BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Etis - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.etis-lab.fr
X-WR-CALDESC:Events for Etis
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260205T093000
DTEND;TZID=Europe/Paris:20260205T120000
DTSTAMP:20260421T095512
CREATED:20260130T093713Z
LAST-MODIFIED:20260130T093713Z
UID:9850-1770283800-1770292800@www.etis-lab.fr
SUMMARY:Soutenance de thèse : Mouncef Naji
DESCRIPTION:Mouncef Naji soutient sa thèse “Semantic Personalization of Informed Consent based on Knowledge Graph Reasoning and Large Language Models” le 5 février 2026 à CY Cergy Paris Université. \nRésumé\nCette thèse porte sur la personnalisation du consentement éclairé dans le domaine de la santé. Elle cherche à répondre à la question centrale : Comment concevoir un système capable de produire un consentement médical qui soit à la fois conforme à la loi\, compréhensible et adapté au profil du patient\, et assistant le personnel soignant à la proposition des soins ? Pour répondre à cette problématique\, la thèse s’articule autour de trois pilliers principaux : la conformité légale\, la personnalisation du consentement\, et la recommandation de soins. La solution proposée explore l’intersection entre les technologies sémantiques et l’intelligence artificielle générative\, à travers le système SPIRIT (Semantic Personalized and Compliant System for Informed consent and care Recommendation). \nLes principales contributions de ce travail comprennent : (i) une approche basée sur l’ontologie pour garantir la conformité légale\, (ii) un cadre de raisonnement sémantique pour la génération de consentements personnalisés\, et (iii) un système de recommandation infirmière fondé sur des graphes de connaissances. Enfin\, une preuve de concept fonctionnelle valide la faisabilité de l’approche et ouvre des perspectives d’expérimentation en conditions réelles\, notamment vers des extensions multilingues et multimodales. \nAbstract\nThis thesis focuses on the personalization of informed consent in healthcare. It seeks to address the central question: How can we design a system capable of producing a medical consent that is simultaneously legally compliant\, comprehensible\, and adapted to the patient’s profile\, while supporting healthcare professionals in proposing appropriate care plans?\nTo answer this question\, the research is structured around three key pillars: legal compliance\, consent personalization\, and care recommendation. The proposed solution explores the intersection of semantic technologies and generative AI\, by proposing SPIRIT (Semantic Personalized and Compliant System for Informed consent and care Recommendation).\nThe main contributions of this work include: (i) an ontology-driven approach for ensuring legal compliance\, (ii) a semantic reasoning framework for personalized consent generation\, and (iii) a knowledge-graph-based system for nursing recommendations. Finally\, a functional proof of concept validates the feasibility of the approach and opens perspectives for real-world deployment\, including multilingual and multimodal extensions. \nComposition du jury\n\nHajer BAAZAOUI\, CY Cergy Paris Université\, Directrice\nMaroua MASMOUDI\, Université de Rennes\, Co-Directrice\nZoltan MIKLOS\, Université de Rennes\, Rapporteur\nMourad ABED\, Université Polytechnique Hauts-de-France\, Rapporteur\nMarie-Hélène ABEL\, Université de Compiègne\, Examinatrice\nGayo DIALLO\, Université de Bordeaux\, Examinateur\nJean-Marie JANUEL\, Fondation Léonie-Chaptal\, Invité\n\nLieu et date\n\nCY Cergy Paris Université (site Saint-Martin)\, amphithéâtre E3 (2 Av. Adolphe Chauvin\, 95300 Pontoise)\n5 février 2026 à 09h30\n\n 
URL:https://www.etis-lab.fr/event/soutenance-de-these-mouncef-naji/
LOCATION:CY Cergy Paris Uniersité – site de Saint-Martin\, amphi E3\, 2 avenue Adolphe-Chauvin\, Pontoise\, 95300\, France
CATEGORIES:PhD Defense
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2024/12/mouncef_naji.jpg
ORGANIZER;CN="Mouncef Naji":MAILTO:mouncef.naji@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260209T100000
DTEND;TZID=Europe/Paris:20260209T123000
DTSTAMP:20260421T095512
CREATED:20260202T165815Z
LAST-MODIFIED:20260202T165931Z
UID:9853-1770631200-1770640200@www.etis-lab.fr
SUMMARY:Soutenance de thèse : Jean-Christophe Ricklin
