David Auber

- Professeur
- Université de Bordeaux
- Département
- SeD
- Équipe
- Bench to Knowledge and Beyond
- Fonction administrative
- Resp. scientifique de la plateforme LSD
- Page personnelle
- http://www.labri.fr/perso/auber
- Adresse E-mail
- david.auber
labri.fr
- Bureau
- 368
- Tel
- +33 (0)5 40 00 28 77
Recherche
Mes recherches portent sur l'analyse, la compréhension et l'exploration de grande quantité de
données. Elles se placent dans un secteur de recherche en pleine effervescence : la visualisation
d'informations. Cet intérêt est dû à l'augmentation permanente du nombre d'informations stockées sur
des supports informatiques. D'ici les trois prochaines années, on estime que ce nombre aura doublé.
L'objectif de mes travaux de recherche est l'élaboration d'outils permettant la visualisation de
telles données. Plus précisément, ces recherches s'orientent vers les données pouvant être
modélisées sous forme de graphes. Un des exemples connu est le graphe induit pas la structure des
pages WEB. D'autres secteurs, comme celui de la bio-informatique, disposent également de données
sous forme de graphes, par exemple les structures secondaires d'ARN ou les réseaux d'interaction de
protéines.
De nombreux résultats existent dans les domaines de recherche impliqués dans le processus de
visualisation de données. Cependant, l'application directe de ces résultats sur ces jeux de données
réels soulève de nouveaux problèmes pratiques et théoriques qui requièrent de nouveaux travaux de
recherche. En effet, lorsque nous nous plaçons dans le contexte de la visualisation d'informations,
l'efficacité d'une méthode est liée à de multiples facteurs qui sont difficiles à prendre en compte
sans une expérimentation réelle. Ces principaux facteurs sont : la taille des données (plusieurs
milliers voire plusieurs millions d'éléments), le système de perception visuelle de l'être humain et
les spécificités liées aux domaines d'applications.
Je travaille ainsi sur la mise en place d'outils pour la visualisation d'informations. Ces
recherches se décomposent en plusieurs parties : les structures de données, les architectures
logicielles, les algorithmes de fragmentation et les algorithmes de dessin. Les trois paragraphes
suivants décrivent brièvement ces trois axes recherches.
Pour permettre l'expérimentation de nouveaux outils de visualisation, mon travail s'est tout d'abord
porté sur la mise au point ainsi que sur l'implémentation d'un environnement logiciel ("Framework")
dédié à la visualisation de grands graphes (de l'ordre de 1.000.000 d'éléments). Dans celui-ci, un
intérêt tout particulier a été porté à la gestion de la fragmentation ("clustering") ainsi qu'à
l'étude du compromis, nécessaire pour les grands graphes, entre la complexité en temps et la
complexité en espace des algorithmes. Le système obtenu, nommé Tulip1, a été présenté à la
conférence " Graph Drawing ". Suite à cette conférence, un livre sur les logiciels de dessin de
graphes a été publié. Un des chapitres que j'ai rédigé est consacré aux structures de données et aux
algorithmes mis en place dans Tulip. Ce logiciel permet d'expérimenter rapidement des méthodes de
fragmentation de graphes, des algorithmes de dessin de graphes ainsi que des techniques de
visualisation basées sur les paramètres combinatoires des graphes. Ce logiciel représente maintenant
la vitrine de notre équipe, il est utilisé et téléchargé des milliers de fois chaque moi.
Même lorsque le nombre d'informations à traiter est important, les systèmes de visualisation doivent
produire une représentation interactive et intelligible. Pour respecter ces contraintes, des
méthodes de simplification des objets à visualiser sont indispensables. Ils existent deux méthodes
de simplifications : le filtrage ou l'agrégation. Les derniers résultats que nous avons obtenus sont
essentiellement basés sur les méthodes agrégatives. Ces méthodes consistent à agréger récursivement
des sous-ensembles de données pour construire une représentation multi-échelle de celles-ci. En
d'autres termes, une hiérarchie d'abstractions de plus ou moins fine granularité. Pour effectuer
cette opération, l'objectif de nos travaux est d'utiliser le plus possible des paramètres
intrinsèques aux données (uniquement basé sur la connectivité de celles-ci).
