Techniques d'augmentation de données pour l'apprentissage profond sur les graphes

Doctorant : Abderaouf GACEM

Laboratoire INSA : LIRIS - Laboratoire d'lnfoRmatique en Image et Systèmes d'information

École doctorale : n°512 lnfoMaths - Informatique et Mathématiques de Lyon

Les données structurées sous forme de graphes sont omniprésentes dans de nombreux domaines d'application, allant des réseaux sociaux et de la biologie aux systèmes de recommandation et aux graphes de connaissances. La capacité d'appliquer des algorithmes d'apprentissage profond sur les graphes (appelée aussi apprentissage de représentations de graphes ou GRL, pour Graph Representation Learning) est cruciale pour exploiter efficacement l'information encapsulée dans ces structures. Toutefois, cet apprentissage se heurte à des défis majeurs, en particulier en matière de passage à l'échelle et de généralisation. Une piste prometteuse pour répondre à ces problématiques est l'augmentation de données, une stratégie classique en apprentissage automatique, mais encore sous-exploitée dans le contexte des graphes. Ce travail propose une étude rigoureuse et approfondie de l'augmentation de données sur les graphes, en tant que fil conducteur pour concevoir des algorithmes GRL à la fois performants et scalables. Nous analysons comment l'augmentation peut être injectée à différents niveaux du pipeline GRL : depuis les marches aléatoires sur le graphe en entrée, à l'entraînement par mini-batch, jusqu'à l'augmentation dans l'espace latent. Notre démarche s'articule autour de trois contributions principales : 1 - Biaisage structurel des marches aléatoires : Nous revisitons les méthodes basées sur les marches aléatoires, qui constituent un socle fondamental pour l'apprentissage d'embeddings de nœuds. Nous introduisons une stratégie de biaisage innovante exploitant la distance de résistance, une métrique reflétant la structure globale du graphe, pour guider la génération des marches. Le résultat est un meilleur équilibre entre exploration locale et globale, permettant d'obtenir des marches plus informatives tout en conservant la simplicité et l'efficacité des méthodes de premier ordre. 2 - Échantillonnage de mini-batch pour les GNNs : Nous nous intéressons ensuite aux réseaux de neurones pour graphes (ou Graph Neural Networks, GNNs), où l'apprentissage par mini-batch est une méthode essentielle pour assurer la scalabilité. Suite au succès de l'augmentation structurelle dans les marches aléatoires, nous posons la question suivante : peut-on repenser la génération des mini­ batches sous l'angle de l'augmentation ? Pour cela, nous proposons FireForest, une méthode d'échantillonnage qui produit des mini-batches respectant les propriétés structurelles globales tout en introduisant des variations topologiques. FireForest permet un entraînement efficace des GNNs sans compromettre la qualité des représentations apprises. 3 - Augmentation dans l'espace latent: Enfin, nous nous attaquons aux limites de l'augmentation appliquée directement dans l'espace du graphe d'entrée, souvent trop vaste et complexe à explorer. Inspirés par la capacité humaine à imaginer des variantes plausibles d'une structure perçue, nous concevons un cadre d'augmentation de bout en bout, entièrement apprenable, opérant dans l'espace latent des GNNs. Cette approche permet au modèle de simuler en interne des augmentations de graphes, lui donnant ainsi la capacité d'extrapoler des variantes pertinentes qui favorisent la généralisation. Elle introduit une forme puissante et abstraite d'augmentation. Ces contributions démontrent que l'augmentation de données constitue un levier polyvalent pour améliorer l'apprentissage de représentations de graphes. En intégrant des stratégies d'augmentation à divers niveaux de la chaîne GRL, nous proposons un cadre méthodologique qui renforce à la fois la scalabilité et la capacité de généralisation des modèles d'apprentissage profond sur les graphes.

De la détection de défauts de surface à l’évaluation automatique de la qualité des pneumatiques : une approche d’inspection par apprentissage profond de bout en bout

Doctorant : Thomas MIGNOT

Laboratoire INSA : LIRIS - Laboratoire d'lnfoRmatique en Image et Systèmes d'information

École doctorale : ED512 Infomaths (Informatique et Mathématiques de Lyon)

