Stage M2: Modèle graphique et visualisation interactive

Mots clés : visualisation interactive, modèles graphiques, visualisation comparative, modèles d'apprentissage (Intelligence Artificielle IA).

Contexte

La production alimentaire durable est l'un des principaux défis auxquels notre monde est confronté aujourd'hui. Différents types d’experts à l'INRAE (Institut national de recherche pour l'agriculture, l'alimentation et l'environnement) étudient cette question. Ces experts peuvent être des biologistes et des agronomes (experts du domaine) ainsi que des statisticiens et des mathématiciens (modélisateurs) produisant des modèles qui simulent des processus biologiques et agricoles complexes.

Ce travail s’inscrit dans le cadre du projet de recherche ANR EVAGRAIN, dont l’objectif est de développer en collaboration avec des acteurs de la filière céréalière un outil permettant de prédire la qualité de blé à partir de données collectées chaque année afin de pouvoir mieux anticiper les difficultés dues aux événements climatiques. Pour ce faire, une base de connaissances structurée par une ontologie a été établie, permettant d’intégrer les nouvelles données générées pendant le projet. A partir de celle-ci, des modèles d’apprentissage explicatifs sont générés, appris en intégrant des connaissances expertes.

Actuellement, les modèles d'apprentissage sont développés hors ligne, puis présentés à des experts du domaine lors d'une réunion planifiée. Au cours de la discussion, les experts donnent leur avis sur les variables à prendre en compte, les dépendances pertinentes et celles qui doivent être modifiées. Bien que les experts trouvent très utile d'être impliqués dans le processus de modélisation, il existe actuellement un certain nombre de problèmes qui entravent la collaboration entre les modélisateurs et les experts du domaine : (a) la critique du résultat appris est manuelle et fastidieuse, et les indicateurs de qualité des modèles existants sont difficilement interprétables par les experts. Le modélisateur prend actuellement des notes, puis revient au code pour implémenter les modifications ; et (b) le processus prend du temps et est sujet aux erreurs.

Objectif du stage

L'objectif de ce stage est de faciliter le dialogue entre les experts du domaine en agronomie et technologie alimentaire et les modélisateurs en concevant et en mettant en œuvre un système de visualisation en ligne. L'étudiant.e sélectionné.e doit effectuer les tâches suivantes:

• une revue de littérature sur la visualisation / explication des réseaux Bayésien et les interfaces d’élicitation des connaissances expertes.

• suivre une méthodologie de conception centrée sur l'utilisateur pour concevoir et mettre en œuvre un système de visualisation en ligne

• évaluer le prototype développé avec des experts du domaine et les modélisateurs.

L'étudiant.e sélectionné.e s'appuiera sur des travaux existants du projet ANR EVAGRAIN. Les ressources suivantes sont actuellement disponibles pour un démarrage immédiat de ce stage : des données sur les différents tests de qualité du blé et de la farine ; une implémentation préliminaire du modèle d'apprentissage en Python ; des enregistrements vidéo d'échanges et de discussions en ligne entre modélisateurs et experts du domaine lorsqu'ils sont confrontés à un modèle d'apprentissage ; et l'accès à des experts du domaine pour recueillir les besoins et les commentaires des utilisateurs.

Profil souhaité

Les compétences requises incluent : développement web ; programmation (JavaScript, Python, autre); conception centrée sur l'utilisateur ; visualisation d'informations. Intérêt pour travailler avec des données et des experts du domaine. Des connaissances en machine learning ne sont pas requises mais un plus.

Environnement scientifique

Encadrants : envoyer CV et lettre de motivation à Nadia Boukhelifa nadia.boukhelifa@inrae.fr (INRAE, Uni. Paris-Saclay), Mélanie Munch melanie.munch@u-bordeaux.fr (Univ. Bordeaux), et Anastasia Bezerianos anastasia.bezerianos@universite-paris-saclay.fr (Polytech, Uni. Paris-Saclay)

Collaborateurs : Cédric Baudrit (INRAE), Kamal Kansou (INRAE)

Durée du stage : 6 mois, début Février ou Mars 2023

Lieu : AgroParistech Campus de Saclay, 22 place de l'agronomie 91120 Palaiseau

Allocation : environ 600 euros par mois