Cheick Tidiani Cissé
Chercheur en IA générative
Belfort, Francetidianicisse@gmail.comcheicktidianicisse.comlinkedin.com/in/cheick-tidiani-cissé-ph-d-83364613agithub.com/Tysby101
Profil
Je construis des modèles génératifs qui sortent du laboratoire : diffusion et GANs pour les cartes radio, transformers pour la traduction peu dotée, modèles séquentiels pour la mobilité.
Docteur en informatique (CIFRE, Orange Labs × UTBM). 8 articles à comité de lecture dont un article en auteur unique à Findings of ACL 2026, 1 brevet déposé, Top 5 au Grand Challenge ICASSP 2025. Relecteur pour NeurIPS et AAAI. Qualifié CNU, sections 27 et 61.
Expérience
Applied AI Scientist · Orange Business
avr. 2025 — Aujourd'hui- Responsable recherche sur des modèles génératifs à base de transformers produisant des traces de mobilité réalistes, permettant à Orange de valoriser la donnée opérateur sans exposer de trajectoires réelles.
- Conception des pipelines de données sous-jacents : Apache Airflow orchestrant un traitement distribué sur plusieurs machines, parallélisé horizontalement via Docker et Celery.
- Passage du notebook à la production : entraînement reproductible, suivi d'expériences, service conteneurisé, pratiques MLOps de bout en bout.
- Définition et ouverture d'un stage de fin d'études sur la modélisation générative de la mobilité ; cadrage du sujet et encadrement.
Doctorant — Deep Learning pour la planification radio · Orange
déc. 2021 — déc. 2024- Conception d'IRGAN, un GAN conditionnel prédisant une carte radio indoor complète depuis un plan 2D à 2,5 dB de RMSE — assez rapide pour être intégré dans une boucle d'optimisation, contrairement au lancer de rayons.
- Extension par modèles de diffusion conditionnels et ResUNet informé par la physique : Top 5 sur 16+ équipes au Grand Challenge ICASSP 2025 sur la prédiction généralisable d'affaiblissement.
- Résolution de l'écart simulation–réalité par fine-tuning sur des mesures 5 GHz collectées en conditions réelles (EuCAP 2024).
- Couplage du modèle de propagation appris avec des métaheuristiques — recuit simulé, recherche tabou, algorithmes génétiques — pour le placement automatique de points d'accès.
Stagiaire chercheur — Télédétection · LISIC, Université du Littoral Côte d’Opale
mars 2021 — sept. 2021- Conception ex nihilo d'une architecture de fusion exploitant les données hyperspectrales Sentinel-3 pour combler les séries temporelles multispectrales Sentinel-2.
- Publication du résultat à ICASSP 2022 et GRETSI 2022 en premier auteur.
Publications choisies
- 2026 Kumatigi: Quality-Driven Data Augmentation for Low-Resource Machine Translation· Auteur unique — Findings of ACL 2026
- 2025 Generalizable Indoor Path Loss Prediction — ICASSP 2025
- 2024 Fine Tuning an AI-based Indoor Radio Propagation Model with Crowd-sourced Data — EuCAP 2024
- 2023 IRGAN: cGAN-based Indoor Radio Map Prediction — IFIP Networking 2023
- 2022 A New Deep Learning Method for Multispectral Image Time Series Completion Using Hyperspectral Data — ICASSP 2022
+ 3 communications nationales (ROADEF, GRETSI)
Relecture et qualifications
- Relecteur — AAAI 2027, NeurIPS 2026
- Qualification CNU, sections 27 et 61 — Qualifié aux fonctions de Maître de Conférences en Informatique et en Traitement du Signal.
- Brevet (déposé) — Prise en compte de l'erreur de modèle de propagation dans l'optimisation Wi-Fi indoor.
Formation
Doctorat en Informatique — Université de Technologie de Belfort-Montbéliard (UTBM) — FEMTO-ST
2021–2024Master, Télécommunications et Réseaux — France
2019–2021Classes préparatoires — Maths, Physique, Informatique — Tétouan, Morocco
2016–2018Compétences
- Modélisation générative:
- Diffusion models, GANs / cGANs, VAEs, Transformers, Sequence models
- Machine learning:
- PyTorch, TensorFlow, Hugging Face, scikit-learn, Transfer learning, Architecture search
- Domaines applicatifs:
- NLP / low-resource MT, Computer vision, Remote sensing, Radio propagation, Combinatorial optimisation
- Ingénierie et MLOps:
- Python, Docker, MLflow, Airflow, GCP, Slurm, Linux / Bash, Git, C, TypeScript
Langues
- FrançaisLangue maternelle
- BambaraLangue maternelle
- AnglaisProfessionnel