Présentation du Projet
Contexte institutionnel, hypothèses scientifiques et structuration du programme.
Problématique
L'ère du numérique a engendré une multiplication des sources de données disparates. Le principal défi actuel dans la modélisation à grande échelle n'est plus la collecte, mais l'intégration et l'harmonisation de gisements de données profondément hétérogènes.
DataNexus est né de la nécessité de surmonter les limitations des ontologies de données classiques. Nos travaux visent à déployer de nouveaux algorithmes de réconciliation sémantique au sein de graphes cognitifs distribués, pour appuyer les décisions dans des systèmes critiques.
Objectifs
Les objectifs principaux du projet DataNexus se déclinent en trois axes majeurs :
- Standardisation : Créer un framework universel pour l'interopérabilité des données de recherche.
- Analyse : Développer des outils d'IA capables de traiter des volumes massifs de données hétérogènes.
- Dissémination : Promouvoir les principes FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable).
Méthodologie générale
La force de DataNexus repose sur une approche itérative en Agile Research. Chaque semestre se clôture par l'évaluation rigoureuse de nos modèles sur des cas d'usage réels fournis par nos partenaires industriels, garantissant une boucle d'amélioration continue entre la théorie et l'applicatif.
Les différents Work Packages (WPs)
WP1 : Ontologies Flexibles
Conception d'un méta-modèle ontologique permettant de cartographier à la volée des schémas de données relationnelles hérités vers des graphes de connaissances unifiés sans perte de sémantique originelle.
WP2 : Apprentissage Profond sur Graphes
Développement de Graph Neural Networks (GNN) capables d'identifier les interdépendances causales latentes sur de grands volumes de données partiellement étiquetés, avec une robustesse optimisée face aux données manquantes.
WP3 : Interface et Valorisation
Transposition des modèles analytiques dans un environnement logiciel modulaire (Workbench). L'objectif est de permettre aux experts du domaine d'interagir visuellement avec les prédictions du modèle.
Calendrier
Le projet se déroule sur une période de 48 mois (2024-2028).
| Phase | Période | Étape clé |
|---|---|---|
| Phase 1 | M1 - M12 | Conception du méta-modèle |
| Phase 2 | M13 - M36 | Développement et tests GNN |
| Phase 3 | M37 - M48 | Valorisation et Workbench |