De gauche à droite : Dr. Jean Lancrenon, M. Nicolas Domenjoud, Prof. Pascal Bouvry, M. Jean-Marie Reiff, Dr. Jean-Philippe Humbert, Dr. Grégoire Danoy, Dr. Mohammed Alswaitti, Mme Hedieh Haddad, Mme Maria Hartmann, Mme Natalia Vinogradova-Cassagnes et M. Manuel Combarro Simon
Depuis 2017, l’ILNAS et l’Université du Luxembourg, via son Centre interdisciplinaire pour la sécurité, la fiabilité et la confiance (SnT), ont établi un partenariat visant à rapprocher la normalisation technique et la recherche scientifique. Dans ce cadre, un nouveau programme de recherche, intitulé « Technical Standardisation for Trustworthy ICT, Aerospace, and Construction » (2021-2024), s’est progressivement mis en place, entre les deux entités, au cours des derniers mois. L’équipe de recherche est désormais au complet pour développer de nouveaux projets ambitieux mixant recherche et normalisation technique.
Le programme de recherche fait intervenir trois doctorants et un PostDoc, au sein du groupe Parallel computing and Optimisation Group (PCOG), dirigé par Prof. Pascal Bouvry et Dr. Grégoire Danoy (chef adjoint). Chacun des doctorants, encadré par Dr. Mohammed Alswaitti, va conduire des recherches portant sur l’un des secteurs identifiés comme porteurs pour l’économie dans la stratégie normative nationale 2020-2030, à savoir : les Technologies de l’Information et de la Communication (TIC), l’aérospatial et la construction, le secteur des TIC demeurant un axe transversal pour chacun d’entre eux.
- Projet TIC : « Satellite Images Data Marketplace » - M. Manuel Combarro Simon
Ce projet de recherche se concentre sur les problèmes combinatoires potentiels lorsque plusieurs images de différents fournisseurs de données satellitaires sont nécessaires, par exemple, pour obtenir une série chronologique d'images d'un emplacement ou pour former une mosaïque d'images pour couvrir une vaste région. Particulièrement dans ce dernier cas, le groupe d'images doit répondre à certains critères pour être fusionné.
« Nos recherches actuelles sur ce sujet ont deux objectifs majeurs : développer une évaluation heuristique pour recommander le prix le plus bas de la combinaison d'images et trouver des écarts entre l'état de l'art de la recherche et les normes existantes pour le mosaïquage d'images satellites. Par exemple, existe-t-il des lignes directrices concernant les caractéristiques que les images doivent respecter pour être fusionnées ? ».
- Projet Construction : « Building Information Modelling (BIM) and its integration with Artificial Intelligence (AI) » - Mme Hedieh Haddad
Ce projet de recherche visant à tirer parti des modèles d'apprentissage automatique pour apprendre des données disponibles, via la modélisation des informations du bâtiment (BIM) ou encore via les capteurs à la demande, ouvre des perspectives très intéressantes. Premièrement, cela permettrait de prendre des décisions indépendantes et de trouver la meilleure solution disponible pour optimiser le prix, le temps et la consommation énergétique pendant la construction. Deuxièmement, cela offrirait une certaine anticipation sur le moment où certaines actions doivent être effectuées, telles que le temps de planification, de réparation, ou encore de démolition.
L'exploitation des capacités de l'Intelligence Artificielle permet d'acquérir diverses qualités dans la construction telles que, mais sans s'y limiter, des décisions plus rapides, des prévisions de coûts et de temps, la réduction du risque d'erreur humaine et l'amélioration de la sécurité sur les chantiers. Elle permet de mieux organiser l'information et d'améliorer les performances, durant tous les processus de conception, de fabrication et de construction, ce qui est l'un des buts de la normalisation dans le domaine de la construction.
- Projet Aérospatial : « Swarms of Nano-satellites » - Mme Maria Hartmann
Ce projet de recherche se concentre sur l'application de l'apprentissage fédéré aux scénarios d'essaims de satellites. Il présente un potentiel intéressant car il permet une formation en ligne sur chaque machine et peut être exploité pour former des essaims intelligents plus robustes. Apprendre d'une manière qui maintient un modèle actuel sur chaque agent signifie que les agents peuvent toujours fonctionner avec succès si la connexion aux autres est interrompue, et reprendre le processus d'apprentissage plus tard. De plus, l'apprentissage fédéré peut éventuellement être effectué sur des essaims où tous les agents ne sont pas connectés les uns aux autres, par exemple dans les réseaux à grande échelle. L'approche d'apprentissage fédéré pourrait être étendue pour faciliter la fusion de différents types de données, permettant par exemple la mise en œuvre de plusieurs modèles de satellites observant différents aspects de leur environnement pour faire des prédictions conjointes plus précises sur leur environnement.
Étant donné que l'autonomie des essaims de satellites est un domaine de recherche nouveau et en développement rapide, cette recherche conduira probablement à l'identification des besoins en matière de normalisation et fournira de nouvelles perspectives sur les normes existantes.
L’ILNAS se réjouit des perspectives ouvertes par ce programme de recherche, notamment en termes de normalisation et d’éducation, puisque les résultats de recherches permettront également de faire évoluer le Master MTECH « mastering smart ICT, standardisation and digital trust for enabling next generation of ICT solutions », conjointement mené par l’Université du Luxembourg et l’ILNAS, qui ouvrira ses portes pour une deuxième promotion dès février 2023 (inscriptions à partir de septembre 2022), en collaboration avec la Chambre des salariés (CSL).