GAST – Gestion et Analyse des données Spatiales et Temporelles
Organisation
- Juba Agoun (ERIC / Université Lumière Lyon 2)
- Clément Iphar (LETG / UBO Brest)
- Aurélie Leborgne (ICube / UNISTRA Strasbourg)
- Nida Meddouri (LRE / EPITA Paris)
- Loïc Salmon (ISEA / UNC Nouméa)
Résumé : L’atelier GAST 2026 réunit chercheurs et praticiens autour des enjeux de la gestion et de l’analyse des données spatiales et temporelles. Il vise à favoriser les échanges sur les méthodes de représentation, d’extraction, d’apprentissage et de visualisation de ces données, qu’elles soient issues de capteurs, d’images satellites, de textes ou de traces mobiles. Les participants y partagent leurs approches, outils et algorithmes pour comprendre et modéliser la complexité du temps et de l’espace. Enfin, l’atelier se veut un lieu de rencontres interdisciplinaires, mêlant recherche académique et applications industrielles.
Site web : https://gt-gast.irisa.fr/appel-a-communication-gast-2026/
SiDoS – Similarité de Données Séquentielles massives : définition, calcul et optimisation
Organisation
- Thomas Devogele, Nicolas Labroche (LIFAT Tours)
- Veronika Peralta (LIFAT Tours)
- Patrick Marcel (LIFO Orléans)
- Sophie Robert (LIFO Orléans)
Résumé : L’atelier porte sur la définition et l’optimisation du calcul de similarités sur de gros volumes de données de type séquences. Ce thème est à la croisée des domaines HPC (calcul haute performance) et analyse et exploration de données. Il recouvre différents challenges scientifiques : prise en compte de la spécificité des données (séquences, séries, trajectoires, etc.), définition de méthodes de réduction de dimensionnalité et indexation, parallélisation du calcul de similarité, adaptation d’approches existantes (par exemple, sur séries temporelles ou données spatio-temporelles), etc.
Site web : https://sites.google.com/view/sidos2026/
NeuroSym4MLLM – Neuro-symbolique et connaissances pour les LLMs multimodaux
Organisation
- Ali Ayadi (ICube/Université de Strasbourg)
- Cédric Wemmert (ICube/Université de Strasbourg)
Résumé : Les grands modèles de langage multimodaux (MLLMs) progressent vite mais restent limités par les hallucinations et un raisonnement parfois fragile. L’atelier NeuroSym4MLLM propose d’explorer les approches neuro-symboliques combinant graphes de connaissances et ontologies avec des MLLMs afin d’améliorer la factualité, la robustesse et l’explicabilité. Il met l’accent sur la construction de ressources multimodales, l’infusion de connaissances (RAG, contraintes/règles) et le raisonnement vérifiable en contexte réel. L’objectif est de fédérer la communauté EGC autour d’approches permettant des décisions traçables, adossées à des connaissances formelles, et transférables à des domaines exigeants.
Site web : https://neurosym4mllm.icube.unistra.fr/
GOLE – Graphes de connaissances et Ontologies : de l’Apprentissage à l’Exploitation, état des lieux et perspectives
Organisation
- Mounira Harzallah (LS2N/Université de Nantes)
- Davide Buscaldi (LIPN/Université Sorbonne Paris Nord)
Résumé : Cet atelier mettra en lumière les avancées sur les graphes de connaissances (KG) et les ontologies, en se focalisant sur trois axes clés : leur apprentissage, leur utilisation dans les techniques d’apprentissage, et leurs applications variées dans des domaines différents. Cet atelier offrira l’opportunité aux chercheurs académiques et aux industriels intéressés par cette thématique de partager leurs travaux, et de créer des synergies en vue de collaborations et projets communs.
