1er Colloque
Intelligence Artificielle
& Informatique Verte
L’humain au cœur de l’innovation pour un avenir responsable et éthique
Notre Vision
Un Futur Technologique Humain & Durable
L’humain au cœur de l’innovation
L’innovation n’est pas une fin en soi, mais sert les besoins et le bien-être des personnes.
L’humain est le centre de toutes les décisions : technologies, produits, services.
Un avenir responsable
L’innovation est conçue en tenant compte des impacts sociaux et environnementaux.
Elle implique des choix réfléchis et durables, qui ne nuisent pas à la société ou à la planète.
Une démarche éthique
Les actions et créations respectent des principes moraux : justice, transparence, équité.
L’éthique garantit que l’innovation est honorable et respectueuse de toutes les parties prenantes.
Thématique
L'essor des technologies d'IA dans les transports et la mobilité durable : vers un numérique éco-conçu et responsable
Ce colloque explore l'essor des technologies d'intelligence artificielle dans une multitude de domaines, incluant le transport, la mobilité intelligente, la smart city et l'écologie. Pour être exploitables dans des environnements urbains complexes, ces systèmes doivent traiter un grand volume de données hétérogènes (trafic, topologie des routes, qualité de l'air, météo, etc.), tout en respectant les principes d'un numérique éco-conçu.
La dimension interdisciplinaire est au cœur de nos échanges. Nous accueillons des travaux issus de divers horizons : finance, technologie, art, musique, et bien d'autres. Cette ouverture permet d'aborder la question de l'efficacité énergétique de l'IA de manière systémique, non seulement lors de l'apprentissage des modèles, mais sur l'ensemble du cycle de vie des données.
Actuellement, 6 intervenants de renom ont déjà confirmé leur participation, dont le Pr. Mustapha Ouladsine. Le colloque promet d'être un carrefour d'innovation et de responsabilité partagée.
"Pour qu'une solution de prédiction environnementale soit réellement alignée avec ses objectifs, elle doit intégrer un critère d'efficience énergétique dans toutes les étapes de son développement."
Vision 2026
Convergence : IA & Humanité
Intelligence Artificielle
Modèles de prédiction performants pour le transport et la mobilité durable
Informatique Verte
Réduction de l'empreinte environnementale des systèmes d'information
Efficacité Énergétique
Optimisation du coût énergétique des pipelines de données
Impact Environnemental
Conception d'outils d'aide à la décision éco-responsables
Mobilité & Smart City
Optimisation des flux urbains et infrastructures transport éco-responsables
Arts, Musique & Culture
Exploration de la créativité numérique et de son impact sociétal et écologique
Finance & Économie Verte
Modèles de prédiction et algorithmes pour une finance durable et responsable
Santé & Numérique Durable
IA pour le diagnostic et le bien-être avec une infrastructure éco-conçue
Cadres Fondateurs d'Informatique Verte
L'informatique verte (green computing) s'est construite autour de cadres fondateurs qui visent la réduction de l'empreinte environnementale des systèmes d'information tout au long de leur cycle de vie.
Green Use
Utilisation sobre
Green Disposal
Recyclage responsable
Green Design
Conception durable
Green Manufacturing
Fabrication écologique
— Modèle en quatre piliers de Murugesan
Taxonomie de l’IA Soutenable
Mesure de l'énergie et métriques
Efficacité des modèles et architectures
Optimisation au niveau système
L’IA pour la soutenabilité environnementale
Cette structuration clarifie le paysage, mais reste centrée sur les modèles et l'infrastructure, laissant en retrait la couche pipeline qui précède l'apprentissage.
— D'après Zhou et al.
Questions de recherche centrales
IA & Mobilité
"Quelle configuration de pipeline et quelle architecture logicielle permettent d'obtenir un niveau de précision fixé avec le coût énergétique minimal ?"
"Comment optimiser la latence des systèmes de décision critique tout en minimisant la consommation énergétique embarquée ?"
"Quel est l'impact réel de l'IA sur la fluidité du trafic urbain face au coût énergétique global de son déploiement ?"
Art & Musique
"Comment concilier l'expression artistique assistée par IA avec l'impératif de sobriété numérique ? Quelle est la valeur de l'art sous contrainte énergétique ?"
"La sobriété numérique peut-elle devenir une nouvelle source d'inspiration thématique pour les arts numériques ?"
"Comment les algorithmes de composition peuvent-ils être 'éco-conçus' sans sacrifier la complexité harmonique ?"
Technologie & Innovation
"Quels nouveaux paradigmes de développement logiciel émergent en plaçant l'efficience énergétique au même niveau que la performance brute ?"
