Besoin : Estimer l'exposition au bruit d'un individu grâce à son téléphone mobile.
Solution apportée : Une méthode statistique pour estimer l'expostion au bruit heure par heure d'un utilisateur de téléphone mobile.
Méthode : Application d'une méthode d'assimilation de données (Best Linear Unbiased Estimator) à des données d'intensité sonore récoltées par des téléphones mobiles et implémentation en Python.
Le bruit a des conséquences problématiques sur le sommeil, le cœur, les performances scolaires… Les smart-phones sont équipés de microphones qui permettent de mesurer le niveau de bruit dans l'environnement de leurs utilisateurs. La figure ci-contre montre l'évolution des niveaux de bruits relevés par des téléphones mobiles.
En utilisant ces données, nous avons utilisé l'assimilation de données pour estimer l'exposition au bruit d'utilisateurs individuels, et comparé les expositions moyennes de deux populations. Sans surprise, Paris est plus bruyante que le reste de la France.
Détecter les dégradations de performances du système de question-réponse de Piaf
Pour : Etalab
2021
Parallélisation sur GPU d'un algorithme de fouille de données textuelles
Pour : CNRS, L'institut des Systèmes Complexes — Paris Île de France
2021
Un moteur de recherche Elasticsearch pour une Web TV de vulgarisation du droit
Pour : La Chaîne du Droit
2021
Parallélisation d'un algorithme d'inférence bayésienne en simulation
Pour : CNRS, Institut des Systèmes Complexes — Paris Île-de-France
2017-2020
Estimation de la pollution sonore
Pour : Inria
2016-2017
Exploration des sorties d'un modèle de simulation
Pour : CNRS, Institut des Systèmes Complexes — Paris Île-de-France
2013-2015
Un modèle spatial de la dynamique de population d'arbres en savane
Pour : Université Paris 6, Laboratoire Bioemco
2010-2013