L’inspection visuelle des défauts d'aspect dans l’industrie pneumatique est un processus historiquement manuel et complexe à automatiser. Cette thèse propose plusieurs contributions méthodologiques basées sur l'apprentissage profond visant à améliorer la détection et la classification des défauts selon leur type et leur niveau de sévérité. D'abord, nous introduisons une approche en deux étapes combinant un réseau de segmentation d'instances de type Mask R-CNN pour segmenter les défauts et une classification indépendante exploitant à la fois les caractéristiques visuelles et géométriques des instances détectées. Cette méthode permet notamment de traiter toutes les zones du pneumatique de manière efficace grâce à une stratégie de spécialisation par zone. Cependant, cette première approche en deux étapes présente certaines limites, notamment en termes de complexité de mise en œuvre dans un contexte industriel. Le deuxième chapitre se concentre donc sur la simplification de cette méthode en fusionnant la prédiction du type de défaut et de son niveau de sévérité en une seule étape, directement intégrée dans le réseau Mask R-CNN. Nous proposons ainsi une adaptation architecturale nommée DML Mask R-CNN (Dependent Multi-Label), conçue pour traiter la problématique de l’annotation multi-étiquette dans le cadre de la détection d’objets et de la segmentation d’instances. Cette nouvelle version permet l’attribution simultanée de plusieurs étiquettes à chaque instance détectée, telles que le type de défaut et son niveau de sévérité. Nous intégrons également un module dédié à l’extraction de propriétés géométriques, dont les sorties alimentent une branche de classification de sévérité, afin de guider cette prédiction à l’aide d’informations non visuelles issues de connaissances a priori du domaine. Après cette étude approfondie des approches de détection et segmentation d’instances, nous explorons également la segmentation sémantique pour évaluer ses performances en comparaison avec les méthodes précédentes. L’approche proposée repose sur une première étape de segmentation sémantique visant à identifier les types de défauts, suivie d’une classification au niveau de l’image basée sur le niveau de sévérité maximal. Cette deuxième étape se base sur la réinjection des sorties du premier réseau dans un modèle de classification d’images. Ce chapitre aborde également la question de l’ambiguïté des annotations, problématique répandue dans le contexte de l’annotation de défauts de surface sur pneumatiques. Pour la traiter, nous avons opté pour une modélisation stochastique des prédictions, qui capture les dépendances entre les différentes classes de défauts au niveau du pixel à l’aide d’une distribution normale multivariée. Enfin, nous présentons une approche basée sur l’apprentissage multi-instance (Multiple Instance Learning), qui permet de passer de prédictions localisées au niveau des défauts à une décision globale concernant l’état final du pneumatique, à savoir s’il doit être réparé ou peut être expédié au client. Cette modélisation permet d’agréger automatiquement les informations issues des différentes instances et zones d’un même pneumatique, sans annotations précises, mais uniquement à partir des verdicts globaux fournis par les opérateurs. Cette approche a l’avantage d’éviter la définition manuelle de règles empiriques complexes par des experts du domaine pour filtrer les détections selon les exigences qualité. Testée dans plusieurs usines en conditions réelles, cette méthode a démontré une réduction notable des faux positifs par rapport aux règles existantes. Elle est actuellement en cours d’industrialisation en vue d’un déploiement à grande échelle sur les différents sites de production. L’ensemble de ces contributions a été validé sur des jeux de données industriels réels et montre une amélioration significative en termes de performance par rapport aux méthodes existantes.

Accélération Matérielle d'Arithmétique pour !'Apprentissage Artificiel et le Calcul Scientifique

Doctorante : Orégane DESRENTES

Laboratoire INSA : CITI - Centre d'innovation en Télécommunications et Intégration de Services

École doctorale : ED n°512 lnfoMaths - Informatique et Mathématiques de Lyon

Dans un monde axé sur les données, l'apprentissage artificiel et le calcul scientifique sont devenus de plus en plus importants, justifiant l'utilisation d'accélérateurs matériels dédiés. Cette thèse explore la conception et l'implémentation d'unités arithmétiques pour de tels accélérateurs dans le Massively Parallel Processor Array de Kalray. L'apprentissage artificiel nécessite des multiplications de matrices qui opèrent sur des formats de nombres très petits. Dans ce contexte, cette thèse étudie l'implémentation du produit-scalaire-et-addition en précision mixte pour différents formats de 8 et 16 bits (FP8, INT8, Posit8, FP16, BF16), en utilisant des variantes d'une technique classique de l'état-de-l'art, l'accumulateur long. Elle introduit également des techniques permettant de combiner différents formats d'entrée. Des méthodes radicalement différentes sont étudiées pour passer à l'échelle vers la grande dynamique des formats 32 et 64 bits utilisés en calcul scientifique. Cette thèse étudie également l'évaluation de certaines fonctions élémentaires. Un opérateur pour la fonction exponentielle (cruciale pour le calcul de la fonction softmax) étend une architecture de l'état-de-l'art pour accepter des formats d'entrée multiples. La fonction racine carrée inverse (utilisée pour la normalisation des couches) est accélérée en combinant des techniques d'état-de-l'art pour la réduction de la dynamique, des tables multipartites correctement arrondies et des techniques logicielles de raffinement itératif.

