|
|
|
Détails du programme (provisoire)Plénière 1 : Vision européenne du partage des données de la recherche
Vision européenne du partage des données de la recherche : Résumé : Le partage des données de la recherche est devenu un enjeu majeur en Europe ces dernières années, avec une prise de conscience croissante de l'importance de l'accès ouvert aux résultats de la recherche et de la collaboration entre les chercheurs. Dans cette présentation, nous examinerons les politiques et stratégies pour promouvoir l'accès ouvert et la réutilisation des données et renforcer la collaboration et la diffusion du savoir en Europe et dans les pays de l'Union. Nous verrons comment la Commission européenne a intégré des exigences de partage des données dans ses programmes de financement de la recherche et de l'innovation, tels que Horizon 2020 et Horizon Europe, et les initiatives nationales mises en place par les États membres de l'UE. Nous aborderons également les défis et opportunités liés à la mise en œuvre du partage des données en Europe, ainsi que les perspectives d'avenir offertes par les nouvelles technologies et les initiatives de collaboration internationale.
Session 1 : Des données nativement FAIR
Titre à venir : Résumé : A venir L’écosystème web sémantique PO2/TransformON : en route vers le FAIR by Design ! Résumé : Nous assistons à une accélération de la volonté mondiale de faire converger les modes de consommation et de production vers une approche circulaire et plus durable des systèmes alimentaires. Les systèmes alimentaires sont des systèmes complexes et multidimensionnels définis par l'OCDE comme les éléments et les activités liés à la production et à la consommation d’aliments et leurs effets, notamment sur l'économie, la santé et l'environnement. Pour relever le défi de reconnecter l'agriculture, l'environnement, l'alimentation et la santé, il est nécessaire d'intégrer et d'exploiter des données provenant de sources et de formats hétérogènes. Dans ce contexte, les ontologies peuvent jouer un rôle important car elles fournissent une représentation formelle des connaissances et une structure pour l'intégration des données. Nous présentons une nouvelle ontologie de domaine basée sur le modèle générique Process and Observation Ontology (PO2). L'objectif de l’ontologie PO2/TransformON est de décrire les procédés de transformation depuis les matières premières jusqu'aux produits finis, y compris le recyclage des déchets. Le champ d'application couvre également la caractérisation des denrées alimentaires, des sous-produits utilisés en alimentation animale et des résidus agro-alimentaires ainsi que des produits biosourcés non alimentaires comme par exemple des emballages. Nous montrerons comment l’utilisation de cette ontologie couplée aux technologies du web sémantique permet de répondre aux enjeux de la Science Ouverte en publiant des jeux de données nativement FAIR (Faciles à trouver, Accessibles, Interopérables et Réutilisables). Ces données peuvent ensuite être réassemblées et réutilisées par d’autres systèmes pour l’optimisation des procédés ou l’aide à la décision multicritère. Vers des données FAIR en neurosciences : Résumé : L’Institut de Neurosciences de la Timone a depuis trois ans commencé à rationaliser la gestion et le traitement de ses données. En particulier un objectif est d'aller vers des données FAIR quelque-soit la modalité d’acquisition. Je présenterai les difficultés inhérentes à cet objectif, les projets mis en oeuvre pour l’atteindre, et la nécessité d’utiliser ou de développer un environnement de structuration des données qui soit universel et compatible par nature avec le formalisme FAIR. FAIR un processus inné et/ou acquis ? Résumé : Le processus de FAIRisation des données peut intervenir depuis le stade de leur production jusqu’au stade de leur archivage. Pour certaines données, une FAIRisation by design constitue la garantie de leur partage et de leur réutilisabilité. Pour d’autres, c’est une FAIRisation at the end qui le sera. Toutefois, dans bien des cas, l’obtention de données FAIR by design n’exclue pas d’avoir à ré intervenir, ultérieurement, sur des démarches de FAIRisationin progress de tout ou partie des étapes du cycle de leur vie. La problématique de ces trois « voies » de la FAIRisation sera illustrée au travers de quelques exemples issus de différentes disciplines scientifiques représentées au CEA (matériaux, neuroimagerie, physique des hautes énergies …)
Session 2 : Éthique et données de recherche pour une réutilisation