"L'Edge Computing est-il la réponse ultime à l'hyper-consommation des infrastructures Cloud centralisées ?"
"Comment standardiser les métriques de Green Computing pour les pipelines de données hétérogènes ?"
Sciences Humaines & Sociales
"Comment la gouvernance des données peut-elle favoriser un numérique plus équitable et responsable face à la fracture énergétique ?"
"Quels sont les freins psychologiques et sociétaux à l'adoption de technologies d'IA plus sobres mais potentiellement moins performantes ?"
"Quel rôle pour les politiques publiques dans la régulation de l'empreinte carbone liée à l'intelligence artificielle ?"
L'informatique verte n'est pas seulement une optimisation technique, mais une approche systémique et interdisciplinaire, mobilisant :
Keynotes
Thierry Gruszka
Head of Cisco Innovation Labs France
Corporate Strategy, Development & Incubation – Office of CEO
Khalid MEKOUAR
Président et Directeur Pédagogique - ESISA
Docteur Ingénieur en Informatique et Expert reconnu en ingénierie logicielle. Ex-Maître assistant à l'Université Nice-Sophia Antipolis (France).
Isam Shahrour
Président de Smart Conseil
Expert de premier plan en solutions intelligentes pour des systèmes durables, efficaces et résilients.
Mustapha Ouladsine
Vice-président Délégué au numérique pour la recherche
Directeur de l'Institut Laennec en sciences du numérique et IA pour la santé (Aix-Marseille Université).
Mehdi Ammi
Vice-président Numérique et IA - Université Paris 8
Professeur en informatique spécialisé en intelligence artificielle.
Larbi Boubchir
Professeur en informatique - Université Paris 8
Expert en traitement du signal et de l'image, Université Paris 8.
L'Efficience Énergétique de Bout en Bout
Pour qu'une solution de prédiction soit alignée avec ses objectifs, elle doit intégrer un critère d'efficience dans toutes les étapes, de l'ingestion à l'inférence.
Ingestion & Flux
Lecture des boucles de trafic, météo et capteurs IoT. Optimisation des accès disques et transferts avec NumPy et Arrow.
Prétraitement
Nettoyage et filtrage massifs. Étude de l'impact énergétique du passage de Pandas à Polars (Rust-driven).
Enrichissement
Jointures géographiques complexes et normalisation. Optimisation via des stratégies d'exécution paresseuse (Lazy).
Apprentissage & Inférence
Entraînement de modèles profonds et déploiement via PySpark pour la scalabilité distribuée.
Choix des Bibliothèques
Quantifier comment le coût varie selon l'usage de Pandas, Polars, NumPy ou PySpark.
Stratégies d'Exécution
Arbitrage entre exécution immédiate et paresseuse, mono-nœud vs distribué.
Configuration Logicielle
Optimisation fine des paramètres système et allocation dynamique des ressources.
Axes de recherche
Enjeux : Des thématiques élargies pour un impact global
De la mobilité intelligente à la smart city, le colloque explore les synergies entre IA et développement durable à travers tous les secteurs d'activité.
Matériel
Architectures basse consommation, DVFS, durabilité
Logiciel
Algorithmes sobres, code optimisé, faible complexité énergétique
Virtualisation & Cloud
Mutualisation, allocation dynamique, autoscaling
Data Centers
PUE, free cooling, énergies renouvelables
Réseaux
Protocoles économes, edge computing
Analyse du Cycle de Vie (ACV)
Méthode d'évaluation de l'impact environnemental de la production à la fin de vie
Normes & Indicateurs
ISO 14001, ISO 50001, Energy Star, EPEAT, PUE
Métriques & Mesures
Quantification du coût énergétique des pipelines de données
Art et Créativité Numérique
Nouveaux modes d'expression artistique à l'ère de l'IA et de la sobriété
Musique et Algorithmes
Composition assistée et impact environnemental de la production sonore numérique
Sciences Humaines et Sociales
Éthique, gouvernance et impact sociétal de l'IA durable
Gouvernance et Éthique
Régulation, transparence des algorithmes et responsabilité d'innovation
Dates importantes
Calendrier
Soumission des articles
Date limite pour soumettre vos contributions
Notification aux auteurs
Réponse du comité scientifique
Articles finaux
Remise des articles prêts à être publiés
Inscription anticipée
Date limite d'inscription anticipée (auteurs)
Inscription tardive
Date limite d'inscription tardive
Publication des actes
Les actes de la conférence feront l'objet d'un ouvrage numérique distribué au début du colloque et d'un ouvrage collectif dans la collection aux éditions ISTE et Wiley (en anglais), publié en mars 2027 et indexé par Scopus.