Étude expérimentale et compréhension des mécanismes d'usure douce d'élastomères renforcés modèles

Doctorante: Cloé CHANAL

Laboratoire INSA : IMP (Ingénierie des Matériaux Polymères)
École doctorale : ED34 : Matériaux de Lyon

La thèse s'inscrit dans le contexte du projet ANR WEEL (mechanisms of abrasion WEar of ELastomers) qui vise à enrichir la compréhension fondamentale des mécanismes d'usure par abrasion des élastomères renforcés. L'objectif est d'identifier des mécanismes physiques et/ou physico­ chimiques en vue d'une amélioration future de la prédiction de la durabilité de ces matériaux. L'application cible est celle des bandes de roulement des pneumatiques, dont les débris d'usure sont retrouvés en quantité non négligeable dans l'environnement. L'usure des élastomères renforcés a été largement étudiée dans le passé. Toutefois, des approches principalement phénoménologiques ont été privilégiées. De plus, aucun consensus n'a encore été établi concernant la transposabilité des essais d'usure en laboratoire ou l'élaboration d'une loi universelle. Dans cette partie du projet WEEL, essentiellement expérimentale, différentes formulations représentatives des bandes de roulement de pneumatiques de véhicules légers ont été testées. Les matériaux sont composés d'une matrice SBR/BR, renforcés par des nanoparticules ou agrégats (appelés charges) de silice ou de noir de carbone. Ils sont réticulés au soufre et contiennent divers additifs. Plusieurs paramètres ont été analysés, tels que la nature de la matrice (grade de SBR et présence ou non d'huile), les charges (type de charge, surface spécifique et taux de charge), ou encore le taux de soufre. Les matériaux ont été mis en oeuvre, puis caractérisés à l'aide de différentes techniques optiques, physiques et mécaniques. Les tests d'usure ont été réalisés à l'aide du tribomètre LORRY, développé lors d'un précédent projet européen. Les conditions cinématiques appliquées au niveau du contact sont contrôlées avec précision, permettant la simulation des phases de glissement dynamique locales d'un pneu réel dans des conditions d'usure douce (ligne droite, vitesse constante). Une grande longueur glissée est alors accumulée en peu de temps et le taux d'usure, défini comme la perte de masse par énergie de frottement accumulée, est utilisé pour quantifier et comparer l'usure des matériaux. Des analyses post-usure ont été effectuées afin de mieux comprendre les mécanismes impliqués pour les différentes formulations et conditions d'essai. Les faciès d'usure sont caractérisés à différentes échelles d'un point de vue topographique et chimique. La comparaison des matériaux, de leur taux d'usure et leurs modes d'usure a permis de clarifier les phénomènes en jeu et d'identifier les propriétés ayant un impact direct sur l'usure. Il a, par exemple, été montré que l'usure est fortement influencée par les propriétés mécaniques à faible niveau de déformation (notamment le module élastique). Il s'ensuit que le paramètre matériau dont l'impact est prédominant est la fraction de charge. Il semble qu'un seuil de renfort existe en deçà duquel une accélération importante de l'usure est observée. À iso-propriétés mécaniques à faible déformation, l'usure semble principalement gouvernée par les propriétés mécaniques à grande déformation, telle que l'énergie à la rupture. Une relation empirique a ainsi été proposée afin d'estimer l'usure d'un matériau en fonction de son module à faible déformation et de son énergie à la rupture. L'analyse chimique par XPS (spectroscopie photoélectronique à rayons X) des surfaces usées et des débris d'usure a permis de mettre en évidence, directement, le phénomène d'oxydation du soufre en lien avec l'usure. L'hypothèse formulée est celle de la rupture des ponts de soufre, générant des radicaux libres en surface, lesquels réagissent ensuite avec l'oxygène présent dans l'air.

Apport de l'imagerie spectrale par rayons X a la reconstruction d'images en contraste de phase

Doctorant : Christopher NINHAM

Laboratoire INSA : CREATIS - Centre de Recherche en Acquisition et Traitement de l'lmage pour la Santé
École doctorale : ED160 : EEA - Electronique, Electrotechnique, Automatique de Lyon.