DESCRIPTION:Jean-Christophe Ricklin soutient sa thèse “Modèles de prédiction et d’optimisation dynamiques des stratégies tarifaires” le 9 février 2026 à l’ENSEA Cergy. \nRésumé\nCette thèse porte sur la prévision des ventes et l’optimisation des stratégies tarifaires dans le secteur de la grande distribution. Elle cherche à répondre à la question centrale : Comment concevoir des modèles de prévision capables d’anticiper les ventes tout en intégrant les relations causales entre produits\, afin de guider les décisions commerciales (prix\, promotions) dans un contexte d’interdépendances complexes ? \nPour répondre à cette problématique\, la thèse s’articule autour de trois axes méthodologiques progressifs : les modèles univariés locaux\, les modèles univariés globaux fondés sur des regroupements causaux\, et les modèles multivariés intégrant explicitement les interactions inter-produits. La solution proposée explore l’intersection entre la découverte causale en données observationnelles et l’apprentissage automatique sur graphes. \nLes principales contributions de ce travail comprennent : (i) une méthodologie de gestion des modèles en production combinant optimisation des hyperparamètres et tests statistiques de validation\, (ii) un cadre de clustering causal regroupant les produits selon leurs leviers communs plutôt que selon leurs similarités de ventes\, et (iii) un modèle multivarié exploitant un graphe issue d’une étape de découverte causal inter-produits via des Graph Neural Networks sensibles aux communautés. Enfin\, une validation expérimentale sur données réelles démontre la pertinence de l’approche et ouvre des perspectives d’extension à d’autres nomenclatures et études de promotions. \nAbstract\nThis thesis focuses on sales forecasting and pricing strategy optimization in the retail sector. It seeks to address the central question: How can we design forecasting models capable of anticipating sales while integrating causal relationships between products\, in order to guide commercial decisions (pricing\, promotions) in a context of complex interdependencies? \nTo answer this question\, the research is structured around three progressive methodological axes: local univariate models\, global univariate models based on causal clustering\, and multivariate models explicitly integrating inter-product interactions. The proposed solution explores the intersection of causal discovery from observational data and graph-based machine learning. \nThe main contributions of this work include: (i) a methodology for model management in production combining hyperparameter optimization and statistical validation tests\, (ii) a causal clustering framework grouping products according to their common drivers rather than sales similarities\, and (iii) a multivariate model exploiting an inter-product graph learned by causal discovery through community-aware Graph Neural Networks. Finally\, experimental validation on real-world data demonstrates the relevance of the approach and opens perspectives for extension to other product categories and promotional studies. \nComposition du jury\n\nRichard CHBEIR\, Université de Pau et des Pays de l’Adour\, Rapporteur\nFaicel CHAMBOUKHI\, Université de Caen Normandie\, Rapporteur\nMourad KHAYATI\, Université de Fribourg\, Examinateur\nBernd AMANN\, Sorbonne Université\, Examinateur\nRaid MANSI\, BOOPER\, Invité\nHajer BAAZAOUI\, CY Cergy Paris Université\, Directrice\nVassilis CHRISTOPHIDES\, ENSEA\, Co-Directeur\n\nLieu et date\n\nENSEA Cergy\, Curium (6 avenue du Ponceau 95014 Cergy Cedex)\n9 février 2026 à 10h00\n\nLa participation par visio est possible via le lien teams : https://teams.microsoft.com/l/meetup-join/19%3ameeting_ZTQ3NDQ0NzAtYjVjMy00MWNiLWFmZTMtZjM0ZjNlZjdlYzk5%40thread.v2/0?context=%7b%22Tid%22%3a%22880ce9c2-08e7-4138-93cf-b49659115304%22%2c%22Oid%22%3a%22b882676b-d059-4657-93e7-39ec09dac6e0%22%7d\nModèles de prédiction et d’optimisation dynamiques des stratégies tarifaires | Réunion-Joindre | Microsoft Teams
URL:https://www.etis-lab.fr/event/soutenance-de-these-jean-christophe-ricklin/
LOCATION:ENSEA\, Curium\, avenue du Ponceau\, Cergy\, 95014\, France
CATEGORIES:PhD Defense
ORGANIZER;CN="Jean-Christophe Ricklin":MAILTO:jean-christophe.ricklin@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260210T140000
