Améliorer la personnalisation des modèles grâce à l’apprentissage fédéré agentic sur application médicale et environnementale

Le Laboratoire d’Informatique, Systèmes, Traitement de l’Information et de la Connaissance (LISTIC) est une Unité de Recherche (UR) de l’Université Savoie Mont Blanc (USMB), reconnue depuis 2003 par le Ministère en tant qu’équipe d’accueil (EA3703). Son projet scientifique se concentre sur l’apprentissage automatique et la fusion d’information ainsi que sur les réseaux et les systèmes. Ses travaux portent sur la modélisation, la spécification et le développement de théories, d’algorithmes et de systèmes pour extraire et gérer les connaissances, notamment dans les domaines de l’observation de la Terre et du comportement humain.

L’apprentissage fédéré (Google, 2016) est une approche d’apprentissage distribué permettant d’entraîner un modèle global à partir de données réparties chez plusieurs clients, sans centraliser ces données. Cette méthode est particulièrement utilisée dans les domaines sensibles (santé, embarqué, IoT) pour des raisons de confidentialité. Cependant, les modèles globaux obtenus sont souvent peu adaptés aux distributions locales de certains clients. Pour améliorer la personnalisation, nous explorons une approche à base d’agents autonomes (Agentic AI), capables de sélectionner et d’adapter les modèles globaux les plus pertinents à leurs données locales. 

Le stage a pour but de (1) étudier les méthodes de personnalisation en apprentissage fédéré (revue des travaux existants), (2) concevoir et implémenter un agent autonome capable de sélectionner les modèles globaux les plus utiles et d’optimiser un modèle local plus adapté. (3) Évaluer expérimentalement cette approche et la comparer aux méthodes de l’état de l’art. Et (4) Contribuer à la rédaction d’un article scientifique basé sur les résultats obtenus. 

La personne recrutée sera impliquée sur la fin de son stage dans la rédaction d’un article de recherche. 

Le travail sera réalisé à l’aide d’un framework développé au laboratoire. Les tâches seront les suivantes :

• (1) Initiation à l’apprentissage fédéré à travers la lecture d’articles.
• (2) Prise en main du framework et des jeux de données.
• (3) Conception de la méthode agent.
• (4) Rédaction d’un article de recherche. 

Ce stage vous permettra d’apprendre à :

• (1) Maîtriser les principes et défis du deep learning et de l’apprentissage fédéré.
• (2) Développer des compétences de méthodologie scientifique (lecture critique, évaluation, comparaison).
• (3) Rédiger une publication scientifique (en tant que co-auteur).
• (4) Préparer une éventuelle poursuite en doctorat ou en R&D dans l’industrie. 

Nous recherchons un stagiaire de niveau bac+5, en master ou en école d'ingénieur.

Pour candidater, il est nécessaire d'avoir suivi une formation en informatique. Les connaissances attendues du candidats portent sur le deep learning, Tensorflow et Python.