L'imagerie par contraste de phase aux rayons X est une technique d'imagerie offrant un fort potentiel grâce à son contraste amélioré par rapport à la radiographie conventionnelle. Contrairement à l'atténuation, directement mesurable, la phase aux longueurs d'onde des rayons X n'est pas une grandeur directement mesurable. Par conséquent, pour mesurer la phase, des techniques spécifiques sont utilisées, qui nécessitent toutes une propagation en espace libre entre l'échantillon et le détecteur. Initialement, ces techniques étaient limitées aux sources synchrotron en raison de la grande cohérence spatiale qu'elles offrent, mais leur efficacité a récemment été démontrée avec des sources conventionnelles. L'un des inconvénients de ces techniques est que la récupération quantitative de phase nécessite plusieurs images avec différents paramètres expérimentaux, contrairement à l'exposition unique requise habituellement, ce qui augmente la dose délivrée et le temps d'imagerie. Avec l'avènement des détecteurs de rayons X spectraux, il est possible d'obtenir simultanément des images dans plusieurs bandes de longueurs d'onde lors d'une seule acquisition. Les travaux présentés combinent une telle méthode de récupération de phase avec des images acquises à plusieurs énergies afin d'améliorer la récupération de phase par rapport au cas monochromatique. La méthode de récupération de phase étudiée est l'imagerie par speckle, qui consiste à suivre les modifications induites par l'échantillon sur un motif spatialement aléatoire. En combinant cette méthode à l'imagerie spectrale, plusieurs algorithmes ont été adaptés et développés pour prendre en compte les données polychromatiques, tandis que plusieurs améliorations ont été apportées aux algorithmes monochromatiques existants.

Analyse expérimentale de la propagation de fissures sous contact roulant/glissant dans les aciers nitrurés et cémentés

Doctorante : Aude LECOUFFE

Laboratoire INSA : LaMCoS - Laboratoire de Mécanique des Contacts et des Structures

École doctorale : ED n°162 MEGA - Mécanique, Énergétique, Génie Civil, Acoustique

Les paliers à roulements jouent un rôle clé dans les transmissions mécaniques, et leur défaillance peut entraîner des conséquences critiques. L'un des principaux modes d'endommagement est la fatigue de contact, se traduisant par l'apparition de fissures, puis d'écaillages à la surface des composants. Si ce phénomène progresse, il peut compromettre leur intégrité. De nombreuses recherches ont porté sur l'initiation de l'endommagement en surface dans des conditions de contact lubrifié en roulement/glissement. En revanche, la propagation de fissures longues, susceptibles d'atteindre les zones profondes du matériau, reste encore peu étudiée, alors même qu'elle peut conduire à des ruptures internes, comme en témoigne certains cas connus de défaillance de la transmission d'aéronefs. Ce travail s'appuie sur une campagne expérimentale sur machine bi-disque de fatigue pour étudier l'impact des paramètres tribologiques et matériaux sur les trajectoires de fissuration en contact lubrifié roulant/glissant. Une méthodologie en deux temps a été mise en œuvre: d'abord, l'initiation contrôlée d'endommagements de surface grâce à un contre-disque indenté, puis l'étude de la propagation des fissures avec un contre-disque lisse. Les essais ont été poursuivis jusqu'à l'apparition d'un endommagement macroscopique visible en surface, puis analysés via des coupes métallographiques successives afin de reconstituer la morphologie tridimensionnelle des fissures. Les résultats ont montré que plusieurs paramètres avaient peu d'influence sur la progression des fissures en profondeur dans les conditions testées. En revanche, une augmentation de la charge normale en surface semble favoriser une propagation au-delà de la profondeur de Hertz et l'apparition de fissures caractéristiques en forme de« C ». Par ailleurs, les traitements thermochimiques se sont révélés déterminants : la nitruration induit rapidement un écaillage atteignant une valeur environ deux fois supérieure à celle de Hertz. Ce comportement contraste avec celui des pièces cémentées, qui écaillent plus lentement et pour lesquelles l'écaillage atteint généralement une profondeur proche de la profondeur de Hertz lors de l'arrêt de l'essai. L'introduction de contraintes structurelles circonférentielles de traction par frettage conique ne modifie pas notablement les trajectoires des fissures, bien qu'un effet sur leur vitesse de propagation ait été observé. Enfin, une stratégie consistant à appliquer une pression de Hertz modérée pendant la majorité du test, suivie d'une élévation après plusieurs millions de cycles, a permis de générer des fissures longues en sous-couche, reliées à l'écaillage initial et situées à des profondeurs importantes.