Nous avons proposé une méthode de fragmentation utilisant un indice structurel comptant le nombre de
cycle de longueur 3 et 4 passant par chaque arête d'un graphe. Cette méthode utilise cet indice pour
filtrer les arêtes progressivement et jusqu'à ce que le graphe soit déconnecté. Chaque composante
connexe représente alors un " cluster " de notre graphe. La qualité des résultats que nous obtenons
est garanti par l'utilisation de la mesure de qualité appelée MQ.
Lorsque nous manipulons des données abstraites (sans représentation dans le monde réel) ou bien
lorsque la représentation réelle des données n'est pas la plus efficace d'un point de vue cognitif
(ex : plan de métro) ; il faut disposer de méthodes automatiques permettant de créer une métaphore
visuelle des données. Sur les données relationnelles (graphe), cette opération est un axe de
recherche à part entière appelé dessin de graphes. A l'origine, cette thématique avait pour but de
proposer des méthodes automatiques pour la création de circuits imprimés. L'émergence des besoins
d'analyse des réseaux sociaux à largement contribué dans l'évolution de cette thématique.
Après avoir mis en place des méthodes de dessin spécifiques pour la comparaison interactive de
structures secondaire d'ARN, nous avons travaillé sur des méthodes de représentation de réseaux
métabolique. Nous avons proposés des méthodes moins spécifiques au domaine d'application. Ces
méthodes essayent de trouver à l'intérieur des graphes des sous-structures pour lequel il existe des
algorithmes de dessin efficace, une fois ces sous-structures dessinées un algorithme de dessin
permet de recomposer les parties de dessin et obtenir ainsi le résultat final.
Collaborations Internationales :
2008: Collaboration avec Helen Purchase (1 mois dans notre labo)
2008: Collaboration avec James Abello (15 jours dans notre labo).
2007-09: Collaboration avec Alexandru Telea (6 mois dans notre labo)
2006/ 2005/ 2003: 3 mois passés à UBC, Tamara Munzner, University of British Columbia, Vancouver
(Canada)
Encadrement
Thèses en cours :
Thèse Antoine Lambert (début 01/10/2009 -)
Thèse, Frédéric Gilbert (01/10/2008 - )
Thèse, Paolo Simonetto (01/11/2007 - )
Thèses soutenues :
Thèse, Romain Bourqui (01/10/2005 - 24/10/2008) - Maître de conférences.
Thèse, Daniel Archambault (01/10/2004 - 15/07/2008) en Post-Doc INRIA
Responsabilité pédagogique
Responsable UE Stage C++ Master 2 16h
Cours Master 2 "Architecure logicielles" 60h
Extrait de publications
- Luc-Etienne Pommé, Romain Bourqui, Romain Giot, Jason Vallet, David Auber. NetPrune: A sparklines visualization for network pruning. Visual Informatics, 2023,
- B. La Rosa, G. Blasilli, R. Bourqui, D. Auber, G. Santucci, et al.. State of the Art of Visual Analytics for eXplainable Deep Learning. Computer Graphics Forum, In press,
- Loann Giovannangeli, Frederic Lalanne, David Auber, Romain Giot, Romain Bourqui. Toward Efficient Deep Learning for Graph Drawing (DL4GD). IEEE Transactions on Visualization and Computer Graphics, 2022, pp.1-16.
- Adrien Halnaut, Romain Giot, Romain Bourqui, David Auber. VRGrid: Efficient Transformation of 2D Data into Pixel Grid Layout. 26th International Conference Information Visualisation, Jul 2022, Vienna, Austria. pp.11-20.
- Loann Giovannangeli, Romain Bourqui, Romain Giot, David Auber. Color and Shape efficiency for outlier detection from automated to user evaluation. Visual Informatics, 2022,
Administration
Responsable du thème Visualisation d'information. (sous-partie de l'équipe LaBRI MABIOVIS) depuis
2007
Membre du conseil scientifique du LaBRI depuis 2007
Directeur de la formation MIAGE Master 2 en 2005 et 2006