Neila Zokkar

 

Titre : La médecine dentaire à l’ère du numérique : intelligence artificielle, modélisation et biomécanique

 

Résumé : La transformation numérique de la médecine dentaire repose sur l’intégration croissante de l’intelligence artificielle, de la modélisation tridimensionnelle et de l’analyse biomécanique dans les processus diagnostiques et thérapeutiques. Les avancées en imagerie numérique et en apprentissage automatique améliorent la précision du diagnostic, la planification des traitements et l’évaluation prédictive des résultats cliniques. Par ailleurs, les approches de modélisation et de simulation, notamment l’analyse par éléments finis et la conception assistée par ordinateur, permettent d’étudier le comportement mécanique des tissus dentaires et des biomatériaux sous contraintes fonctionnelles. Ces outils contribuent à l’optimisation des dispositifs prothétiques, implantaires et orthodontiques. Cette convergence interdisciplinaire entre odontologie, informatique et ingénierie ouvre des perspectives en dentisterie personnalisée et en recherche translationnelle, favorisant le développement de solutions innovantes fondées sur des modèles numériques fiables et des analyses mécaniques rigoureuses.

 

 

Sana Salah

 

Titre : Capteurs portables et robotique en neuro-rééducation : Restaurer par la neuroplasticité, compenser par l’adaptation - vers une approche quantitative adaptée au contexte tunisien

 

Résumé : La neuro-rééducation repose sur deux stratégies complémentaires : la restauration fonctionnelle par la neuroplasticité et la compensation adaptative des déficits. Les capteurs portables et la robotique d’assistance permettent aujourd’hui une quantification objective du mouvement, un feedback en temps réel et une personnalisation de l’intensité thérapeutique, contribuant à renforcer ces deux approches. Dans le contexte tunisien, caractérisé par une forte prévalence des séquelles d’AVC et des ressources limitées, l’intégration raisonnée de capteurs accessibles représente une opportunité stratégique. Nous proposons un cadre méthodologique articulé autour de l’identification de cibles fonctionnelles prioritaires, d’une instrumentation robuste à coût maîtrisé, d’une modélisation mathématique des trajectoires de récupération et d’une validation croisée multicentrique garantissant la fiabilité des modèles. Cette démarche intègre un axe éthique et réglementaire portant sur la protection des données, l’acceptabilité patient et la certification des dispositifs médicaux. À travers une collaboration interdisciplinaire STEM-Sciences de la Santé, l’objectif est de structurer une rééducation quantitative contextualisée, scientifiquement robuste et économiquement soutenable, capable de positionner la recherche tunisienne dans une dynamique compétitive internationale.

 

 

 

 

 

Ghazi Bel Mufti

 

Titre : Contrôle optimal et apprentissage automatique : vers des approches hybrides

 

Résumé : La théorie du contrôle vise à piloter un système dynamique d’un état initial vers un état cible en optimisant un critère de coût, à partir d’un modèle mathématique explicite. Toutefois, lorsque la dynamique est complexe, partiellement connue ou de grande dimension, les approches classiques peuvent devenir difficiles à mettre en oeuvre. Dans ce contexte, le machine learning — et plus particulièrement le Deep Learning (DL) et le Reinforcement Learning (RL) — propose des outils complémentaires. Le RL reformule naturellement les problèmes de contrôle optimal sous la forme d’une interaction agent–environnement, où la politique de commande est apprise à partir des données. Le DL permet, quant à lui, d’approximer des lois de commande ou des fonctions de valeur dans des espaces d’état de grande dimension. Nous examinons les liens entre contrôle optimal, DL et RL, en nous appuyant sur des systèmes dynamiques de référence pour comparer ces différentes approches. Cette orientation ouvre des perspectives prometteuses pour le contrôle de systèmes complexes, notamment ceux gouvernés par des équations aux dérivées partielles.

 

 

 

Hichem Hassine

 

Titre : Gestion modulaire et analyse de la maintenance prédictive des avions

 

Résumé : La maintenance prédictive représente une évolution majeure dans la gestion de la fiabilité et de la sécurité des systèmes complexes, notamment dans le secteur aéronautique. Elle consiste à anticiper les défaillances potentielles d’un équipement ou d’un système avant leur occurrence réelle, en s’appuyant sur la collecte et l’analyse continue de données issues de capteurs et d’autres dispositifs de surveillance embarqués. Cela permet de réduire les coûts liés aux arrêts non planifiés, d’améliorer la sécurité des opérations, d’allonger la durée de vie des équipements, et d’optimiser la disponibilité des avions. L’objectif de l’approche proposée est la modélisation du processus de maintenance aéronautique en se basant sur l’approche multi-agents et les réseaux de Pétri colorés. La contribution repose sur l’ajout d’un nouvel agent lié à la gestion des ressources et l’étude de son impact sur les performances du processus de maintenance ainsi que la disponibilité des avions.