Équipe
Co-organisateurs
Imad Saleh
Université Paris 8 - France
Samuel Szoniecky
Université Paris 8 - France
Youssef EMKOUAR
ESISA - ESISA ANALYTICA - Fès, Maroc
LAHMER Mohammed
ESISA - ESISA ANALYTICA - Fès, Maroc
Everardo Reyes
Université Paris 8 - France
Matthieu Quiniou
Université Paris 8 – France
Expertise
Comité Scientifique
En cours de construction et validation
Antonio Carlos Xavier
NEHTE, Universitade Federal De Pernanbuco, Brazil
Amar Lakal
Université de Bordeaux, France
Aura Conci
Federal Fluminense University, Brazil
Christophe KOLSKI
Université Polytechnique, Hauts-de-France
Larbi Boubchir
Université Paris 8, France
Mehdi Ammi
Université Paris 8, France
Ioan Roxin
ELLIADD, Université de Franche Comté, France
Khalid Mekouar
President of ESISA, Fes, Maroc
Participation
Inscription & Contact
Frais de participation
Gratuit
Ouvert à toutes et à tous
Lieu
Amphi : La Maison de la Recherche
Adresse
Université Paris 8, Saint-Denis
Contact
Pour toute question concernant le colloque, la soumission d'articles ou l'inscription, n'hésitez pas à nous contacter.
Responsables
Imad Saleh
Yassine Mekouar
Documentation
Références Scientifiques
Musa, A.A.; Malami, S.I.; Alanazi, F.; Ounaies, W.; Alshammari, M.; Haruna, S.I. Sustainable Traffic Management for Smart Cities Using Internet-of-Things-Oriented Intelligent Transportation Systems (ITS): Challenges and Recommendations. Sustainability 2023, 15, 9859.
Kim, M.; Schrader, M.; Yoon, H.-S.; Bittle, J.A. Optimal Traffic Signal Control Using Priority Metric Based on Real- Time Measured Traffic Information. Sustainability 2023, 15, 7637.
Shaygan, M.; Meese, C.; Li, W.; Zhao, X. Traffic prediction using artificial intelligence: Review of recent advances and emerging opportunities. Transp. Res. Part C Emerg. Technol. 2022, 145, 103921.
Foxcroft, J.; Antonie, L. Using Polars to Improve String Similarity Performance in Python. Int. J. Popul. Data Sci. 2024. 15. Saha, B. Green Computing. Int. J. Comput. Trends Technol. (IJCTT) 2014, 14, 46–51.
Rózycki, R.; Solarska, D.A.; Waligóra, G. Energy-Aware Machine Learning Models—A Review of Recent Techniques and Perspectives. Energies 2025, 18, 2810.
McKinney, W. pandas: A Foundational Python Library for Data Analysis and Statistics. Python High Perform. Sci. Comput. 2011, 14, 1–9 . 13. Bandi, R.; Amudhavel, J.; Karthik, R. Machine Learning with PySpark—Review. Indones. J. Electr. Eng. Comput. Sci. 2018, 12, 102–106.
Lin, X.; Wang, Y.; Pedram, M. A Reinforcement Learning-Based Power Management Framework for Green Computing Data Centers. In Proceedings of the 2016 IEEE International Conference on Cloud Engineering (IC2E), Berlin, Germany, 4– 8 April 2016; pp. 135–138.
Zhou, S.; Wei, C.; Song, C.; Fu, Y.; Luo, R.; Chang, W.; Yang, L. A Hybrid Deep Learning Model for Short-Term Traffic Flow Prediction Considering Spatiotemporal Features. Sustainability 2022, 14, 10039.
Biswas, S.; Wardat, M.; Rajan, H. The Art and Practice of Data Science Pipelines: A Comprehensive Study of Data Science Pipelines in Theory, in-the-Small, and in-the-Large. In Proceedings of the 44th International Conference on Software Engineering, Pittsburgh, PA, USA, 21–29 May 2022; pp. 2091–2103.
Harris, C.R.; Millman, K.J.; Van Der Walt, S.J.; Gommers, R.; Virtanen, P.; Cournapeau, D.; Wieser, E.; Taylor, J.; Berg, S.; Smith, N.J.; et al. Array Programming with NumPy. Nature 2020, 585, 357–362. Computers 2025, 14, 319 23 of 24.
Mekouar, Y. L'apport de la data science dans le développement d'une plateforme internet des objets (IdO) : GreenNav, modélisation spatio-temporelle des émissions de CO2 pour une navigation écologique assistée par IA (cas de Paris). Thèse, Université Paris 8, 2025.
