Des algorithmes pour prédire des anomalies

Post-doctorant en science de l’informatique, Paul Boniol, multi-récompensé pour son travail de thèse qui a conduit au dépôt de 2 brevets (national et européen), nous a reçu pour nous expliquer comment par l’analyse d’un grand volume de données, il a réussi à créer des algorithmes capables de prédire des anomalies de toutes sortes.

Paul Boniol a conduit ses recherches au sein du LIPADE, en collaboration avec la société EDF. Intitulé Analysis of very large multivariate time series using unsupervised learning methods in order to detect anomalies and support predictive maintenance, son travail a porté sur l’analyse de très grands volumes de données temporelles dans le secteur de l’énergie et récoltées au niveau de réacteurs de centrales nucléaires, de barrages hydroélectriques…  Grâce à de nouvelles méthodes d’apprentissage non supervisées, Paul a créé des algorithmes capables de détecter des anomalies et d’aider à leurs prédictions. Ces résultats sont ouverts à la communauté scientifique international. Ses travaux ont été récompensés de 4 prix prestigieux et ont donné lieu au dépôt d’un brevet national et d’in brevet européen.

Rencontrez Paul Boniol