DTEND;TZID=Europe/Paris:20260210T163000
DTSTAMP:20260421T095512
CREATED:20260122T094115Z
LAST-MODIFIED:20260122T094115Z
UID:9744-1770732000-1770741000@www.etis-lab.fr
SUMMARY:HdR defense: Camille Simon Chane
DESCRIPTION:Contributions to acquisition- and data-driven processing for interdisciplinary applications: from cultural heritage towards biodiversity assessment\nAbstract\nThis document presents an overview of my deeply trans-disciplinary research in the field of computer vision from the acquisition to the processing. In particular\, I’ve focused on my contributions to event-based data processing; biomedical image synthesis and segmentation; and insect recognition. \nI have worked on event-processing that is “close to the event”. Contributions from Ozgun Yilmaz post-doc on event-corner detectors paved the way for Laure Acin’s work on event-representations. Her proposition of a end-to-end trainable speed invariant time surface (VK-SITS) proves to be robust while allowing fast inference. I also present a simple saliency model that is highly competitive compared to established visual selection models. The aim of Clara Brémond’s thesis was to help automatize the characterization of brain organoid. These cultures are fairly recent and very little public data is available. We first worked on the generation of synthetic data from a small dataset and evaluated the images through a psychovisual study. Then\, we demonstrated the usefulness of synthetic data to train robust segmentation networks. Species-level classification of blood-sucking Diptera was based on Wing Interference Pattern images. We have demonstrated the efficiency of light networks such as MobileNet in recognizing dipteran species of several families. We have also explored alternative transportable WIP acquisition methods as the ground-work for a full portable WIP-based Diptera recognition system. \nAs I expand my work on insect recognition towards biodiversity assessment\, I will continue to tackle deep-learning problems in a data-centered approach. My longstanding interest in cultural heritage studies will also feed this theme through the fundamental work on mother-of-pearl identification and characterization using macro imaging techniques. \nJury\n\nMme Isabelle BLOCH\, Professeure\, Sorbonne Université\, Paris\, Rapporteure\nM. Benoit COTTEREAU\, Directeur de Recherche – CNRS\, CNRS CERCO IPAL\, Toulouse\, Rapporteur\nMme Caroline PETITJEAN\, Professeure\, Université de Rouen Normandie\, Mont-Saint-Aignan\, Rapporteure\nM. Frederic BARTUMEUS\, Directeur de Recherche\, CEAB\, Blanes\, Gérone\, Espagne\, Examinateur\nMme Fan YANG\, Professeure\, Université de Bourgogne\, Dijon\, Examinatrice\nM. Aymeric HISTACE\, Professeur\, ENSEA\, Cergy\, Examinateur\nM. Mathias QUOY\, Professeur\, CY Cergy Paris Université\, Cergy\, Examinateur\n\nLocation and Link\n\nENSEA\, Curium\nHDR Camille Simon Chane | Meeting-Join | Microsoft Teams
URL:https://www.etis-lab.fr/event/hdr-defense-camille-simon-chane/
LOCATION:ENSEA\, Curium\, avenue du Ponceau\, Cergy\, 95014\, France
CATEGORIES:HdR Defense
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2023/10/camillesimonchane_nb.jpg
ORGANIZER;CN="Camille Simon Chane":MAILTO:camille.simon-chane@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260219T150000
DTEND;TZID=Europe/Paris:20260219T160000
DTSTAMP:20260421T095512
CREATED:20260119T160023Z
LAST-MODIFIED:20260213T132721Z
UID:9735-1771513200-1771516800@www.etis-lab.fr
SUMMARY:ETIS seminar: Michel Bourdellès
DESCRIPTION:Intégration de services au processus de réalisation de systèmes pour la validation automatique d’exigences de sécurité\nDr. Michel Bourdellès \nMots clefs : Security\, Model-Based Systems Engineering (MBSE)\, Model-Based Product Line Engineering (MBPLE)\, System of Systems Engineering\, systems architecting\, Early Validation and Audit. \nRésumé : La mise en œuvre des mécanismes de protection adéquats de flux de données des systèmes\, traduits en exigences de sécurité issues d’une analyse de risque\, est une contrainte forte de la réalisation des produits. Ces mécanismes\, logiciels et matériels\, doivent garantir la validation des contraintes initiales de sécurité sur le produit final avant mise en production. Nous listons un ensemble de besoins que doit