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

Le projet ENDURANCE est un projet européen HORIZON-Euratom démarré en octobre 2024 et sélectionné sur l'appel à projets NRT-01-03 Safety of advanced and innovative nuclear designs. Il est coordonné par Politecnico Di Milano avec des partenaires tels que le laboratoire SUBATECH (sous la triple tutelle de l'Institut Mines-Télécom à travers son école d’ingénieurs, IMT Atlantique, Nantes Université et le CNRS avec l'Institut national de physique nucléaire et de physique des particules (IN2P3) comme institut principal). Le projet durera 4 ans et le financement de l'UE est d'environ 4 millions d'euros et une durée de quatre ans. Le projet ENDURANCE vise à soutenir le développement technologique des Réacteurs à Sels Fondus (RSF) en Europe.

Le projet APRENDE est un projet européen HORIZON-Euratom démarré en octobre 2024 et sélectionné sur l'appel à projets NRT-01-06 pour l'amélioration des données nucléaires afin d'assurer la sûreté des applications énergétiques et non énergétiques des rayonnements ionisants. Il est coordonné par le CIEMAT, Espagne avec des partenaires tels que le laboratoire SUBATECH sous la triple tutelle de l'Institut Mines-Télécom à travers son école d'ingénieurs, IMT Atlantique, Nantes Université et le CNRS avec l'Institut National de Physique Nucléaire et de Physique des Particules (IN2P3) comme institut principal. Avec un budget d'environ 4,7 millions d'euros et une durée de quatre ans, le projet APRENDE a pour ambition d'améliorer les données nucléaires pour les outils de Modélisation et de Simulation (M&S) utilisés par les acteurs européens dans les domaines d'application les plus prioritaires de l'Union européenne et de ses États membres.

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.

Toutes les deux secondes, une personne -qu'il s'agisse d'un adulte, d'un enfant, d'une personne âgée, d'un homme ou d'une femme- est victime d'un AVC. Le projet NEUROVACS a pour ambition de prévenir, traiter et réduire les conséquences d’un AVC. Entre autres, parmi les personnes ayant eu un AVC, nombreuses sont celles qui n'ont pas accès au traitement, à la rééducation et au soutien qui leur donneraient les meilleures chances de se rétablir et de mener une vie plus saine, plus productive et plus indépendante.

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.

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.