Recherche

Publications · ORCID · dblp · HAL · theses.fr

Rattachement : chercheur associé, équipe SIG (IRIT), en collaboration avec Olivier Teste.

Axes de recherche

1. Alignement d'ontologies et explicabilité

Mes travaux de recherche portent principalement sur la fusion d'ontologies et l'alignement de connaissances, notamment dans le cadre de la campagne internationale OAEI (Ontology Alignment Evaluation Initiative).

Au-delà des aspects algorithmiques et formels, je m'intéresse plus particulièrement aux questions d'explicabilité et de compréhension des résultats produits par les systèmes automatiques :

• comment expliquer une correspondance ou un alignement produit par un algorithme ;
• comment vérifier ou justifier un modèle issu de l'apprentissage automatique ;
• comment rendre ces résultats interprétables et exploitables par un humain, en particulier dans des contextes sensibles ou critiques.

Ces problématiques, qui relèvent de la fouille de données et de l'ingénierie des connaissances, sont aujourd'hui souvent rattachées (de manière volontairement simplifiée) à ce que l'on désigne couramment sous le terme d'intelligence artificielle (IA).
Mon intérêt porte toutefois moins sur l'effet de mode que sur la compréhension, la maîtrise et la responsabilité des systèmes qui en découlent.

2. Accessibilité, handicap et systèmes d'IA

Ma thèse portait sur la saisie de texte pour les utilisateurs déficients visuels ; depuis, la question de l'accessibilité n'a jamais quitté mes travaux, et depuis janvier 2025 elle est aussi devenue personnelle. Je m'intéresse aujourd'hui à la manière dont les systèmes d'IA générative traitent les situations de handicap : quels garde-fous ils appliquent, à qui, et avec quelles asymétries ; comment ces choix de conception affectent concrètement les usagers concernés ; et comment concevoir des outils numériques qui soient simples, robustes et réellement utilisables par tous.

Cet axe s'appuie sur une démarche expérimentale : prompts appariés, jeux de données annotés, figures reproductibles. Voir notamment Gemini, ChatGPT, Claude et le handicap.

3. IA générative et formation des ingénieurs

Enseignant en école d'ingénieurs, je m'intéresse aux usages effectifs de l'IA générative par les étudiants et les enseignants, à ses limites, et aux responsabilités qu'elle engage dans la formation. Voir Former les ingénieurs à l'ère de l'IA et Deux heures à Baybay.

Parcours

Thèse (2017)

Durant ma thèse, je me suis intéressé aux problématiques de handicap, en particulier à la déficience visuelle et à la saisie de texte sur périphériques mobiles.
Mes travaux visaient à mieux comprendre les difficultés réelles rencontrées par les utilisateurs, et à proposer des méthodes d'interaction plus accessibles, en tenant compte des contraintes cognitives, motrices et perceptives.

Cette recherche s'inscrivait dans une approche centrée utilisateur, combinant expérimentations, prototypage et évaluation, avec une attention particulière portée à la robustesse et à la simplicité des interactions.
Thèse dirigée par Mathieu Raynal (IRIT).

Stage à l'EPFL (LIA)

Avant cela, ma première expérience de recherche a porté sur la fouille de sentiments (emotion mining), dans le cadre d'un stage au laboratoire LIA de l'EPFL.

Ce travail s'intéressait à l'analyse des interactions sociales en ligne, en combinant analyse de réseaux et analyse du contenu textuel.
Il a notamment mis en évidence les limites des approches purement topologiques (centralité, degré, etc.) pour caractériser le comportement des utilisateurs, et montré l'intérêt d'intégrer des informations issues du contenu émotionnel des messages.

Une attention particulière a été portée à la détection de comportements antagonistes et à leur impact sur la dynamique des communautés, ouvrant des perspectives vers l'analyse du comportement, la modération automatique et l'étude des interactions sociales complexes.

Contact

Pour toute question ou collaboration en lien avec la recherche, vous pouvez me contacter à l'adresse suivante :

📧 Philippe.Roussille@irit.fr