Big Data et IA pour les systèmes terrestres

Mes travaux se situent au croisement du big data terrestre, de l'IA et de la géophysique. Je conçois des chaînes de traitement et des modèles guidés par la physique qui transforment les données satellitaires, géophysiques et de terrain en connaissances — pour anticiper les risques naturels, trouver les ressources en eau et en minéraux, et rendre les prévisions fiables.

• 2Cadres d'apprentissage profond

  Axe de recherche 01

  Big Data dans les systèmes terrestres

  Problématique

  Satellites, prospections géophysiques et réseaux de capteurs produisent bien plus de données que les méthodes géoscientifiques classiques ne peuvent en exploiter.

  Approche

  Des chaînes de traitement en géosciences computationnelles et un apprentissage profond explicable, guidé par la physique (GeoPriorSubsNet, XTFT), des données brutes à la décision.

  Explorer
• R² > 0.90Précision du modèle de subsidence

  Axe de recherche 02

  Risques naturels

  Problématique

  Affaissement des sols, contamination par des décharges défaillantes et feux de forêt menacent villes, eaux et écosystèmes — souvent plus vite que la surveillance.

  Approche

  Prévision de la subsidence guidée par la physique, détection des lixiviats par IA à partir de données géophysiques, et alerte précoce aux feux.

  Explorer
• >90%Taux de réussite des forages

  Axe de recherche 03

  Eaux souterraines et exploration minière

  Problématique

  Trouver l'eau et les ressources minérales là où les données manquent reste coûteux et incertain.

  Approche

  Méthodes EM, CSAMT et de résistivité assistées par l'IA, appuyées par des outils open source comme pyCSAMT et watex.

  Explorer
• 100+Fonctions graphiques dans k-diagram

  Axe de recherche 04

  Incertitude et prévisions fiables

  Problématique

  Prendre des décisions fiables nécessite une compréhension sûre de l'incertitude des prévisions.

  Approche

  Développement de nouveaux diagnostics polaires (k-diagram) pour analyser la couverture, la fiabilité et la sévérité des prévisions.

  Explorer

1. 01

   Observer

   Données électromagnétiques (AMT/CSAMT), de résistivité (ERT), InSAR et de forages issues du terrain.

   Big DataEaux et minéraux
2. 02

   Modéliser

   Des réseaux guidés par la physique qui respectent l'hydrogéologie, et pas seulement les motifs des données.

   Big Data
3. 03

   Diagnostiquer

   Des diagnostics d'incertitude qui montrent quand et où une prévision est fiable.

   Incertitude
4. 04

   Décider

   Des sites de forage qui trouvent l'eau et des cartes de risque de subsidence exploitables par les aménageurs.

   Risques naturelsEaux et minéraux
5. 05

   Partager

   Des paquets open source et une application de bureau pour que d'autres réutilisent les méthodes.

   Logiciels