dernières pouvant être dégradées ou incomplètes (pour de la colorisation d’images en noir et blanc par exemple). Depuis janvier 2023, il est directeur adjoint de l’IMB.

Actuellement, les recherches menées par Nicolas Papadakis portent :       

  • De façon globale, sur la reconnaissance visuelle par des intelligences artificielles. Il conçoit des réseaux de neurones ayant des propriétés mathématiques améliorant leur fiabilité. Typiquement, il s’agit de garantir que la réponse fournit par un programme de reconnaissance d’images reste identique malgré des perturbations du signal (luminosité, netteté…). Il développe ainsi des réseaux de neurones dits débruiteurs, qui « enlèvent le bruit », et pouvant être employés dans divers contextes (médecine, biologie, télédétection…).
  • Dans le domaine de l’oncologie, sur de l’imagerie médicale. L’objectif est de faire de la détection précoce, de suivre l’évolution des tumeurs cérébrales ou encore d’évaluer l’efficacité d’un traitement. Le travail du mathématicien se situe en amont de ces applications : il cherche à évaluer aussi précisément que possible des volumes à partir d’IRM afin de reconstruire en 3D des tumeurs et définir des modèles pour prédire leur évolution.

Exemples de sujets d'expertise

  • Quels outils mathématiques permettent de coder les algorithmes d’intelligence artificielle ?
  • Comment améliorer la fiabilité de la reconnaissance et du traitement d’images ?
  • Comment l’IA peut-elle aider à extraire des informations à partir de l’imagerie médicale ?
  • Quelle différence entre deep learning et machine learning ?
  • Mathématiquement parlant, qu’est-ce qu’un réseau de neurones artificiels ?

Références

Dans les médias

Publications spécialisées