LAVAL
Après avoir effectué une thèse de doctorat portant sur l'apprentissage par renforcement et la logique floue, j'ai consacré une année à l'industrialisation des résultats de ces travaux de recherche (Prix Inov'Space, médaille de la ville de Rennes). J'ai ensuite rejoint l'ESIEA en tant qu'enseignant chercheur et me suis associé à Paul Munteanu pour travailler sur l'élaboration de nouvelles méthodes d'apprentissage des réseaux Bayésiens. Ayant toujours à l'esprit l'application pratique des résultats de nos recherches et voyant le champ d'applications des réseaux Bayésiens, nous avons créé BAYESIA en 2001.
BAYESIA est désormais leader international dans le domaine des réseaux Bayésiens et du DataMining, notamment avec l'édition de BayesiaLab (logiciel d'édition et d'apprentissage automatique de réseaux Bayésiens).
Brièvement, les réseaux Bayésiens reposent à la fois sur la théorie des probabilités et sur la théorie des graphes. Ces réseaux étant lisibles, et donc aisément compréhensibles, leur apprentissage automatique à partir des données constitue un outil de découverte de connaissances très puissant (le MIT a classé cette technologie comme la 4ème technologie émergente qui allait révolutionner le monde dans la décade à venir).
Les domaines d’applications sont très nombreux. Nous les appliquons sur des problématiques de maîtrise des risques, de sûreté de fonctionnement (nucléaire par exemple), d’exploitation de retour d’expériences industrielles (amélioration de la production), de diagnostics techniques, de sécurité informatique, dans le domaine médical et pharmaceutique, et enfin, en marketing (profilage de la clientèle, scoring, étude de satisfaction, …).
Pour ne prendre que ce dernier domaine d’applications, l’approche réseaux Bayésiens est vraiment très intéressante. BVA, CSA, EDF, Experian Scorex, GfK, INIT, Ipsos, Millward Brown, PSA, Research International, la Société Générale, SocioLogiciels, ou encore SoftComputing font en effet appel à nous pour aborder de manière novatrice leurs problématiques d'analyse de données. Millward Brown France a d'ailleurs obtenu le prix de l’innovation Europe 2005 avec nos méthodes.
Les réseaux Bayésiens permettent notamment la mise en évidence de l’ensemble des relations probabilistes directes entre les variables, l’élaboration très rapide des scores sur des bases comportant plusieurs centaines de variables, la sélection des facteurs explicatifs d'une variable cible, l’obtention de modèles lisibles et interactifs (on peut tester des scenarii), ou encore de modèles d’aide à la décision pour tester des leviers, …
Pour avoir une idée sur l’efficacité de cette approche, construire un score sur une base de 750 variables ne prend que quelques minutes, discrétisations et agrégations comprises, en obtenant, sur le cas mentionné, un gain en précision de plus de 20% par rapport à un modèle de régression logistique.
Vous pouvez également consulter notre site (www.bayesia.com) pour avoir accès à des exemples d'applications (www.bayesia.com/FR/solutions/solutions.php), des présentations dynamiques (www.bayesia.com/FR/produits/bLab/ToursPresentation.php), et télécharger une version d'évaluation de BayesiaLab.
En outre, j'ai créé un hub "Réseaux Bayésiens". Ce forum a déjà plus de 180 membres d’horizons très variés. J’espère ainsi mettre en œuvre une véritable fertilisation croisée. N'hésitez donc pas à y participer (http://www.viaduc.com/hub/affichehub/?hubId=0021nt9gomycy2rf ).
Mes compétences :
Data mining
Marketing
Analyse de données
Analyse de risque
Intelligence artificielle
Statistiques
