L’objectif du premier axe de recherche est de mettre au point et d’analyser la dynamique des modèles mathématiques et informatiques qui modélisent la propagation des maladies infectieuses ainsi que la lutte contre ces maladies et leur prévention.
Le but est d’arriver à soutenir les décisions en santé publique pour une meilleure conception en amont et un bon suivi en aval des programmes de santé qui sont mis en œuvre en Afrique centrale et plus particulièrement au Cameroun. Le principal objectif du second axe de recherche est d’étudier l’épidémiologie et la gestion de maladies des cultures tropicales en relation avec le changement climatique (Kolaye et al. 2018, Fotso et al. 2022, Dountio et al. 2024). Nous nous intéressons aux mirides ravageurs du cacao, nématodes de la banane plantain, scolytes du café, paracoccus marginatus ravageurs de papayers, busseola fusca ravageurs du maïs, dysmicoccus brevipes ravageurs de l’ananas et phenacoccus manihoti, ravageur du manioc.
L’approche de modélisation une seule santé utilisera les liens étroits et interdépendants entre les sciences humaines, animales et environnementales pour créer de nouveaux modèles et méthodes mathématiques en prenant en compte les modifications des milieux de vie des humains et des animaux qui favorisent l’émergence ou la (ré)émergence de nouvelles pathologies. Ces modèles et méthodes aideront à la surveillance épidémiologique et à la lutte contre les maladies ainsi que leur prévention. Cette thématique se fera en collaboration avec le Programme National de Prévention et de Lutte contre les Zoonoses Émergentes et Ré-émergentes (PNPLZER), le Centre Pasteur du Cameroun, le ministère de la Santé Publique et la Météorologie Nationale du Cameroun.

Le premier axe de recherche est le développement de modèles de reconnaissance automatique de la parole pour les langues africaines. Les langues africaines sont pour l’essentiel plus parlées qu’écrites.
Un grand nombre d’entre elles disposent néanmoins de systèmes d’écritures. Les données textes comme les données audio sont très rares pour ces langues, ce qui rend difficile l’exploitation efficace des modèles d’IA les plus performants.
De plus, les langues africaines ont des caractéristiques linguistiques très différentes des langues les plus utilisées dans les outils d’IA. Le but de ce travail de recherche est de développer des modèles spécifiques (exploitant l’apprentissage par transfert et les modèles multilingues) pour convertir la parole en texte ce qui, entre autres objectifs, va permettre de créer plus de corpus de textes, et permettre le développement de modèles d’apprentissage artificiel pour la traduction automatique des langues africaines vers le français et l’anglais et inversement. Comme pour la parole, les verrous que sont la faible quantité de données, la qualité des données, la faible quantité de données annotées ou alignées et les caractéristiques linguistiques seront ciblés par le centre.
Le second axe de recherche est le développement de modèles d’apprentissage profond pour la surveillance des inondations en zones urbaines à partir d’images. Les changements climatiques ainsi que de nombreux facteurs socio-économiques comme l’urbanisation sont à l’origine de catastrophes environnementales dans les zones urbaines en Afrique centrale. On observe de plus en plus d’inondations qui surviennent brusquement et qui affectent des zones jusque-là épargnées. Le centre travaillera au déploiement de drones pour la capture d’images sur les zones d’intérêts et le développement de modèles d’apprentissage profonds de prédiction d’inondation.
En plus de pallier le manque de données, les travaux visent à coupler les modèles mathématiques de diffusion de fluides à ceux d’apprentissage profond.
Enfin, une question scientifique commune à tous les sujets abordés dans ce thème est celle de l’explicabilité des modèles d’apprentissage. Deux niveaux d’explicabilité seront ciblés dans les travaux des chercheurs du centre : le niveau des experts métiers (linguiste, hydrologue, …) et le niveau des décideurs politiques (ministère chargé de l’enseignement primaire pour la formation sur les langues africaines, maires des communautés urbaines pour la gestion des inondations).

Complémentaire au précédent, cet axe de recherche vise à développer des outils pour collecter les données nécessaires aux modèles et produire de nouvelles connaissances pour les utilisateurs. Ces données seront utilisées par les algorithmes d’apprentissage automatique (profond en particulier) pour la construction de modèles de reconnaissance de la parole et de traduction automatique de textes en langues africaines. La première question scientifique est la formalisation de processus de collecte pour des environnement très peu digitalisés, avec des capteurs qui doivent rapatrier les données collectées à des dizaines de kilomètres et des acteurs d’horizon et de champs disciplinaires divers (linguistes, anthropologues, populations rurales, …) qu’il faut mobiliser.
A côté des données texte et audio, le centre travaillera aussi à la collecte de données environnementales sous la forme d’images et de vidéos par des drônes. Ces données sont indispensables pour les algorithmes d’apprentissage profond utilisés pour la surveillance des inondations en zones urbaines. La seconde question de recherche, commune aux deux d’applications citées, est celle du développement de systèmes embarqués qui hébergent les modèles de pré-traitement développées dans le centre. La troisième question scientifique est celle du passage à l’échelle de la collecte grâce à la technologie (chatbots, voicebots, drones) et avec une participation citoyenne des cibles. L’implication des citoyens à cette collecte passe par le déploiement de moyens de formation et d’information sur les enjeux, les opportunités et les techniques des activités de collecte de données. Enfin, la quatrième question scientifique est celle du stockage et de la diffusion des données dans l’objectif de faciliter leurs intégrations dans les modèles d’apprentissage.