Projets de recherche

Notre connaissance sur les constituants élémentaires de la matière, connue comme le "modèle standard", est encore perfectible. Les propriétés des neutrinos et notamment les oscillations observées entre leurs trois différentes "saveurs" sont intensément étudiées pour conforter ou mettre en défaut ce modèle standard. En parallèle, la détection de neutrinos cosmiques est maintenant considérée comme un des moyens les plus prometteurs pour étudier les sources astrophysiques susceptibles de les produire et pour caractériser et catégoriser les événements cataclysmiques de l'Univers. Seules quelques expériences, dont KM3NeT, regroupant de larges communautés d'(astro-)physiciens sont en course à travers le monde pour atteindre ces objectifs.

Le projet SPIREC relèvera les défis de la supervision des services du continuum, de la détection de leurs anomalies d’exécution et de la prédiction de l’utilisation de leurs ressources.

Développement de solutions pour les grands défis de la cybersécurité spécifiques aux environnements Cloud, afin d’assurer la confidentialité, l’intégrité et la disponibilité des données, des applications et des services

Le projet SILECS, intégré dans le cadre du PEPR Cloud, vise à structurer et renforcer l'infrastructure de la plateforme SLICES-FR pour les environnements numériques, en particulier ceux relevant du Cloud, Fog, Edge et IoT. En s’appuyant sur les acquis des plateformes existantes telles que Grid’5000 et FIT, SILECS aspire à devenir une plateforme unifiée, essentielle pour le prototypage et les expérimentations reproductibles, soutenant ainsi l'innovation et la compétitivité industrielle dans le domaine des technologies numériques avancées

MATISSE est un projet de recherche européen HORIZON-KDT-JU réunissant plus de 30 partenaires de 7 pays afin de développer une approche avancée pour l'ingénierie efficace et la validation des systèmes industriels en utilisant des jumeaux numériques (DT). En intégrant les DT aux technologies de pointe, MATISSE vise à mieux simuler, tester et prédire le comportement des systèmes. Cette approche innovante permet aux entreprises d'optimiser leurs processus industriels, de réduire les erreurs et d'augmenter la productivité, tout en simplifiant les opérations complexes. A cette fin, MATISSE propose de créer un cadre incorporant des méthodes et des outils pour l'ingénierie et la validation efficaces et continues des systèmes industriels qui sont supportés par des DT. Le projet exploite notamment les avantages des techniques basées sur les modèles, guidées par les données et en nuage pour permettre des services de validation et de vérification qui améliorent considérablement la productivité et la qualité.

Dans le domaine de la santé, la cybersécurité est au coeur des défis de l'intelligence artificielle (IA) avec l’accès à des données massives multi-échelles distribuées. Elle est également imposée par de nombreuses règles éthiques et législatives. D'un côté, la sécurité des données doit être assurée, d’un autre côté, les méthodes créées et appliquées à ces données doivent elles-mêmes être sûres. Les systèmes d'IA en santé sont identifiés par l'UE comme étant à haut risque. 

Le secteur de la santé (public et privé) génère une grande quantité de données provenant de sources aussi diverses que les dossiers médicaux électroniques, les techniques d’imagerie avancées, le séquençage à haut débit, les dispositifs portables et les données de santé publique. L’exploitation de ces données par des algorithmes sophistiqués d’apprentissage automatique a le potentiel de transformer la pratique du soin en permettant le développement de traitements, d’interventions et de politiques publiques plus efficaces et davantage personnalisés, et d’améliorer la prestation des soins de santé et au bout du compte le bien-être de la population. Toutefois, le caractère hautement sensible des données de santé, les risques de cybersécurité, les biais dans les données et le manque de robustesse des algorithmes d’apprentissage automatique constituent autant de facteurs qui empêchent actuellement de tirer pleinement bénéfice des avancées récentes en intelligence artificielle.

Les réseaux, de par leur nécessaire ouverture et leur valeur économique, sont des cibles privilégiées pour les attaquants. Le projet HiSec développe de nouvelles méthodes et outils pour sécuriser les réseaux du futur. 

Le projet SuperviZ s’inscrit dans l’axe « sécurité des systèmes » du PEPR cybersécurité et touche le domaine de la « sécurité des systèmes, des logiciels et des réseaux ». Plus précisément, il cible la détection, la réponse et la remédiation aux attaques informatiques, sujets regroupés sous l’appellation de « supervision de sécurité ». La supervision cherche à renforcer les mécanismes de protection préventifs et à pallier leurs insuffisances.

Le projet Train-Cyber-Expert a pour but de construire des ressources pédagogiques, sous forme de contenus numériques et de plateformes technologiques, organisés par blocs de compétences, dans une optique de modularité, de réutilisation et de pédagogie centrée sur les compétences conduisant à des certifications.
Ces ressources seront déployées chez les partenaires afin d’accroître ou de renforcer leurs offres de formation. Le cœur de métier des partenaires académiques étant la diplomation de niveau master (Bac+5, niveau 7), l’offre de formation principale déclinée chez ceux-ci sera orientée vers ce niveau de diplomation. Ils développeront donc une offre de master, mastère spécialisée, ingénieur de spécialité en cybersécurité et post-master, en privilégiant l’alternance de manière à faciliter l’insertion professionnelle des participants.

L’industrie du futur s’invite dans le métavers.

Le métavers ne se limite plus aux jeux en ligne ou aux interactions sociales : il devient une technologie clé pour l'industrie. Au travers du projet 5GMetaverse, cinq écoles de l’Institut Mines-Télécom cherchent à adapter les réseaux de demain aux besoins de la réalité augmentée et virtuelle. Le projet vise notamment à développer des solutions concrètes pour l’optimisation des processus industriels, la téléassistance et la collaboration homme-machine.