Limites du partage des données de la recherche : Résumé : La recherche vise à repousser toujours plus loin les frontières de la connaissance humaine. L’humanité entière devrait en profiter. Et, comme le numérique autorise une diffusion quasiment gratuite, le partage devient indolore. Dès lors, on se doit de l’encourager et de promouvoir l’ouverture des publications et des données scientifiques pour que tous en profitent. Or, à l’analyse ce partage apparemment généreux se heurte à un certain nombre d’obstacles d’ordre éthique et technique. Certain tiennent au caractère personnel ou sensible des données, d’autres à l’iniquité du partage lorsqu’il prive les producteurs de données du bénéfice de leur travail, d’autres enfin à l’incompatibilité des formats. L’exploitation des données génomiques : nouveaux enjeux éthiques : Résumé : Le traitement actuel des maladies mobilise de plus en plus les données génomiques. En cancérologie, la place croissante de la génétique conduit à un véritable changement de paradigme, la classification des tumeurs par organes cédant le pas à une classification en fonction des mécanismes génétiques (ou cellulaires) qui les caractérisent. Sur un plan éthique, l’accès élargi aux données génomiques est sources de nouveaux dilemmes. La problématique du risque se déplace. Une recherche biomédicale menée à partir d’échantillons biologiques prélevés auprès de patients est susceptible de fournir des informations inattendues. Ainsi, un patient ayant consenti à la cession d’un échantillon biologique peut être alerté sur un risque accru de développer une autre maladie que celle qu’il endure hic et nunc. C’est ce qui a lieu lorsque le séquençage de son génome met en lumière une autre mutation que celle qui était initialement recherchée. En vertu de la loi de bioéthique de 2021, les apparentés du patient doivent aussi être alertés dans les cas où le variant génétique est justiciable d’une mesure préventive. Le risque est de faire naître chez les patients et leurs proches des inquiétudes infondées. Gouverance des données : Résumé : A venir
Mini Session : Évaluation de la recherche et Données. Prise en compte de la diversité dans l’évaluation
Titre à venir : Résumé : A venir Evolution nécessaire de l'évaluation de la Recherche : Résumé : Il est largement reconnu que l'évaluation de la recherche doit évoluer et ne plus être dominée par les indicateurs bibliométriques. Cela concerne au premier chef, mais pas seulement, la généralisation de la science ouverte et donc la prise en compte du partage des données (et des logiciels) de la recherche. L'une des mesures préconisées par le deuxième plan national pour la science ouverte pour transformer les pratiques et faire de la science ouverte le principe par défaut est de "valoriser la science ouverte et la diversité des productions scientifiques dans l’évaluation des chercheurs et enseignants chercheurs, des projets et des établissements de recherche". La prise de conscience partagée de cette nécessaire évolution conduit à des initiatives qui travaillent sur la question au niveau institutionel, national et international. A ce niveau, on discutera en particulier la Coalition for Advancing Research Assessment (CoARA), une organisation internationale créée en 2022 avec la mission de faire reconnaître la diversité des produits, des pratiques et des activités qui maximisent la qualité et l'impact de la recherche. Les travaux mené dans le domaine de l'évolution de l'évaluation de la recherche par la Research Data Alliance, dont la mission est de faciliter le partage des données de recherche, seront égalament évoqués. Les deux organisations, ainsi que leur chapitres nationaux sont en contact sur la question. Plénière 2 : Métiers et actvités de la donnée
Métier et activités de la données : retours sur l'étude menée Résumé : Le MESR a lancé une étude sur les métiers de la donnée qui a été déclinée en plusieurs phases : étude bibliographique, enquêtes par questionnaire et entretiens, menées par un groupe de travail large et représentatif. Visant à développer et reconnaître toutes les compétences et activités des chercheurs, enseignants-chercheurs, personnels d’appui à la recherche et administratifs, en matière de gestion, préservation, circulation et partage des données des données, cette étude a produit des résultats qui seront présentés lors de cette session. Table ronde autour de la formation
Titre à venir : Résumé : A venir Titre à venir : Résumé : A venir L’IA à l’échelle industrielle : La place de la donnée : Résumé : La présentation aura pour finalité de présenter, de façon didactique, le cadre juridique applicable aux données de la recherche à caractère personnel. Cette catégorie de données est, en effet, rarement bien comprise, alors que les législations applicables sont de plus en plus nombreuses et complexes. Titre à venir : Résumé : A venir Session 3 : Diversité des données au service de l’interdisciplinarité