Site web : https://sites.google.com/view/goleegc2026/accueil
IACD – Intelligence Artificielle Centrée sur les Données
Organisation
- Davide Guastella (LIS/Universités de Aix-Marseille et Toulon)
- Alexis Guyot (LIS/Universités de Aix-Marseille et Toulon)
- Sana Sellami (LIS/Universités de Aix-Marseille et Toulon)
- Frédéric Flouvat (LIS/Universités de Aix-Marseille et Toulon)
Résumé : L’objectif de cet atelier est de réunir les membres de la communauté et les professionnels autour du concept de “data centric AI”. L’Intelligence Artificielle centrée sur les données est une approche prometteuse qui place les données au cœur du processus d’apprentissage automatique, contrairement aux approches traditionnelles centrées sur les algorithmes et les architectures de modèles. Il s’agit d’un paradigme émergent ces dernières années comme le montre les ateliers organisés dans les conférences de premier plan (p.ex. NeurIPS 2021, ICDM 2023, ICML 2024, VLDB 2024, WWW 2024). Cette approche est axée sur la qualité, la quantité et la représentativité des données qui sont des facteurs clés de la fiabilité et de la robustesse des systèmes d’IA.
Site web : https://sites.google.com/view/atelier-iacd-2026
Explain’AI 2026
Organisation
- Julien Aligon (IRIT/Université Toulouse Capitole)
- Nicolas Labroche (LIFAT/Université de Tours)
Résumé : L’atelier Explain’AI s’intéresse à l’ensemble des aspects relatifs à l’explication des pipelines de traitement de l’information allant des choix de gestion des systèmes d’informations aux prétraitements de données et aux algorithmes d’analyse jusqu’à la restitution d’information à l’utilisateur final. Nous souhaitons dans le cadre de cet atelier réfléchir à la place centrale de l’utilisateur dans les processus d’explication et faire des liens notamment avec les sciences cognitives.
Site web : exai26.lifat.fr
TextMine – Atelier sur la fouille de textes (IA, Text mining, NLP, …)
Organisation
- Pascal Cuxac (INIST-CNRS, Nancy)
- Cédric Lopez (EMVISTA, Montpellier)
- Adrien Guille (Labo ERIC, Université Lyon 2, Lyon)
Résumé : Les méthodes automatiques de fouille de données (data mining), et plus spécifiquement celles de fouille de textes (text mining) sont devenues incontournables. Les méthodes récentes ont créé de nouvelles possibilités de recherche pour traiter des données massives et de grandes dimensions. Cependant, de nombreuses questions restent en suspens, par exemple en ce qui concerne la gestion de gros corpus textuels multi-thématiques. Pouvoir disposer d’outils d’analyse textuelle efficaces, capables de s’adapter à de gros volumes de données, souvent de nature hétérogène, rarement structurés, dans des langues variées, des domaines très spécialisés ou au contraire de l’ordre du langage naturel reste un challenge. Le but de cet atelier est de réunir des chercheurs sur la thématique large de la fouille de textes. Cet atelier vise à offrir une occasion de rencontres pour les universitaires et les industriels, appartenant aux différentes communautés de l’intelligence artificielle, l’apprentissage automatique, le traitement automatique des langues, pour discuter des méthodes de fouille de texte au sens large et de leurs applications.
Site web : https://textmine.cnrs.fr/groupe-de-travail-textmine/
rEsp-IA – Enseigner l’IA responsable
Organisation
- Cécile FAVRE (ERIC, Université Lumière Lyon 2, Lyon)
- Alexis GUYOT (LIS, Aix Marseille Université, Marseille)
- Nathalie VALLES-PARLANGEAU (LIUPPA, Université de Pau et des Pays de l’Adour, Anglet)
Résumé : Cet atelier propose un espace d’échanges autour de l’enseignement de l’IA responsable et vise à fédérer les personnes intéressées, avec la perspective notamment de mutualiser à terme des ressources pédagogiques. Alors qu’est-ce que serait exactement une “IA responsable” ? Comment former nos étudiantes et étudiants à cela ? Comment leur faire prendre conscience de cette responsabilité ? Quel serait le contenu d’un enseignement dédié à cela et les outils pédagogiques appropriés ? Ou peut être comment transmettre cela de manière plus transversale ? Et encore nombre de questions auxquelles nous vous proposons de réfléchir collectivement dans le cadre de cet atelier “Enseigner l’IA responsable” qui laissera une large place aux échanges.
