Axes de recherche

L'ensemble de l'activité du laboratoire s'articule autour de deux Axes de recherche complémentaires :

Première Axe:

Le rapide développement des réseaux et des technologies liées aux systèmes d'information a provoqué l'émergence d'applications complexes nécessitant l'accès à  plusieurs systèmes. Ces applications ont créé des besoins en termes de partage, d'intégration et d'accès transparent aux données et services fournis par des systèmes d'information hétérogènes.

Ces objectifs doivent aujourd'hui être réalisés dans un contexte d'informatique distribuée marqué par la généralisation de la diversité des modes d'accès à  l'information et par la recherche générale d'interopérabilité.

Ce contexte suscite la création de standard et, combiné au nouveau contexte du Web sémantique, soulève des problèmes nouveaux dont les solutions passent par l'adaptation de technologies déjà  connues ou par l'exploitation de technologies qui restent encore à  inventer.

Le but central de cette partie est de concevoir et d'expérimenter les méthodologies des systèmes d'information distribués, communicants et pervasifs (y compris bases de données distribuées et les entrepôts de données) et les technologies (outils) nécessaires à  la l'interopérabilité des systèmes plus particulièrement dans le Web en se basant sur les architectures orientée services. S'ajoutent à ceux-ci les nouvelles tendances des réseaux (y compris les réseaux sans fil) et la sécurité de l'information.

Second Axe :

De nouveaux concepts de l'intelligence artificielle distribuée ont été développées telles que les systèmes multi-agents et les ontologies. L'avènement des systèmes distribués et de l'internet nécessitent tout ces concepts pour un meilleur partage et une recherche de l'information efficace.

Les recherches actuelles s'orientent vers le développement de la nouvelle génération machines intelligentes (y compris des robots ou agents intelligent, basés sur le web sémantique et les ontologies, pour le partage et la recherche de l'information dans le Web).

L'intérêt est d'intégrer les paradigmes de calcul des systèmes experts dans de nouveaux paradigmes tels que le connexionnisme, les systèmes experts flous, les systèmes hybrides neuro-flous et la génétique artificielle et évolutionnaire. Les capacités d'apprentissage et de généralisation de tels systèmes dans un environnement sont déterminantes pour leur performance.

En effet, la logique derrière le raisonnement humain n'est pas binaire, ou même multi-valuée, mais plutôt une vérité floue associée à  des connections floues et des inférences floues. Dans ce contexte, il est avantageux d"extraire automatiquement des connaissances (fonctions, paramètres, ontologies).

L'auto-ajustemnt , l'extraction de la connaissance à  partir d'exemple (ou données), le traitement automatique du langage naturel et le datamining (et web mining) sont les principaux axes de recherches actuels.