Le projet DIG-AI (Deciphering plant genotype-phenotype Interactions using knowledge Graphs and AI, ou « Décrypter les interactions génotype-phénotype des plantes à l'aide de graphes de connaissances et de l'IA ») vise à exploiter l'IA pour améliorer les capacités de production agricole dans les pays en développement grâce à une meilleure compréhension des relations génotype-phénotype dans un contexte de changement climatique.

agroécologie, génétique du développement chez les plantes, intelligence artificielle

Le projet AIME mobilise l'intelligence artificielle pour intégrer des données hétérogènes — images satellitaires, images et vidéos sous-marines, ADN environnemental, coordonnées GPS et télémétrie — et produire des indicateurs de biodiversité marine à différentes échelles. Les méthodes combinent apprentissage profond, ontologies et bases de connaissances, traitement du langage naturel, apprentissage automatique et réseaux bayésiens dynamiques, avec une hybridation entre approches symboliques et sous-symboliques visant à renforcer la robustesse et la précision des indicateurs.

biologie marine, bioindicateurs, océanographie, intelligence artificielle

« L’essor du “machine learning” (apprentissage automatique en français) permet d’envisager une approche complètement différente, sans aucune hypothèse physique, basée uniquement sur les données empiriques. L’idée consiste à alimenter les algorithmes avec tout ce que l’on peut avoir d’observations quantitatives des phénomènes naturels, pour voir s’ils distinguent des facteurs qui auraient échappé jusqu’ici aux spécialistes. »

géophysique, géodynamique, intelligence artificielle

Ce projet de recherche vise à réduire l'écart entre la recherche sur la biodiversité et la gestion des espaces naturels, en proposant des méthodes d'aménagement du territoire qui intègrent de manière robuste et précise les questions socio-écologiques. L'intelligence artificielle jouera un rôle central et permettra de lever les obstacles méthodologiques qui nous empêchent d'aborder correctement la complexité et l'hétérogénéité de la durabilité.

biologie, intelligence artificielle

Porté par une équipe pluridisciplinaire impliquant l'IRD, Sorbonne Université et l'AP-HP, le projet ELDORA vise à transformer la prévention des morts subites. Son objectif principal est de développer des modèles d'intelligence artificielle appliqués aux électrocardiogrammes (ECG) afin de mieux identifier les risques liés au syndrome du QT long (LQTS) et aux myocardites induites par les inhibiteurs de points de contrôle immunitaires (ICI).

santé, intelligence artificielle

Le projet Nawras mobilise l'intelligence artificielle pour évaluer la capacité du droit à protéger l'environnement marin. Il développe une méthodologie associant sciences juridiques et IA pour identifier des indicateurs permettant de mesurer « où, quand et comment le droit protège les océans », l'intelligence artificielle automatisant l'extraction des informations juridiques.

droit, biologie marine, océanographie, intelligence artificielle