Menu Fermer

Équipe SLICE : Sciences du LogIciel et des ConnaissancEs

Abdelhak SERIAI
Abdelhak SERIAI
Responsable

Équipe SLICE

Sciences du LogIciel et des ConnaissancEs

L’équipe SLICE inscrit ses travaux dans le champ des Sciences du Logiciel (Génie logiciel) et de la Connaissance. Elle adopte une approche transversale et unifiée des problématiques liées à la construction, la reconstruction et l’évolution des architectures, qu’il s’agisse d’architectures logicielles ou d’architectures de données.

Ses recherches portent également sur la représentation, la structuration et l’extraction de connaissances issues de diverses sources, notamment les données logicielles, thématiques, web et lexico-sémantiques.

En abordant de manière intégrée ces enjeux d’architecturation, de modélisation et d’extraction de connaissances, l’équipe SLICE fédère des compétences et des cadres méthodologiques essentiels au développement des systèmes logiciels et des systèmes d’information conçus comme AI-powered ou AI-enabled, où l’intelligence artificielle constitue un levier structurant de conception, d’analyse et d’évolution.

Permanents
Imen Ben Sassi, Maître de conférences, UM
Philippe Reitz, Maître de conférences, UM
Anne Laurent, Professeur des universités, UM
Clémentine Nebut, Maître de conférences, UM
Alexandre Bazin, Maître de conférences, UM
Mathieu Lafourcade, Maître de conférences, UM
Marianne Huchard, Professeur des universités, UM
Abdelhak Seriai, Professeur des universités, UM
Christophe Dony, Professeur des universités, UM


Doctorants
Jérémie Roux, UM
Gatien Haddad, PRADEO
Louis Parent, PRADEO
Baptiste Mereaux, euroDAO
Marwa Alali, Predimya
Bachar Rima, Berger-Levrault
Nicolas Boffo, Ministère de l’intérieur
Alexandre Fleury, SAS CHARLATHAN CLUB


Autres personnels
Jeanne Gauthier, Doctorant externe, UM
Violaine Prince, Invité longue durée Eméritat, UM
Hani Guenoune, CDD Enseignant-Chercheur, UM
Michel Meynard, Associé, UM
Arthur Michalland, CDD Ingénieur-Technicien, CNRS

  • Architecturer pour “AI-Powered/AI-Enabled Software”

Le développement et l’évolution des systèmes informatiques et des systèmes d’information deviennent de plus en plus complexes. L’un des facteurs majeurs de cette complexité réside dans l’intégration croissante de composants d’intelligence artificielle au sein de ces systèmes.

Selon la nature du système — AI-powered, AI-enabled, AI-assisted ou AI-driven — l’intelligence artificielle peut constituer soit un composant optionnel, soit un élément structurant et indispensable. Les différentes configurations traduisent ainsi une véritable variabilité de conception et d’architecturation : les systèmes logiciels ne se conçoivent pas, ne s’intègrent pas et ne se maintiennent pas selon des principes identiques.

L’objectif de ce thème de recherche est d’analyser et de proposer des modèles architecturaux, tant du point de vue des données que des logiciels, ainsi que des modèles de représentation et d’extraction des connaissances spécifiquement adaptés à ces systèmes. Parmi ces approches figurent notamment les architectures dites agentic, qui placent l’autonomie et la capacité décisionnelle des agents au cœur du système.

  • Architecturer et extraire de la connaissance pour la sûreté et la sécurité logicielle

La sûreté et la sécurité logicielles figurent parmi les caractéristiques les plus essentielles des systèmes logiciels et des systèmes d’information. Face à la complexité croissante de ces systèmes et de leurs environnements d’exécution, l’évaluation et la garantie de ces deux caractéristiques deviennent des tâches de plus en plus ardues.

L’objectif de cette thématique de recherche est de proposer des méthodes d’extraction de données issues des logiciels (analyses statiques, observabilité, analyses dynamiques, etc.), du web (par exemple, à partir des différentes bases de données de menaces de sécurité) et des environnements opérationnels. Il s’agit également de concevoir des architectures adaptées et fédérées de ces données, constituant une première brique indispensable à l’élaboration de modèles et de processus d’analyse (heuristiques, métaheuristiques, IA symbolique, apprentissage automatique — machine learning — et deep learning, LLM, etc.).

Ces derniers visent l’extraction automatique de connaissances utiles à l’évaluation et à la garantie des propriétés de sûreté logicielle — notamment au travers des différents types de tests logiciels — ainsi qu’à la sécurité logicielle, incluant l’identification des vulnérabilités, la détection d’intrusions, la remédiation et l’analyse architecturale.

  • Développer des méthodes d’extraction de connaissances

Cet axe des travaux de l’équipe porte sur l’exploration et la valorisation de données complexes, en particulier lorsqu’elles présentent des dimensions multiples, des propriétés floues et des structures relationnelles riches. Dans ce cadre, l’équipe développe des méthodes d’analyse et de modélisation visant à extraire des connaissances pertinentes, interprétables et mobilisables par les experts. Une part importante de ces recherches repose sur des approches symboliques, telles que l’analyse formelle de concepts (construction de structures conceptuelles et de règles d’implications ou d’associations), ou l’extraction de motifs fréquents et d’exceptions, qui permettent de mettre en évidence des régularités, des dépendances et des structures latentes au sein des données. L’équipe s’intéresse également aux modalités de restitution de ces connaissances, notamment à travers l’usage de modèles de langage de grande taille (LLM), afin de faciliter l’interprétation des résultats, le dialogue avec les experts métiers et le soutien à la décision. Ces recherches sont appliquées à plusieurs domaines, parmi lesquels les systèmes de recommandation, l’analyse de données logicielles, ainsi que les données de santé et les données agro-écologiques.

  • Utiliser des relations sémantiques et lexicales pour guider le développement logiciel 

Dans cet axe, les  travaux de l’équipe se situeront à l’interface entre intelligence artificielle explicable et génie logiciel, avec pour objectif de mieux comprendre, analyser et fiabiliser le code et les modèles informatiques. Une attention particulière sera portée à la sémantique portée par les identificateurs (noms de variables, fonctions, classes, éléments de modèles), considérés comme des indices essentiels pour interpréter l’intention de conception et la logique métier. Le flot du code est également envisagé comme une structure narrative, dans laquelle un processus peut être décrit comme une succession cohérente d’événements, d’actions et de dépendances. Dans ce cadre, l’équipe s’intéressera à des approches combinant les capacités de raisonnement et de génération des LLM avec des graphes de connaissances, notamment issus de ressources telles que JeuxDeMots, afin de produire des analyses plus contextualisées, traçables et interprétables par les experts. Ces travaux visent à renforcer l’explicabilité des outils d’analyse de code et à soutenir, de manière plus robuste, les activités de contrôle, de vérification, d’architecture et de validation des modèles et des logiciels.

L’équipe entretient des relations de collaboration régulières avec de nombreux partenaires académiques et industriels. Parmi ces collaborateurs :

Toutes les publications SLICE