14H00 - 14H30
Dr. Ali KHALAF (R&D MC2 Technologies), Active systems team
Détection des UAVs par IA embarquée sur des systèmes de guerre électroniques
Résumé : La prolifération des drones, véhicules aériens miniatures, a connu une croissance exponentielle ces dernières années, offrant un large éventail d’applications civiles et militaires. Dans le secteur civil, ces systèmes ont transformé des domaines tels que l’agriculture, l’inspection des infrastructures et les services d’urgence, tandis que dans le domaine militaire, ils sont devenus des outils essentiels pour la surveillance, la reconnaissance et certaines opérations de combat.
Le contexte du conflit Guerre russo-ukrainienne, ainsi que les dynamiques récentes observées au Moyen-Orient, illustrent une intensification marquée de l’emploi de drones tactiques, accompagnée d’évolutions notables en communications et en guerre électronique. Les liaisons Radio-Fréquence (RF) utilisées pour le contrôle et la transmission de données intègrent désormais des techniques d’évasion fréquentielle, telles que le saut de fréquence et l’étalement de spectre, afin de limiter les risques de détection, d’interception et de brouillage.
Dans cette même optique, l’exploitation de bandes de fréquences non conventionnelles, parfois en dehors des bandes industrielles, scientifiques et médicales (ISM), ainsi que l’adaptation dynamique des paramètres de transmission et l’usage de protocoles propriétaires contribuent également à renforcer la discrétion et la résilience de ces systèmes dans un environnement électromagnétique fortement contesté.
Face à ces contraintes, le développement de solutions intégrant de l’Intelligence Artificielle (IA) embarquée apparaît essentiel pour assurer une détection rapide et fiable sur de très larges bandes spectrales. Ces approches permettent une analyse en temps réel et une adaptation dynamique aux conditions opérationnelles, améliorant significativement la réactivité et l’efficacité des dispositifs de surveillance et de contre-mesure.
14H30 - 15H00
Virginie DENIAU, Directrice de Recherche Université Gustave Eiffel (LEOST)
Intelligences Artificielles pour la détection de drones dans le projet Resilient Trust: Challenges et ambitions
Résumé : Au cours des dernières années, les drones se sont démocratisés et font régulièrement l’objet d’articles de presse. Des drones performants et faciles à utiliser sont devenus très accessibles. En contrepartie, ils sont souvent utilisés pour des activités illicites et survolent régulièrement des espaces qui leur sont interdits. Dans ce contexte, de nombreux travaux basés sur diverses technologies sont menés pour surveiller le ciel et détecter automatiquement l’approche de drones, afin de stopper leur avancée.
Après une vue d’ensemble des technologies de détection des drones, cette présentation détaillera les travaux qui sont réalisés dans le projet Resilient Trust sur ce sujet, en analysant et caractérisant les données Radio Fréquences. Il s’agira également d’illustrer les apports que constitue l’Intelligence Artificielle et les traitements associés sur les performances des systèmes de surveillance et de détection des drones.
15H00 - 15H30
Claire MIGLIACCIO, Professeur Université Côte d’Azur
Application du machine learning à l’imagerie microondes et millimétrique
Résumé : L’imagerie microondes et millimétrique couvre un large spectre de problèmes et d’applications. Le concept d’imagerie se réfère ici à la définition du petit Larousse, initialement dédié au domaine de l’optique, mais aisément transposable aux fréquences micro-ondes et millimétriques « Ensemble de points ou d’éléments représentatifs de l’apparence d’un objet, formés à partir du rayonnement émis, réfléchi, diffusé ou transmis par l’objet. ». Dans les applications d’imagerie microondes et millimétrique, nous cherchons donc à retrouver des caractéristiques particulières des objets sondés tels que leur forme, leur permittivité ou encore le contraste entre deux matériaux. De plus, en exploitant judicieusement les propriétés de pénétration des micro-ondes dans les matériaux et l’excellente résolution liée à l’utilisation des ondes millimétriques, ces gammes de fréquences permettent de développer des systèmes pour des applications aussi variées que l’imagerie biomédicale, le contrôle non-destructif pour les produits alimentaires, ou encore les scanners de sécurité, qui seront les applications présentées dans cet exposé. Cependant, la construction d’une image à partir d’un champ électromagnétique, constitue un problème inverse, dont le caractère mal posé au sens d’Hadamard, peut rendre caduque l’obtention de la caractéristique recherchée. Nous montrerons comment les développements récents rapides en intelligence artificielle et en apprentissage machine, avec la mise à disposition de bibliothèques en accès libre, peut aider à surmonter cette difficulté, en même temps que nous discuterons des limites de actuelles de cette approche.
