Ce sujet de thèse se place à l’interface entre Intelligence Artificielle (IA) et modélisation épidémiologique, dans un cadre finalisé : une meilleure compréhension de la propagation et l’évaluation de stratégies de maîtrise vis-à-vis du virus du Syndrome Dysgénésique et Respiratoire du Porc (SDRP) dans les élevages porcins. L’objectif de ce projet de thèse est de développer, à partir du framework multi-agents EMULSION réalisé à l’INRA, des méthodes informatiques innovantes qui permettent une réactivité accrue dans la conception de modèles épidémiologiques, leur mise à l’épreuve des observations de terrain, et la comparaison d’hypothèses biologiques ou de scénarios de maîtrise. Il est nécessaire pour cela d’élaborer une architecture de simulation capable de refléter la structuration spatiale et temporelle induite par la conduite d’élevage, et de faciliter la description explicite des modèles en mobilisant un langage dédié (intelligible à des experts non informaticiens), notamment à travers la formalisation des voies de propagation du pathogène et de l’effet des mesures de maîtrise. Les méthodes conceptuelles et logicielles proposées dans cette thèse seront développées en vue d’une transposition ultérieure à d’autres pathogènes et à d’autres échelles.


Mots-clés
artificial intelligence; Biologie; Domain-Specific Language; DSL; ingénierie des connaissances; intelligence artificielle; Interdisciplinarité; knowledge engineering; Modélisation; Multi-agent Systems; Python; santé animale; Simulation; simulation multi-agents; simulation multi-niveaux; Systèmes Multi-Agents
Établissement
Ecole nationale vétérinaire, agroalimentaire et de l'alimentation, Nantes-Atlantique (ONIRIS)
44300 Nantes  
Directeur
Pauline Ezanno (INRA), Sébastien Picault (INRA/Univ Lille)
Co-encadrants
Mathieu Andraud (ANSES)
Site Web
https://theses.u-bretagneloire.fr/egaal/theses-2019
Date de début souhaitée
01/10/2019
Langues obligatoires
Anglais; Français
Prérequis

Le candidat doit avoir un master en informatique ou équivalent. Une expérience ou une spécialisation dans au moins un des domaines suivants sont souhaitées : représentation des connaissances, simulation multi-agents, modélisation épidémiologique. Un excellent niveau de programmation (notamment en Python 3) est indispensable. La capacité à se positionner à l'interface entre plusieurs disciplines (intelligence artificielle, génie logiciel, modélisation épidémiologique, biologie du virus du SDRP) est indispensable étant donné le caractère fortement interdisciplinaire de la thèse. Comme pour tout travail de recherche, des compétences rédactionnelles et un très bon niveau d'anglais sont attendus.

Date limite
01/06/2019
Informations de contact

Sébastien Picault, sebastien.picault@inra.fr, +33 2 72 20 29 37
Pauline Ezanno, pauline.ezanno@inra.fr, +33 2 72 20 29 38