IA à l’échelle industrielle : la place de la donnée : Résumé : Enedis pilote le plus grand réseau de distribution d’électricité d’Europe au service de la société et des territoires. En tant qu’entreprise à mission engagée dans la transition écologique, nous construisons la nouvelle France électrique, en accompagnant des usages visant à plus de sobriété énergétique. Dans le cadre de notre activité, nous sommes amenés à gérer un volume conséquent de données au quotidien. La collecte, le traitement et l’analyse de ces dernières sont au cœur de notre action opérationnelle tant sur le plan de la performance industrielle que dans l’objectif de faire face aux défis qui se posent à nous en tant qu’acteur central de la transition écologique de la France. Du fait de notre rôle d’opérateur et gestionnaire de réseau électrique, les métiers de la donnée font partie de nos fondamentaux. Nous avons fait évoluer ces derniers de manière synchrone avec les avancées technologiques et l’évolution de l’état de l’art dans les domaines des mathématiques et de l’informatiques. C’est donc naturellement que nous adaptons aujourd’hui nos processus internes à l’émergences de nouvelles opportunités liées aux avancées dans le domaine de l’Intelligence Artificielle. L’intégration de cette technologie au cœur de nos processus industriels repose sur plusieurs facteurs. Il y a d’abord des prérequis indispensables pour le passage à l’échelle. Pour être capable de faire de l’IA à l'échelle industrielle, il est absolument nécessaire de s’organiser collectivement et prendre la mesure des défis industriels et poser les fondamentaux d’une telle démarche, à savoir :
Ensuite pour réaliser nos cas d’usage, on commence par un processus d’évaluation de sa faisabilité et de sélections de modèles de bases. L’accès à des modèles pré-entrainés sur de très larges jeux de données est clé. Ces modèles sont publiés par les GAFAM. Si nécessaires, nous constituons des jeux de données en vue de l’entrainement des modèles spécifiques aux cas d’usages métiers. Cette étape nécessite une grande qualité des données et implique souvent une contribution importante des experts et opérationnels des domaines concernés. De ce fait, il apparait plus que jamais nécessaire d’accéder simplement à des données de l’entreprise, mises en juste qualité, juste suffisante pour l’IA. Or ces données sont silotées par construction dans les SIs de l’entreprise. Il faut les désincarcérer pour les rendre accessible à toutes opérations de crunching de données ! Par ailleurs, l’IA a cela de particulier que, contrairement aux systèmes numériques classiques, son appropriation ne se réduit pas à la maitrise de ses fonctionnalités et de son interface fixant des usages déterminés et figés dans le temps. Sa performance peut s’améliorer dans le temps à la condition que l’IA soit améliorée par les salariés qui l’utilisent. Enfin, le suivi de la dérive des distributions des données dans le temps constitue le dernier maillon de la chaîne. Il revêt une importance capitale dans un contexte industriel évoluant dans un environnement variable. On parle alors de maintenance en condition d’intelligence. How does Airbus Helicopters unlock the value of flight data ? Résumé : At Airbus Helicopters large amounts of data are collected in order to reach industrial excellence. These data cover design specification, aircraft maintenance and data from our numerous customer operations. This presentation emphasises on operational data recorded in-flight thanks to the health and usage monitoring systems. Trustworthy insights from data require first reliable data streams. High performance systems to process and store data are thus deployed and presented here. Processed flight data is then accessed by a wide range of domains to generate value all across the company. The value-driven approach to data analytics and examples of advanced techniques are shown in this presentation. Finally, open challenges emerging from the processing of helicopter flight data will be discussed. Titre à venir : Résumé : A venir Mettre à profit la multitude de données au service de la Décarbonation du transport Martime et la réduction des émissions de CO2 : Résumé : TNTM avec une diversité de données permettant de comprendre et d’optimiser la conception / l’utilisation des navires en mettant en place des modèles numériques liés :
Session 4 : Sécurité et fiabilité des données, en particulier des données de santé
Session 4 (Part 1) : Vue générique sur la sécurité et la fiabilité des données de recherche
Au niveau des infrastructures : Résumé : A venir Enjeux Politiques : Résumé : A venir
Session 4 (Part 2) : Table ronde, focus sur les données de santé
Intégrer l'expérience et les résultats rapportés par les patients au cœur des systèmes de santé et des technologies basées sur l'intelligence artificielle : Résumé : "Intégrer l'expérience et les résultats rapportés par les patients au cœur des systèmes de santé et des technologies basées sur l'intelligence artificielle." Pour valoriser les données de santé : un socle technique robuste, interopérable et sécurisé : Résumé : La nécessité d'un socle technique robuste, interopérable et sécurisé pour créer de la valeur à partir des données de santé personnelles est cruciale pour plusieurs raisons :
Titre à venir : Résumé : A venir |
| Personnes connectées : 2 | Vie privée |
|
