Agenda

Département
Langue
Date
Thématique
2026

mars

  • 13:00
    14:00

    Entre 2018 et 2024, la société américaine Digital Realty a construit quatre centres de données au port de Marseille-Fos, un pôle industriel situé sur la côte nord de Marseille. Le port a saisi l'opportunité offerte par le rôle croissant de la ville dans les échanges de données mondiaux. En effet, au cours de la dernière décennie, Marseille est passée de la 44e à la 5e place des villes les plus connectées au monde. Depuis 2021, la ville de Marseille puis des collectifs militants contestent l’implantation des data centers. Dans ce contexte, cette présentation interrogera la manière dont la convergence (ou la divergence) d'intérêts entre les agences étatiques régionales et les acteurs privés des infrastructures influence l'implantation des centres de données à Marseille.

    Biographie : Loup Cellard est titulaire d'un doctorat en études interdisciplinaires au Centre for Interdisciplinary Methodologies (Université de Warwick, UK). Il est actuellement post-doctorant au LISN et membre de l'observatoire sur l'impact environnemental de l'IA de l'institut IA et société de l'ENS. Auparavant Loup Cellard était chercheur au sein de la coopérative Datactivist. 
     

    Salle 178
  • 10:45
    12:00

    This talk explores how unconventional lattice connectivity—from self-similar fractals to negatively curved hyperbolic graphs—reshapes quantum phenomena on the single- and many-body level. Geometric tuning enables transport regimes ranging from sub-diffusive to localized, governed by the interplay of fractal dimension and level-spacing distributions. In bosonic systems, hyperbolic curvature allows 2D lattices to mimic the Bose-Einstein condensation of 3D cubic systems, whereas fractal structures suppress condensation and can trigger condensate fragmentation.

    https://combalgo.labri.fr/pmwiki.php/Groupe/Info-Quantique

    Français
    Room 178
  • 12:30
    13:00
    Café science ouverte

    Anna Loeff, chargée de projet Données de recherche, Service transversal de Soutien à la recherche (DIRDOC), anime de webinaire.
    Présentation de l’entrepôt national pluridisciplinaire Recherche Data Gouv, de l’espace institutionnel de l’université de Bordeaux, ainsi que le détail de la procédure pour déposer et valoriser vos données.

    Inscription.

    Ce format court (30 min) a pour objectif de sensibiliser aux enjeux et pratiques de la science ouverte toute la communauté universitaire de Bordeaux, et particulièrement les chercheurs et doctorants.
     

  • 14:00
    10:49
    Séminaire Benoit Carré

    De l'irruption spectaculaire de l'IA générative pour la musique, au clonage vocal, en passant par les agents IA et la possibilité de coder des applications sans être codeur, je proposerai mon cheminement de musicien au travers d'exemples, de cas d'usage et de projets artistique mobilisant plusieurs IA. Je partagerai également mon point de vue, études scientifiques à l'appui, sur l'évolution de la pop, et les sentiments contradictoires que provoque l'IA générative.

    Biographie : Benoit Carré (SKYGGE) se situe aux avant-postes de la création musicale avec l'IA depuis 2015. Il collabore avec des équipes de recherches (Sony CSL, Spotify) à l'élaboration de prototypes d'IA pour la musique. Premier album pop conçu avec l'IA, Hello World (2018), suivi de American Folk Songs, Melancholia et Clo_w_nes. Actuellement sur la création d'un concept live "Les Chansons Impossibles". Expert au Comité IA du Ministère de la Culture (2024). Auteur-compositeur (Lilicub, Maurane, Françoise Hardy, Imany). Compose pour le film "Les Rêveurs" (2025).
     

    Salle Hémicyclia
  • 14:00
    15:00

    In automated learning problems, the task is to find a model that maps given inputs to their corresponding outputs as accurately as possible. Over the past 30 years, machine learning and deep learning have achieved tremendous success in solving this type of problem. However, while the resulting models can be used to make predictions, they offer limited interpretability, i.e. they provide little insight into *how* they solve the problem. For instance, if we train a recurrent neural network to predict whether a sequence of events will lead to a crash, the model cannot describe the sequences of events that lead to crashes and provide solutions to remediate the issue. Program synthesis is a framework for solving learning problems with models that are programs in a domain-specific language, which allows creating interpretable models in the domain of the problem.

    In this talk, I will present an enumerative approach for learning Linear Temporal Logic (LTL) formulas from data. I will begin with an introduction to program synthesis, using examples from program de-obfuscation and anomaly explanation. In the second part, I will present the main techniques used in our algorithm: observational equivalence and domination, two pruning techniques used to reduce the search space, and a connection between LTL Learning and the Boolean Set Cover problem. Finally, I will discuss the engineering choices we made when implementing this algorithm in Bolt, an open-source tool available at https://github.com/SynthesisLab/Bolt.

    This talk is based on joint work with Nathanaël Fijalkow, Théo Matricon, Baptiste Mouillon and Pierre Vandenhove.

    Français
    LaBRI

avril