Projets

Travaux choisis

Cinq projets illustrant une même idée appliquée à plusieurs modalités : apprendre un modèle génératif de ce qui est coûteux à simuler, puis l'exploiter. Lorsque les travaux sont publics, l'article, le jeu de données et le code sont liés.

01Langage2025–2026

Kumatigi — French↔Bambara translation corpus

Un corpus parallèle de 67k paires annotées en qualité pour une langue quasi absente des données exploitables, publié ouvertement et à Findings of ACL 2026.

Le bambara est parlé par des millions de locuteurs au Mali et dans l'espace mandingue, mais les données parallèles fiables sont rares. J'ai construit un pipeline de curation et d'augmentation attribuant un score de qualité à chaque paire, combinant traduction aller-retour pour la fluidité et rétro-traduction pour la couverture lexicale. La gestion de la variabilité orthographique du bambara s'est révélée plus déterminante que le volume : le filtrage par qualité apporte +3–4 BLEU face à des références à volume équivalent, confirmé par évaluation humaine. Auteur unique, publié en versions successives sur le Hugging Face Hub.

Article Jeu de données

02Vision2021–2025

Generative radio maps for indoor Wi-Fi planning

Modèles cGAN, diffusion et ResUNet informé par la physique prédisant la couverture Wi-Fi depuis un plan, en remplacement du lancer de rayons. Brevet déposé ; Top 5 au Grand Challenge ICASSP 2025.

Planifier un déploiement Wi-Fi suppose d'évaluer des milliers de configurations de points d'accès, chaque évaluation nécessitant traditionnellement une simulation par lancer de rayons trop lente pour une boucle d'optimisation. J'ai reformulé la prédiction de carte radio en génération image-à-image : IRGAN (IFIP Networking 2023) prédit une carte de couverture complète depuis un plan 2D à 2,5 dB de RMSE. Les travaux suivants ont ajouté diffusion conditionnelle et ResUNet informé par la physique, généralisant à des bâtiments et fréquences inconnus — Top 5 sur 16+ équipes à ICASSP 2025. Un autre volet a comblé l'écart simulation–réalité via des mesures 5 GHz réelles (EuCAP 2024). Le modèle appris alimente ensuite une optimisation métaheuristique du placement des points d'accès, avec un brevet déposé sur la propagation de l'incertitude du modèle.

Article

03Séquences2025–

Synthetic mobility traces with generative transformers

Modèles génératifs à base de transformers produisant des trajectoires de mobilité réalistes, permettant d'exploiter la donnée opérateur sans exposer d'abonnés réels.

Travaux en cours à Orange Research. Les données de mobilité issues de la signalisation réseau sont très précieuses pour la planification des transports et l'analyse urbaine, mais figurent parmi les plus sensibles détenues par un opérateur. L'objectif est d'obtenir des modèles génératifs dont les échantillons préservent la structure statistique utile — distributions de déplacements, temps de présence, corrélation spatiale — sans correspondre à aucun individu réel. En cours ; détails soumis à confidentialité.

04Vision2021–2022

Satellite image time-series completion

Un réseau de fusion exploitant l'hyperspectral Sentinel-3 pour reconstruire les dates manquantes des séries Sentinel-2, pour le suivi des eaux côtières.

Les séries temporelles optiques sont criblées de lacunes — nuages, périodes de revisite — précisément quand l'observation continue importe le plus. Développée au LISIC, cette architecture exploite la complémentarité de deux missions Copernicus : Sentinel-2 pour le détail spatial, Sentinel-3 pour la fréquence de revisite et la richesse spectrale. Leur fusion reconstruit des images plausibles aux dates manquantes. Publié à ICASSP 2022 et GRETSI 2022.

Article

05Langage2025–2026

Transformers from scratch — NMT, sentiment, RAG

Implémentations open source construites depuis les principes de base : Transformer seq2seq complet pour la traduction, encodeur pour la classification de sentiment, et pipeline RAG sur base vectorielle.

Écrits pour garder les fondamentaux affûtés et disposer d'un support lisible pour les étudiants et stagiaires — attention, encodage positionnel, masquage et boucle d'entraînement implémentés directement en PyTorch. Le projet RAG couvre les stratégies de découpage, la recherche hybride mot-clé/sémantique, la transformation de requête et l'évaluation.

Code