Doctorat (H/F) en Web Sémantique et Intelligence Artificielle

Description du Poste

Sujet De Thèse

Dans le cadre du projet ANR DIVA, cette thèse se concentrera sur la modélisation sémantique et la représentation en graphes de connaissances de l’activité analytique des utilisateurs, ainsi que sur l’étude d’approches neuro-symboliques pour apprendre et raisonner sur ces représentations. L’objectif est ainsi de poser les fondations nécessaires à la prédiction de comportements et, à terme, au développement de mécanismes de recommandation et d’adaptation des visualisations explicables et contrôlables.

Malgré des travaux importants sur la capture et la visualisation des traces d'activité des utilisateurs, les représentations existantes sont généralement propriétaires ou ad hoc [1], ce qui limite le raisonnement automatisé, l'interopérabilité et la réutilisation à long terme. Les graphes de connaissances (GC), fondés sur les normes du Web sémantique telles que RDF, RDFS et OWL, offrent une alternative prometteuse pour représenter l'activité des utilisateurs sous forme de données liées et riches sur le plan sémantique [3]. Ils permettent notamment de structurer et intégrer des données d'activité hétérogènes, tout en fournissant des mécanismes standardisés d'interrogation et de raisonnement. Cette représentation constitue ainsi un support pertinent pour l'application de méthodes d'IA visant à identifier des comportements analytiques et à en prédire l'évolution, tout en conservant une représentation explicite et interprétable des connaissances.

S'appuyant sur des travaux antérieurs (par exemple, UI2Ont [4] et DIVA [5], et des ensembles de données ouverts sur l'activité des utilisateurs [6], cette thèse de doctorat vise à développer des modèles sémantiques et des approches neuro-symboliques pour la représentation et l'analyse de l'activité utilisateur. Elle s'articule autour des objectifs suivants :
• Modélisation sémantique de l'activité de l'utilisateur : Développer un cadre unifié, fondé sur des vocabulaires RDF, pour représenter l'activité multimodale de l'utilisateur sous forme de GC, en intégrant et structurant les données hétérogènes générées lors de l'exploration visuelle, notamment les interactions de l'utilisateur, le suivi du regard et les verbalisations.
• Découverte et prédiction du comportement exploratoire de l'utilisateur : Étudier des méthodes neuro-symboliques permettant d'exploiter les GC pour découvrir et prédire des comportements exploratoires, en combinant apprentissage automatique et raisonnement symbolique afin d'identifier des modèles comportementaux interprétables.
• Raffinement dynamique et validation des modèles comportamentaux : Étudier des méthodes de raffinement incrémental des modèles et règles comportementaux au cours de l'exploration, et évaluer leur qualité, leur interprétabilité et leurs capacités prédictives dans différents scénarios d'utilisation.

Plan de travail : La thèse débutera par une revue de l’état de l’art, suivie du développement et de la validation du modèle sémantique et des pipelines de construction des graphes de connaissances. Les travaux porteront ensuite sur la découverte et la prédiction des comportements exploratoires à l’aide de méthodes neuro-symboliques, puis sur leur raffinement dynamique et incrémental. Les approches développées seront évaluées sur des données réelles et donneront lieu à des publications scientifiques ainsi qu’à des contributions open source.
Les livrables attendus sont :
• L1. Modèle sémantique et extension de DIVA-O pour l’activité utilisateur multimodale.
• L2. Pipeline de construction et d’enrichissement des graphes de connaissances.
• L3. Méthodes neuro-symboliques pour la découverte et la prédiction des comportements exploratoires.
• L4. Méthodes de raffinement dynamique des modèles comportementaux.
• L5. Évaluation expérimentale des modèles et méthodes proposés.
• L6. Publications scientifiques et ressources open source.

Références Bibliographiques
[3] H. Paulheim and F. Probst, “A Formal Ontology on User Interfaces – Yet Another User Interface Description Language?,” 2011.
[4] H. Paulheim and F. Probst, “UI2Ont—A Formal Ontology on User Interfaces and Interactions,” in Semantic Models for Adaptive Interactive Systems, T. Hussein, H. Paulheim, S. Lukosch, J. Ziegler, and G. Calvary, Eds., London: Springer, 2013, pp. 1–24. doi: 10.1007/978-1-4471-5301-6_1.
[5] A. Menin and C. Faron, “DIVA: An Ontology-based Approach to Model User Activity within Visualization Systems,” in SAC 2026 - 41st ACM/SIGAPP Symposium on Applied Computing, Thessaloniki, Greece, Mar. 2026. doi: 10.1145/3748522.3779893.
[6] S. Mohseni, A. Pachuilo, E. H. Nirjhar, R. Linder, A. Pena, and E. D. Ragan, “Analytic Provenance Datasets: A Data Repository of Human Analysis Activity and Interaction Logs,” Jan. 16, 2018, arXiv: arXiv:1801.05076. doi: 10.48550/arXiv.1801.05076.

Votre Environnement de Travail

Cette thèse est accueillie par le laboratoire I3S du CNRS à l’Université Côte d’Azur. Plus précisément, le/la doctorant(e) rejoindra l’équipe Wimmics (Inria, Université Côte d’Azur, CNRS, I3S), qui mène des recherches à l’interface entre intelligence artificielle et Web, notamment autour des graphes de connaissances, de la représentation et du traitement sémantique des données, et des méthodes d’IA pour les données du Web.

Cette thèse s’inscrit dans le cadre du projet ANR JCJC DIVA, qui vise à étudier comment l’activité des utilisateurs avec des systèmes de visualisation interactifs peut être capturée, représentée et exploitée afin de mieux comprendre et, à terme, accompagner leurs processus d’analyse. Le projet part du constat que les interactions des utilisateurs avec les visualisations constituent une source riche d’information sur leurs processus analytiques, leurs stratégies et leurs objectifs, mais que les approches existantes reposent souvent sur des représentations ad hoc, limitant leur interopérabilité, leur réutilisation et le raisonnement automatisé [1], [2]. DIVA vise ainsi à développer des approches sémantiques et neuro-symboliques pour représenter l’activité des utilisateurs et identifier des comportements analytiques à partir de leurs traces d’interaction avec le système, des données biometriques, ainsi que des verbalisations sur leur raisonnement.

Références
[1] K. Xu, A. Ottley, C. Walchshofer, M. Streit, R. Chang, and J. Wenskovitch, “Survey on the Analysis of User Interactions and Visualization Provenance,” Comput. Graph. Forum, vol. 39, no. 3, pp. 757–783, 2020.
[2] F. Yanez, C. Conati, A. Ottley, and C. Nobre, “The State of the Art in User‐Adaptive Visualizations,” Comput. Graph. Forum, vol. 44, Dec. 2024, doi: 10.1111/cgf.15271.

Rémunération et avantages

Rémunération

2300,00 € mensuel

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche