Sélectionner une page

L’I.A.* et le N.L.P.* au service de la RSE

Un programme de R&D mené en partenariat avec l’Université Paris Dauphine, rattaché au domaine d’excellence Data.

Contexte

La multiplication des données (actualités réseaux sociaux, rapports d’entreprises, communiqués) est devenu un défi majeur pour les experts et décideurs en RSE pour extraire et interpréter les données clés.

pour quoi ?

Le programme de recherche développe un outil interactif d’IA qui offre:

  • Un suivi en temps réel des tendances RSE par entreprise, sujet, secteur ou région.
  • Un scoring de réputation RSE, en temps réel
  • Des alertes sur les actualités majeures concernant les sujets, les lois, les entreprises et les controverses.

Comment ?

Les avancées technologiques majeures en IA et NLP, en utilisant des modèles de langage avancés comme GPT, permettent d’extraire automatiquement des informations pertinentes en temps réel à partir de divers documents, y compris les actualités. L’outil développé identifie automatiquement diverses informations comme : les entreprises, les personnalités publiques, les lois, les déclarations prospectives et les controverses mentionnées dans chaque document, en fournissant également une analyse de sentiment et une synthèse. Toutes ces données sont ensuite agrégées dans un dashboard interactif, offrant des alertes personnalisées qui permettent à chaque utilisateur de suivre les informations correspondant à ses besoins spécifiques.

Pour qui ?

Les banques, les compagnies d’assurance et les gestionnaires d’actifs.

CHERCHEURS

Docteure Sara MEFTAH

Docteure Sara MEFTAH

Diplômée d’un Master 2 en Intelligence Artificielle (Paris Dauphine), et détentrice d’un diplôme d’ingénieur en Informatique (École Nationale Supérieure d’Informatique — Algérie), Sara a obtenu son doctorat en traitement automatique des langues (Natural Language Processing — NLP) au Commissariat à l’Énergie Atomique et aux énergies renouvelables (CEA) et à l’université de Paris Saclay, où elle a développé des nouvelles méthodes et techniques de Transfer Learning pour contourner le problème de la rareté des données annotées. Les travaux de Sara sur le Natural Language Processing ont été publiés et présentés dans différentes conférences nationales et internationales. Sara est chercheure au Square Research Center et contribue en particulier aux travaux de recherche de deux sujets. Le premier sujet porte sur la conception et le développement de nouvelles méthodes d’interprétabilité et d’explicabilité des modèles d’apprentissage automatique. Le deuxième sujet porte sur le développement des modèles de NLP pour l’analyse et le scoring de la réputation climatique des entreprises. Elle est Chercheure associée au Lamsade (UMR 7243).
Publications
  • “Intelligence Artificielle : comment anticiper les nouvelles réglementations européennes”, Maddyness — 25/10/2021
Docteur Anass Akrim

Docteur Anass Akrim

Anass a obtenu son Doctorat en Intelligence Artificielle et Mathématiques Appliquées en maintenance prédictive (secteur aéronautique). Sa thèse portait sur l’application des méthodes de Deep Learning pour prédire avec précision la durée de vie restante des composants aéronautiques, permettant ainsi d’optimiser l’efficacité de la maintenance et d’accroître la sécurité dans l’industrie aérospatiale. Anass est issu d’une formation initiale en Mathématiques Appliquées, Informatique et Finance de l’Université Paris Dauphine. Il a aussi un diplôme d’ingénieur des Mines en Big Data et Data Science, associé à un double diplôme en Banque et Finance à l’IAE de Saint-Etienne. Avec des solides compétences en mathématiques appliquées, statistiques, informatique et finance, il possède une expertise polyvalente dans les secteurs financier et aérospatial, notamment en matière de prévision de risques financiers, de détection d’anomalies et de maintenance prédictive.Dans ses travaux de recherche au sein du Square Research Center, il s’intéresse particulièrement aux enjeux actuels en intelligence artificielle : l’exploitation des données climatiques, la rareté des données étiquetées (i.e. data scarcity), l’évaluation de l’incertitude et l’interprétabilité des modèles prédictifs pour optimiser les performances et la prise de décision.

LES AUTRES PROGRAMMES SQUARE RESEARCH CENTER

Share This