Fabian Suchanek est professeur à Télécom ParisTech. Il a rejoint l’école en 2013. Au sein du LTCI, le travail du chercheur porte sur les graphes et plus particulièrement sur les bases de connaissance. Il s’occupe à la fois de la construction automatique des bases de connaissance mais aussi de la fouille de données dans ces bases. Cette fouille de données trouve des motifs ; par exemple, si une personne est mariée et réside dans une certaine ville, il est fort probable que son époux/se y vive également etc. La fouille de données peut également trouver quels sont les attributs obligatoires d’une classe d’entités (tel que l’âge pour une personne) et quels sont les attributs optionnels (tel que l’époux d’une personne). Et un travail de recherche, mené avec ParisSud, le centre Inra de Montpellier et Inria Rennes, porte sur la fouille de clés, à savoir une clé est une combinaison d’attributs qui identifie une entité de manière unique (pour une personne, cela va être son prénom, son nom et sa date de naissance par exemple). Pour le chercheur, il s’agit à chaque fois d’établir des « contraintes » qui vont servir à nettoyer les bases de données. Fabian Suchanek travaille également sur les trends historiques, en collaboration avec l’Université de Stockholm : ces travaux permettent notamment de tracer l’évolution de l’espérance de vie à travers les âges.

 

En parallèle, depuis 2013, Fabian Suchanek a principalement continué à développer la base de connaissance dont il est le fondateur, Yago. Fruit d’une collaboration avec l’Institut Max Planck, celle-ci est aujourd’hui l’une des plus grandes bases publiques de connaissance créée à partir de Wikipédia, et son code source a été dévoilé en 2017, année du dixième anniversaire de sa création (voir notre interview). Le chercheur et son équipe ont par ailleurs été distingués en 2017 par le “Prominent Paper Award”, qui récompense chaque année une publication exceptionnelle en termes de contenu et d’impact de la revue The Artificial Intelligence Journal. Ils travaillent à présent à une nouvelle version de Yago, toujours aux côtés de l’Institut Max Planck.

 

 

En 2016, le chercheur a travaillé avec l’Université de Montpellier et la start-up Stim, incubée à ParisTech Entrepreneurs, à améliorer la créativité des ordinateurs, afin que ces derniers inventent des concepts et proposent automatiquement de nouvelles idées.

Ses travaux récents incluent également une collaboration avec Inria et Paris-Saclay sur le concept des bases de connaissance privées. Fabian Suchaneck a ainsi participé à l’élaboration d’un système permettant de rapatrier toutes les données des réseaux sociaux sur une base de données privée.

Enseignant-chercheur à Télécom ParisTech depuis 2009, Thomas Bonald  mène ses activités de recherche au sein des laboratoires LTCI et LINCS. Ses travaux portent sur la fouille de graphes, sur les techniques d’apprentissage et sur l’analyse de performance des réseaux et des centres de données.

Les graphes, qui servent à représenter des relations entre tous types d’objets physiques ou virtuels, sont devenus incontournables dans l’analyse des grandes masses de données. Par exemple, l’encyclopédie Wikipedia peut être représentée par un graphe correspondant aux liens hypertextes entre les millions de pages qui la composent ; les ventes réalisées par une entreprise forment un graphe liant produits et clients ; un corpus de textes peut être représenté par un graphe de similarité entre les textes. Pour faciliter diverses tâches de détection, de prédiction et de recommandation sur ces données, il est important d’avoir des représentations compactes des graphes, en associant par exemple à chaque nœud du graphe un point dans un espace métrique de faible dimension. Le chercheur s’intéresse à ce type de représentations, dans le cadre de collaborations avec Inria et Thalès notamment.

 

Un autre axe de recherche de Thomas Bonald concerne l’apprentissage automatique de données multi-variées, comme celles issues de capteurs d’un moteur d’avion ou d’hélicoptère. Comment détecter un état d’usure anormal du moteur et prédire le besoin d’une opération de maintenance ? Diverses techniques sont explorées, comme les réseaux de neurones récurrents. Ces travaux sont menés dans le cadre d’une collaboration avec Safran.

 

Enfin, l’enseignant-chercheur s’intéresse à la performance des réseaux et des centres de données. Il s’agit ici de concevoir des modèles simples mais réalistes du partage dynamique des ressources (bande passante, CPU, RAM, etc.) entre les utilisateurs, afin de proposer des règles de dimensionnement efficaces et de nouveaux algorithmes d’allocation de ressources. Thomas Bonald a publié avec Mathieu Feuillet un livre sur les principales techniques d’analyse de performance des réseaux et a reçu en 2013 la médaille Blondel pour ses travaux sur le sujet, développés notamment dans les laboratoires d’Orange. Ses travaux actuels sont menés dans le cadre de collaborations avec Nokia et Cisco.