satisfaire le processus industriel de réalisation produit afin de prendre au mieux en compte ces exigences dans le produit. Nous proposons un ensemble de services pour compléter les processus industriels basés sur la validation d’exigences opérationnelles afin d’analyser la correction des choix de conception système par rapport aux exigences de sécurité\, et produire automatiquement du code de sécurité. La solution proposée prend aussi en compte les contraintes liées au processus de réalisation lui-même en assurant le besoin d’en connaître par la protection à l’accès par les parties prenantes de l’information confidentielle\, étendu à la réalisation de lignes de produits\, ainsi que de l’application de la solution à des systèmes de systèmes. \nShort Bio: Michel Bourdellès est enseignant chercheur en cybersécurité à l’ESIEE-IT\, associé à l’équipe SecReizh de l’Université Bretagne Sud. Ses thèmes de recherche\, influencés par plus de vingt ans d’activités comme ingénieur dans un grand groupe de la défense\, portent sur la validation automatique d’exigences de sécurité de systèmes industriels. \n 
URL:https://www.etis-lab.fr/event/etis-seminar-michel-bourdelles/
LOCATION:CY Cergy Paris Université\, site de Saint-Martin\, 2 Av. Adolphe Chauvin\, Pontoise\, 95300\, France
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="Aikaterini Tzompanaki":MAILTO:aikaterini.tzompanaki@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260227T090000
DTEND;TZID=Europe/Paris:20260227T113000
DTSTAMP:20260421T095512
CREATED:20260213T133948Z
LAST-MODIFIED:20260213T134050Z
UID:9888-1772182800-1772191800@www.etis-lab.fr
SUMMARY:PhD Defense: Xiaodan Chen
DESCRIPTION:Xiaodan Chen defends her PhD entitled: “Multi-Scale Computational Modeling of Speech: From Acoustic Foundations to Phonological Structures and Phonemic Applications” on Friday\, February 27\, 2026 at La Turbine Cergy-Pontoise. \nThesis committee\n\nNicolas Rougier\, DR\, INRIA Bordeaux\, Rapporteur\nBahia Guellaï\, PR\, Université Toulouse 2\, Rapporteure\nRong Tong\, MCF\, Singapore Institute of Technology\, Examinatrice\nDan Vodislav\, PR\, CY Cergy-Paris Université\, Examinateur\nMathias Quoy\, PR\, CY Cergy-Paris Université\, Directeur de thèse\nAlexandre Pitti\, PR\, ENSEA\, Co-directeur de thèse\nNancy F. Chen\, PI\, Institute for Infocomm Research\, A*Star\, Co-directrice de thèse\n\nThe presentation will be given in English. For those who wish to attend remotely\, a link will be provided. \nAbstract (EN)\nUnderstanding the computational and neural principles underlying speech acquisition\, representation\, and production is a fundamental challenge in cognitive science and artificial intelligence. \nThis thesis presents a unified investigation into this problem through three interconnected projects that model the hierarchy of speech processing\, from early infancy to late infancy\, and from early speech sound acquisition\, to structural (proto-syntactic) sequence representation\, and finally to neuromuscular speech production. \nThis journey begins with a model of infant sensorimotor development. We develop a compact and interpretable neural network to simulate early vocal learning. The model demonstrates how exposure to a native language shapes low-level auditory perception\, and reveals how predictive coding\, as a mechanism of continual learning during a “critical period”\, facilitates attunement to native-language acoustic patterns (L1)\, while preserving a foundational capacity to acquire non-native (L2) distinctions. This establishes how a developmental critical period can emerge from fundamental principles of online learning\, and posits the sensorimotor primitive as a core\, self-organized unit of linguistic computation. \nNext\, we investigate how the brain organizes sequences of these sensorimotor states into structured motor sequences. A rank-order coding network\, inspired by Broca’s circuit\, serves as a model for this process. It exhibits proto-syntactic generalization\, proving robust to superficial changes but highly sensitive to abstract rule violations\, mirroring the P3b neurophysiological response to structural novelty. This work forges a crucial developmental link between early sensorimotor speech learning and the emergence of phonological structure in speech. \nThe final