Un projet scientifique historique et structurant
STIM s’inscrit dans l’histoire scientifique de l’École, initiée dès les années 50 par Georges Matheron et Jean Serra, fondateurs de la géostatistique et de la morphologie mathématique à Mines Paris-PSL, deux disciplines qui, bien que distinctes, partageaient une même passion pour l’analyse des données spatiales. Pendant des décennies, ces deux communautés ont évolué côte à côte, parfois en collaboration. Aujourd’hui, la convergence des approches, accélérée par l’essor de l’IA, rend la fusion du Centre de Morphologie Mathématique (CMM) et de l’équipe de géostatistique du Centre de Géosciences naturelle et nécessaire pour permettre à Mines Paris – PSL de rester compétitifs et d’innover dans un domaine en pleine évolution.
Le centre STIM sera composé de 13 enseignants-chercheurs 1 personne pour l’administration et 40 doctorants (la moitié sont co-dirigés avec d'autres centres de l'École), pour développer une recherche méthodologique de haut niveau, combinant : intelligence artificielle, géostatistique, morphologie mathématique et modélisation probabiliste et physique.
L’IA y est abordée comme un outil, intégré à des modèles informés par la connaissance, avec une attention particulière portée à l’interprétabilité, à l’estimation des incertitudes et à la sobriété des méthodes. La force du centre réside dans sa capacité à combiner l’IA avec ses savoir-faire historiques dans un approche hybride.
« STIM marque une nouvelle étape pour l’École : celle d’une recherche plus visible, plus collaborative et résolument tournée vers les grands défis de l’intelligence artificielle et de la modélisation des données. Pensé comme un centre ouvert et connecté, STIM a aussi l’ambition de renforcer ses liens avec le monde socio-économique : travailler aux côtés des entreprises, développer des partenariats durables et faire rayonner l’expertise de Mines Paris – PSL. Cette dynamique n’efface pas les collaborations historiques : les équipes continueront à travailler étroitement avec le Centre de Géoscience, considéré comme un allié essentiel dans cette nouvelle organisation. » Étienne Decencière, Directeur du nouveau centre STIM.
« STIM a été créé pour poursuivre et renforcer le rôle de Mines Paris – PSL à la pointe des recherches en intelligence artificielle et transformations numériques, appliquées aux grands défis scientifiques et technologiques du continuum décarbonation – ressources – matériaux » Paolo Stringari, Directeur de Recherche de Mines Paris – PSL
Un centre ouvert et partenarial
STIM est conçu comme un centre ouvert, connecté est fondé sur les partenariats ; grâce aux collaborations existantes au sein de l’École, mais également aux liens avec le monde socio-économique. Le centre s’appuie sur des partenariats industriels solides, notamment dans les domaines des géosciences, des matériaux, de l’environnement, du biomédical et de la vision industrielle.
Plusieurs projets structurants sont en cours, dont le consortium PRIOR sur l’IA générative pour le sous-sol, les travaux de la chaire "Outiller les entreprises grâce à l’IA pour les enjeux de biodiversité" en collaboration avec l’ISIGE et le Centre de Géosciences et le renouvellement de la chaire Géolearning
Un volet enseignement cohérent
STIM souhaite jouer un rôle central dans l’offre de formation de Mines Paris – PSL, pour une organisation réfléchie des options en lien avec l’IA, et un travail pour rendre les parcours plus lisibles pour les élèves ingénieurs et des formations spécialisées en lien avec la Direction de l’enseignement. Le Centre portera entièrement l’option Géostatisque et probabilités appliquées remodelée et sera co-responsable des options MAREVA, IDSC et Géosciences. Il sera également impliqué dans l’élaborations des enseignements du tronc commun (probabilités, traitement du signal, calcul intégral, calcul différentiel, science des données) mais également de plusieurs enseignements spécialisés (Geostatistics, Physics and Mechanics of Random Media, Deep Learning for Image Analysis, Extreme Values Statistics, Machine learning for physics and engineering, Analyse d'images : de la théorie à la pratique, Problèmes inverses).