Méthodes d'Explication Basées sur la Théorie des Jeux pour les Réseaux de Neurones sur Graphes

Doctorant : Ataollah KAMAL

Laboratoire INSA : LIRIS - Laboratoire d'lnfoRmatique en Image et Systèmes d'information

École doctorale : ED n°512 lnfoMaths - Informatique et Mathématiques de Lyon

Les réseaux de neurones graphiques (GNNs) ont connu un succès remarquable dans un large éventail d'applications. Cependant, la complexité de leurs architectures les rend difficiles à interpréter, ce qui limite leur adoption dans des domaines critiques où la transparence est essentielle. Bien que de nombreuses méthodes d'explication aient été proposées pour les GNNs, la plupart ne disposent pas de garanties théoriques quant à la fidélité et à la fiabilité de leurs résultats. Parmi ces méthodes, les approches basées sur la théorie des jeux se distinguent en offrant des garanties formelles, fondées sur des axiomes bien établis. La plupart des méthodes issues de la théorie des jeux considèrent les composantes d'entrée (par exemple, les nœuds ou les arêtes) comme des joueurs, et calculent leur contribution dans un jeu coopératif en utilisant des concepts de solution tels que les valeurs de Shapley ou les HN-values. Toutefois, le calcul exact de ces contributions est exponentiel en fonction du nombre de joueurs, ce qui rend les solutions exactes irréalisables d'un point de vue computationnel pour les grands graphes. Par conséquent, des méthodes d'approximation sont souvent employées. Néanmoins, à mesure que la taille du graphe d'entrée augmente, la qualité de ces approximations se dégrade, compromettant ainsi la fiabilité des explications. Pour relever ces défis, cette thèse propose deux solutions complémentaires. Premièrement, nous introduisons une méthode appelée INSIDE-SHAP, qui utilise des règles d'activation, dérivées des représentations cachées des GNNs, comme joueurs dans le jeu coopératif. INSIDE-SHAP découple la taille de l'ensemble des joueurs de celle du graphe d'entrée, permettant ainsi un calcul plus efficace des contributions basées sur les valeurs de Shapley, sans compromettre les garanties théoriques. Deuxièmement, nous présentons un nouveau cadre théorique, ESPAM, basé sur des axiomes alternatifs, distincts de ceux qui sous-tendent les valeurs de Shapley. Ce cadre permet un calcul exact des valeurs de contribution en temps polynomial, éliminant ainsi le besoin d'approximation tout en préservant les dépendances structurelles au sein du
graphe. De plus, la méthode proposée est indépendante du modèle, ce qui renforce son applicabilité à diverses architectures de GNNs. Enfin, nous démontrons l'utilité pratique de ESPAM en l'appliquant à un modèle GNN complexe pour la prédiction des interactions molécule-médicament. Ensemble, ces contributions font progresser le développement de méthodes d'explication évolutives, fidèles et théoriquement fondées pour les modèles de GNN.
 

Vers un secteur photovoltaïque soutenable : stratégies pour réduire la consommation de ressources limitées et modules hautement recyclables

Doctorante : Antoine PERELMAN

Laboratoire INSA : INL - Institut des Nanotechnologies de Lyon
École doctorale : EDA n°160 EEA - Electronique, Electrotechnique, Automatique de Lyon