15H30 - 16H00
Martin ANDRAUD, Assistant Professor Université catholique de Louvain
Architectures émergentes de processeurs pour une IA embarquée fiable et efficace
Résumé : notre usage de plus en plus massif de l’IA crée des besoins énergétiques immenses pour l’exécution de ses modèles, que l’on parle d’un data center dans le cloud ou d’un processeur basse consommation dans les objets connectés de notre quotidien. Réduire ces besoins passe notamment par deux aspects complémentaires: réfléchir à des architectures matérielles plus efficaces (des accélérateurs IA), mais aussi engager une réflexion sur la pertinence des modèles actuels, et évoquer des pistes pour de futures applications avec des processeurs dédiés correspondants. Nous évoquerons ces deux points dans cette présentation, le premier focalisant sur des architectures analogiques et de calcul en mémoire (CIM) qui promettent une exécution bien plus efficace de l’IA type «deep learning», le second en parlant de l’intégration logicielle et matérielle de modèles probabilistes et neurosymboliques pour une IA fiable et de confiance.
16H30 - 17H00
Ioana VATAJELU – Chargée de Recherche CNRS, Université de Grenoble (TIMA)
Versatilité des technologies de mémoire émergentes et leurs applications
Résumé : Les technologies de mémoire émergentes suscitent aujourd’hui un fort intérêt en raison de leur potentiel à transformer de nombreux domaines de l’électronique et de l’informatique. Grâce à des propriétés telles que la non-volatilité, la faible consommation d’énergie, la rapidité d’accès et une forte densité d’intégration, des solutions comme la ReRAM, la PCM, la MRAM ou les dispositifs ferroélectriques trouvent des applications dans les systèmes embarqués, l’Internet des objets, les architectures neuromorphiques, le stockage avancé et le calcul haute performance. Leur intérêt réside surtout dans leur grande polyvalence : elles peuvent servir à la fois au stockage, à la mémoire de travail, et dans certains cas au calcul directement en mémoire. Cette flexibilité ouvre la voie à de nouvelles architectures plus efficaces, capables de répondre aux besoins croissants en performance et en sobriété énergétique. Dans ce contexte, l’intelligence artificielle apparaît comme l’un des domaines les plus prometteurs. En réduisant les transferts de données entre mémoire et processeur, ces technologies peuvent accélérer l’exécution des réseaux neuronaux et améliorer l’efficacité des systèmes d’IA, notamment pour l’embarqué et l’edge AI. Elles constituent ainsi une piste majeure pour concevoir des plateformes IA plus rapides, plus compactes et moins énergivores.
17H00 - 17H30
Adrien LAFFONT, Innovation Director Anyfields
Détection automatique de défauts de rayonnement d’antennes à partir de mesures par thermographie infrarouge
Résumé : Comment détecter rapidement les défauts du rayonnement d’antennes ? Cette présentation explore une approche innovante combinant thermographie infrarouge et intelligence artificielle pour valider le rayonnement d’antennes. La thermographie infrarouge permet de mesurer le champ électrique rayonné par une antenne de manière simple, rapide et indépendante de la fréquence. Plus spécifiquement, la thermographie infrarouge permet d’obtenir des cartographies du champ électrique rayonné par l’antenne, fournissant ainsi une caractérisation spatiale du rayonnement à différentes distances. Notre étude s’appuie sur 208 mesures réalisées sur 52 antennes PCB UWB identiques, complétées par 60 mesures sur 15 antennes présentant des défauts simulés. Deux modèles d’apprentissage profond non supervisés ont été entraînés exclusivement sur des données conformes pour apprendre le comportement de rayonnement standard. Les résultats montrent que ces modèles peuvent identifier les anomalies de rayonnement. Cette approche ouvre la voie vers des tests d’antennes automatisés pour des applications industrielles.
17H30 - 18H00
François DANNEVILLE, Professeur Université de Lille (IEMN)
Technologie neuromorphique ultra faible consommation appliquée à l’IoT
Résumé : Les réseau de neurones artificiels à spike proposent une nouvelle représentation bio-inspirée de l’information dont l’efficacité énergétique est aujourd’hui reconnue dans les domaines des capteurs. Cette technologie résolument générique peut avantageusement être déclinée pour de nombreuses applications de l’électronique embarquée du fait de son ultra faible consommation énergétique. Impliquant des transistors MOS opérant sous le seuil de conduction, les travaux présentés mettent en évidence domaines la possibilité de développer une telle technologie dans les domaines de l’acoustique, des radiofréquences et des microondes.
Chargement... 