STIM s’inscrit dans l’histoire scientifique de l’École, initiée dès les années 50 par Georges Matheron et Jean Serra, fondateurs de la géostatistique et de la morphologie mathématique à Mines Paris-PSL, deux disciplines qui, bien que distinctes, partageaient une même passion pour l’analyse des données spatiales. Pendant des décennies, ces deux communautés ont évolué côte à côte, parfois en collaboration. Aujourd’hui, la convergence des approches, accélérée par l’essor de l’IA, rend la fusion du Centre de Morphologie Mathématique (CMM) et de l’équipe de géostatistique du Centre de Géosciences naturelle et nécessaire pour permettre à Mines Paris – PSL de rester compétitifs et d’innover dans un domaine en pleine évolution.
Le centre STIM sera composé de 13 enseignants-chercheurs 1 personne pour l’administration et 40 doctorants (la moitié sont co-dirigés avec d'autres centres de l'École), pour développer une recherche méthodologique de haut niveau, combinant : intelligence artificielle, géostatistique, morphologie mathématique et modélisation probabiliste et physique.
L’IA y est abordée comme un outil, intégré à des modèles informés par la connaissance, avec une attention particulière portée à l’interprétabilité, à l’estimation des incertitudes et à la sobriété des méthodes. La force du centre réside dans sa capacité à combiner l’IA avec ses savoir-faire historiques dans un approche hybride.
« STIM marque une nouvelle étape pour l’École : celle d’une recherche plus visible, plus collaborative et résolument tournée vers les grands défis de l’intelligence artificielle et de la modélisation des données. Pensé comme un centre ouvert et connecté, STIM a aussi l’ambition de renforcer ses liens avec le monde socio-économique : travailler aux côtés des entreprises, développer des partenariats durables et faire rayonner l’expertise de Mines Paris – PSL. Cette dynamique n’efface pas les collaborations historiques : les équipes continueront à travailler étroitement avec le Centre de Géoscience, considéré comme un allié essentiel dans cette nouvelle organisation. » Étienne Decencière, Directeur du nouveau centre STIM.
« STIM a été créé pour poursuivre et renforcer le rôle de Mines Paris – PSL à la pointe des recherches en intelligence artificielle et transformations numériques, appliquées aux grands défis scientifiques et technologiques du continuum décarbonation – ressources – matériaux » Paolo Stringari, Directeur de Recherche de Mines Paris – PSL
Un centre ouvert et partenarial
STIM est conçu comme un centre ouvert, connecté est fondé sur les partenariats ; grâce aux collaborations existantes au sein de l’École, mais également aux liens avec le monde socio-économique. Le centre s’appuie sur des partenariats industriels solides, notamment dans les domaines des géosciences, des matériaux, de l’environnement, du biomédical et de la vision industrielle.
Plusieurs projets structurants sont en cours, dont le consortium PRIOR sur l’IA générative pour le sous-sol, les travaux de la chaire "Outiller les entreprises grâce à l’IA pour les enjeux de biodiversité" en collaboration avec l’ISIGE et le Centre de Géosciences et le renouvellement de la chaire Géolearning
Un volet enseignement cohérent
STIM souhaite jouer un rôle central dans l’offre de formation de Mines Paris – PSL, pour une organisation réfléchie des options en lien avec l’IA, et un travail pour rendre les parcours plus lisibles pour les élèves ingénieurs et des formations spécialisées en lien avec la Direction de l’enseignement. Le Centre portera entièrement l’option Géostatisque et probabilités appliquées remodelée et sera co-responsable des options MAREVA, IDSC et Géosciences. Il sera également impliqué dans l’élaborations des enseignements du tronc commun (probabilités, traitement du signal, calcul intégral, calcul différentiel, science des données) mais également de plusieurs enseignements spécialisés (Geostatistics, Physics and Mechanics of Random Media, Deep Learning for Image Analysis, Extreme Values Statistics, Machine learning for physics and engineering, Analyse d'images : de la théorie à la pratique, Problèmes inverses).