L'une des nécessités induites par le changement climatique est la décarbonation et l'augmentation de la production d'électricité. Les énergies renouvelables connaissent dans ce cadre un développement massif, porté notamment par le solaire photovoltaïque (PV). Cette forte croissance des énergies renouvelables et du secteur PV en particulier, bien que moteur pour l'amélioration technologique et la consolidation de ce marché, interroge quant à la capacité des chaînes d'approvisionnement à soutenir une telle croissance. Le concept de« matière critique» est donc pertinent pour traiter cet aspect. Les travaux de cette thèse visent à proposer une interconnexion de module PV réduisant la consommation de matières critiques et favoriser la récupération de matériaux de haute qualité en fin de vie du module. Dans un premier temps, une analyse des méthodes existantes de classification de la criticité des matières premières a été réalisée, menant à la proposition d'une méthode alternative pour mieux capter les spécificités du secteur PV. Celle-ci a été appliquée aux matériaux d'intérêt : Ag, Al, Bi, Cu, ln, Ni et Sn. Suite à l'étude des procédés de recyclage actuels, il ressort que la conception actuelle des modules PV limite fortement l'intérêt de leur recyclage. Les démarches d'écoconception poussent à la séparabilité des composants en fin de vie, sans perdre en performances durant l'utilisation du module. L'application de cette approche a conduit à la proposition d'une encapsulation en double couche (solide et liquide) permettant d'implémenter l'interconnexion par plaquage mécanique, le maintien en place des connecteurs ainsi qu'une transmission élevée du rayonnement incident. La simulation optique montre que cette encapsulation présente des performances au même niveau que les standards actuels. Deux propositions d'optimisation des indices optiques des matériaux d'encapsulation permettent d'espérer des gains jusqu'à 0,5 % de courant photo générés. Sans la contrainte du procédé de brasure des cellules PV en chaînes linéaires, la disposition des cellules PV dans le module et leur schéma électrique peut être envisagé plus librement. Une réflexion est approfondie autour du pavage de la surface du module par les cellules. Cela a nourri le développement d'un outil permettant de générer des motifs de métallisation issus de schémas d'interconnexion exotiques. L'aspect expérimental de ces travaux a consisté dans un premier temps à relever les défis technologiques de la réalisation de prototypes de modules PV. Ces études préliminaires ont permis de dégager un processus fiable de fabrication de module. La caractérisation électrique des modules produits a permis de constater leurs performances satisfaisantes, permettant d'atteindre 95 % de la puissance produite par les cellules initiales. Les résultats de tests après exposition à des vieillissements accélérés suggèrent qu'il reste une marge de progression sur la maîtrise de la fabrication, bien que ces résultats satisfassent déjà les normes commerciales. Dans le cas particulier de l'exposition UV, une coloration de l'encapsulation a été remarquée dans certaines zones du module et présente une forte détérioration des propriétés optiques. La capacité à séparer les différents composants du module à la fin de sa durée de vie a été validée par l'ouverture de modules réalisés. Quelques protocoles de mesure permettant de prendre en compte la spécificité de cette architecture de module ont aussi été mis en place. L'un d'entre eux a notamment confirmé l'importance cruciale de la résistance de contact entre connecteurs et métallisation de la cellule comme indicateur clé de la performance du module. Ces travaux mettent en lumière les risques significatifs qui pèsent sur les chaînes d'approvisionnement mondiales pour l'industrie PV. Ils soulignent la nécessité impérative de concevoir des modules PV plus alignés avec les principes de l'économie circulaire, afin de répondre aux défis actuels et futurs.

 

Capteurs portables et connectés pour la mesure de paramètres physiologiques en conditions ambulatoires

Maître de Conférences : Bertrand MASSOT

Laboratoire INSA :  Institut des Nanotechnologies de Lyon

Composition du jury : 

• Rapporteurs : BARTHOD Christine, BERNARD Serge, CERTON Dominique
• Jury : 

Civilité	Nom et Prénom	Grade/Qualité	Etablissement
Mme	BARTHOD Christine	Professeure des Universités	Université Savoie Mont Blanc
M.	BERNARD Serge	Directeur de Recherche	Université de Montpellier
M.	CERTON Dominique	Professeur des Universités	Université de Tours
M.	DELACHARTRE Philippe	Professeur des Universités	INSA Lyon
Mme	GEHIN Claudine	Professeure des Universités	INSA Lyon
M	NOURY Norbert	Professeur des Universités	Université Claude Bernard Lyon 1

 

Twenty years of research, three labs, two countries: a short insight into navigating between different subjects, model systems and life. Ndlr. It’s all about interactions.

Chargé de Recherche de Classe Normale (CRCN) : Rita Rebollo

Laboratoire INSA :  BF2i

Composition du jury : 

• Rapporteurs : Nicolas Nègre, Clémentine Vitte et Laure Teysset
• Jury : 

Civilité	Nom et Prénom	Grade/Qualité	Etablissement
Mme	Haichar Feteh el Zahare	Professeur des universités	INSA Lyon
Mme	Hommais Florence	Professeur des universités	Université Lyon 1
Mme	Kremer Natacha	Chargé de recherche HDR	CNRS – Université Lyon 1
Mr	Nègre Nicolas	Professeur des universités	Université de Montpellier
Mme	Teysset Laure	Professeur des universités	Sorbonne Université
Mme	Vitte Clémentine	Chargé de recherche HDR	CNRS – Université Paris Saclay