- Recherche,
Une IA plus performante pour détecter les anomalies, récompensée à l’international
le 6 mai 2026
Des chercheurs de l’IRIT viennent de recevoir le Springer IDA 2026 Frontier Prize qui récompense la contribution la plus innovante en analyse de données de la conférence scientifique Intelligent Data Analysis 2026. L’article, porté par des chercheurs de la Faculté d'Informatique de l’Université Toulouse Capitole, s’est classé 1er sur 102 soumissions. Ces travaux proposent une nouvelle manière de rendre l’intelligence artificielle plus performante pour détecter les anomalies dans des données complexes.
Comment repérer une fraude, une panne ou un comportement inhabituel quand on ne sait pas à l’avance ce que l’on cherche ? C’est tout l’enjeu de la détection d’anomalies, un domaine clé de l’intelligence artificielle utilisé dans la robotique, la finance ou encore la santé.
Pour relever ce défi, les chercheurs combinent souvent plusieurs algorithmes. L’un des principaux obstacles est de savoir comment sélectionner ces différents algorithmes pour optimiser les résultats. Une stratégie courante consiste à choisir des algorithmes divers, qui « pensent » différemment. Cependant, mesurer la diversité des algorithmes reste une tâche complexe.
L’équipe de l’IRIT propose une approche originale : comprendre comment les algorithmes prennent leurs décisions, plutôt que de se contenter de leurs résultats. Grâce à des outils d’explicabilité (appelés SHAP), les chercheurs analysent précisément quels éléments des données influencent chaque modèle. Cela permet de comparer les algorithmes entre eux, non plus seulement sur leurs résultats, mais sur leur manière de “raisonner”.
Résultat :
Pour relever ce défi, les chercheurs combinent souvent plusieurs algorithmes. L’un des principaux obstacles est de savoir comment sélectionner ces différents algorithmes pour optimiser les résultats. Une stratégie courante consiste à choisir des algorithmes divers, qui « pensent » différemment. Cependant, mesurer la diversité des algorithmes reste une tâche complexe.
L’équipe de l’IRIT propose une approche originale : comprendre comment les algorithmes prennent leurs décisions, plutôt que de se contenter de leurs résultats. Grâce à des outils d’explicabilité (appelés SHAP), les chercheurs analysent précisément quels éléments des données influencent chaque modèle. Cela permet de comparer les algorithmes entre eux, non plus seulement sur leurs résultats, mais sur leur manière de “raisonner”.
- lorsque deux modèles s’appuient sur des logiques similaires, ils détectent souvent les mêmes anomalies,
- à l’inverse, des modèles qui “expliquent” différemment leurs décisions sont réellement complémentaires.
Cette découverte permet de mieux sélectionner et combiner les modèles, pour construire des systèmes d’intelligence artificielle à la fois plus performants et plus fiables. Mais les chercheurs rappellent un point essentiel : la diversité ne suffit pas. Pour être efficace, chaque modèle doit aussi être performant individuellement.
Jordan Levy présente ses résultats lors de la conférence à Leiden (Pays-Bas)
Référence : Levy, J., Saves, P., Garouani, M., Verstaevel, N., Gaudou, B. (2026). Analyzing Shapley Additive Explanations to Understand Anomaly Detection Algorithm Behaviors and Their Complementarity. In: Baratchi, M., Nijssen, S., van Rijn, J.N. (eds) Advances in Intelligent Data Analysis XXIV. IDA 2026. Lecture Notes in Computer Science, vol 16513. Springer, Cham. https://doi.org/10.1007/978-3-032-23833-7_10
Mis à jour le 6 mai 2026
Une reconnaissance internationale
Ce travail, réalisé dans le cadre de la thèse de Jordan Levy (en collaboration avec l’entreprise Soben, propriétaire de la marque TwinswHeel), a été distingué par le Frontier Prize lors de la conférence internationale Intelligent Data Analysis 2026. Ce prix met à l’honneur les contributions les plus visionnaires du domaine, privilégiant l’innovation scientifique plutôt que la seule performance technique. Jordan Levy a présenté ses résultats lors de la conférence à Leiden (Pays-Bas), confirmant la visibilité internationale des recherches menées à Toulouse.