Shadoc : Systems for Hybrid Analysis of DOCuments

L'équipe Shadoc prend le relais de l'équipe Intuidoc. Comme Intuidoc, Shadoc se concentre sur la modélisation des données manuelles de la communication écrite : écriture, geste (2D et 3D), et documents, sous différents aspects : analyse, reconnaissance, composition, interprétation.

L'objectif est de réaliser un continuum entre le papier et les documents numériques avec une certaine lisibilité. Nous nous concentrons principalement sur les sujets suivants :

•   Reconnaissance intelligente de contenus manuscrits : documents, écrits, gestes ;
• Analyse du contenu sémantique/structurel : structure des documents, étapes de production des diagrammes, dessins, partitions musicales, croquis, plans d'architecture ;
• Conception de nouvelles IA, combinant reconnaissance et analyse : offrir des expériences enrichies pour les humanités numériques ou l'e-éducation.

La feuille de route de l'équipe Shadoc se situe à la frontière de plusieurs axes de recherche : Reconnaissance des formes, apprentissage automatique, intelligence artificielle, interaction homme-machine, usages et apprentissage numérique.

Nos recherches se caractérisent par l'hybridation de plusieurs approches d'IA : grammaires bidimensionnelles, apprentissage profond, systèmes d'inférence flous... Cette hybridation vise à garantir, au-delà de la performance, des aspects importants tels que : l'explicabilité, la généricité, l'adaptabilité, la frugalité des données.

Au-delà de l'hybridation, l'originalité de cette recherche est de mettre l'accent sur l'interaction avec l'utilisateur. Cette stratégie vise à répondre aux limites des approches actuelles qui sont basées sur des traitements non interactifs. Le concept est de renforcer les processus de décision en s'appuyant sur les validations implicites ou les corrections explicites d'un utilisateur afin d'éviter la propagation d'erreurs tout au long de l'analyse. Les notions d'interprétation, d'adaptation et d'apprentissage incrémental sont au cœur de cette recherche, l'objectif étant de concevoir des systèmes efficaces, robustes et auto-évolutifs.