project applies this cognitive perspective to a pressing engineering problem: the scarcity of data for Voiced Electromyography-to-Speech (V-ETS) systems. We introduce a Confidence-based Multi-Speaker Self-training (CoM2S) framework. Its key innovation is a phoneme-error-based filter\, which uses the categorical linguistic unit to select high-quality synthetic data\, thereby overcoming the data bottleneck and enhancing speech generation. \nTogether\, these projects form a multi-scale investigation of speech\, spanning from the acquisition of sensorimotor primitives\, to their organization into structured sequences\, and finally to the application of the phoneme as a supervisory signal for articulatory decoding. We therefore argue that a cognitively-inspired\, multi-scale approach bridging early sensorimotor learning\, proto-syntactic sequencing\, and applied decoding\, offers a principled framework for advancing both our understanding of speech processing and our capacity to engineer robust speech technologies. \nRésumé (FR)\nComment le cerveau apprend-il\, représente-t-il et produit-il la parole ? Déchiffrer ces principes computationnels constitue un enjeu central tant pour les sciences cognitives que pour l’intelligence artificielle. \nCette thèse présente une étude unifiée de cette problématique à travers trois projets interconnectés qui modélisent la hiérarchie du traitement de la parole\, partant de l’acquisition des sons de parole jusqu’à la représentation séquentielle structurelle\, pour aboutir finalement à la production neuromusculaire de la parole. \nLe premier projet modélise le développement sensorimoteur précoce. Nous développons un réseau neuronal compact et interprétable simulant l’apprentissage de la parole chez le nourrisson. Le modèle montre comment l’exposition à la langue maternelle façonne la perception auditive de base. Il révèle également le rôle du codage prédictif comme mécanisme d’apprentissage continu pendant la « période critique »\, permettant l’ajustement aux régularités acoustiques de la langue maternelle tout en préservant la capacité fondamentale à en acquérir d’autres. Ce projet établit les fondements d’une primitive sensorimotrice audio-articulatoire pour les traitements de niveau supérieur. \nLe deuxième projet examine l’organisation de ces primitives en séquences. Nous proposons un modèle de codage par ordre de rang\, inspiré du circuit de Broca\, qui démontre une capacité de généralisation proto-syntaxique : robuste aux variations de surface\, il reste sensible aux violations de règles abstraites\, à l’instar de la réponse neurophysiologique P3b observée face à des nouveautés structurelles. Ce travail met en lumière un lien développemental crucial entre l’apprentissage sensorimoteur et l’émergence de la structure phonologique. \nLe troisième projet applique ce cadre cognitif à un défi d’ingénierie : la pénurie de données pour les modèles de conversion de l’électromyographie vocale en parole (Voiced Electromyography-to-Speech\, V-ETS). Nous y introduisons une méthode d’auto-apprentissage multi-locuteurs basée sur la confiance phonémique (Confidence-based Multi-Speaker Self-training\, CoM2S). Son innovation principale est un filtre de sélection exploitant les unités distinctives de la langue (les phonèmes) pour identifier des données synthétiques de haute qualité\, améliorant ainsi significativement les performances des systèmes V-ETS. \nCollectivement\, ces projets forment une étude hiérarchique de la parole : de l’acquisition des primitives sensorimotrices\, à leur organisation en séquences structurées\, jusqu’à l’application du phonème comme signal de supervision pour le décodage articulatoire. Ce travail démontre que des représentations ancrées dans la cognition ouvrent la voie à des technologies de la parole plus robustes et économes en données\, établissant ainsi une boucle féconde entre les mécanismes cérébraux du langage et la conception de systèmes artificiels.
URL:https://www.etis-lab.fr/event/phd-defense-xiaodan-chen/
LOCATION:La Turbine Cergy-Pontoise\, 32\, boulevard du Port\, Cergy\, 95000\, France
CATEGORIES:PhD Defense
ATTACH;FMTTYPE=image/png:https://www.etis-lab.fr/wp-content/uploads/2024/12/xiandan_chen.png
ORGANIZER;CN="Xiaodan Chen":MAILTO:xiaodan.chen@etis-lab.fr
END:VEVENT
END:VCALENDAR