Vân Anh Huynh-Thu

Côté Face – Côté Pile

La chercheuse et son parcours

Née à Liège en 1984, Vân Anh Huynh-Thu obtient son diplôme d’ingénieure civile en électricité (orientation électronique) de l’Université de Liège (ULiège) en 2007. Dans le cadre de son TFE réalisé sous la supervision du Prof. Louis Wehenkel, elle découvre alors avec beaucoup d’enthousiasme le domaine du machine learning, cette branche de l’IA visant à développer des méthodes permettant à un ordinateur d’apprendre à effectuer une tâche, à partir de données relatives à cette tâche. Elle apprécie également la collaboration interdisciplinaire qu’elle peut mener avec l’équipe d’Ingrid Struman au GIGA (le centre de recherche biomédicale interdisciplinaire de l’ULiège) pour l’identification de micro-ARN impliqués dans le processus de l’angiogenèse, à l’aide de techniques de machine learning. En 2007, grâce à l’obtention d’une bourse FRIA du FRS-FNRS, elle entame une thèse de doctorat au GIGA, sous la supervision des professeurs Louis Wehenkel et Pierre Geurts. Elle travaille alors sur le développement de méthodes de machine learning pour la sélection de variables et la reconstruction de réseaux génétiques. De 2013 à 2015, elle réalise un post-doctorat à l’Université d’Edimbourg (School of Informatics), dans le groupe de bioinformatique du Prof. Guido Sanguinetti. Ce séjour a marqué un tournant important dans son approche de la recherche car c’est là qu’elle a commencé à développer des approches hybrides, combinant modèles de machine learning, construits à partir de données, avec des modèles mathématiques, construits à partir de connaissances spécifiques du domaine d’application.

De retour d’Ecosse, Vân Anh Huynh-Thu poursuit ses recherches sur la sélection de variables et les modèles hybrides au sein de l’Institut Montefiore et ce, notamment, par le biais d’un mandat de chargée de recherches FNRS. A l’issue de ce mandat, elle rejoint le projet TRAIL/ARIAC (SPW-EER) en tant que coordinatrice scientifique du work package « Intégration modèles-IA ».

En 2024, Vân Anh Huynh-Thu est nommée Chargée de cours au sein de la Faculté des Sciences Appliquées de l’ULiège.

Côté face, les recherches actuelles de Vân Anh Huynh-Thu ont pour objectif général de fournir des outils de machine learning interprétables pour assister les experts des domaines d’application (par exemple, biologie, santé, ingénierie) dans leurs activités de modélisation. Pour ce faire, elle approfondit deux lignes de recherche :

• D’une part, Vân Anh Huynh-Thu s’attache à développer des outils apportant de l’information utile aux utilisateurs, comme, par exemple, des méthodes de sélection de variables, qui identifient quel sous-ensemble de variables sont effectivement utilisées par le modèle de machine learning. Ce type d’outil permet d’augmenter la confiance des utilisateurs dans les prédictions des modèles, mais aussi de potentiellement acquérir de nouvelles connaissances scientifiques.
• D’autre part, elle travaille sur des outils permettant d’incorporer, dans les modèles de machine learning , des connaissances spécifiques du domaine d’application, (comme par exemple des contraintes concernant la variable physique que l’on cherche à prédire ou un modèle mathématique partiel du système que l’on cherche à modéliser), plutôt que de construire les modèles uniquement à partir de données observées. Ceci permet, en principe, de renforcer la robustesse et l’interprétabilité des modèles.

Côté pile, Vân Anh Huynh-Thu est mariée et Maman de deux petites filles de 9 et 5 ans. A la maison, le mot « Maman » est prononcé environ 150 fois par jour. On y rit beaucoup, on construit des cabanes dans le salon, on regarde Bluey et on aime aussi aller nourrir les animaux à Forestia. Vân Anh Huynh-Thu aime voyager ; son voyage le plus remarquable étant probablement le Vietnam, pays d’origine de ses parents. Elle apprécie également retourner en Ecosse, dont elle est tombée sous le charme lors de son séjour post-doctoral.

Des enjeux sociétaux et industriels

Les modèles récents de machine/deep learning fonctionnent généralement comme des outils de type « boîte noire » qui ne sont pas interprétables. Si ces outils sont très performants dans certains domaines (comme la vision par ordinateur ou le traitement naturel du langage), le manque d’interprétabilité peut soulever des problèmes critiques. Par exemple, dans les domaines scientifiques (comme, par exemple, le domaine biomédical), les modèles sont principalement utilisés dans le but de faire de nouvelles découvertes, comme l’identification de nouveaux biomarqueurs d’une maladie. Les modèles doivent donc être facilement compréhensibles et être capables de générer des hypothèses pouvant être validées par la suite de manière expérimentale et reproductible.

Un autre exemple concerne les domaines où les décisions prises par les modèles affectent des personnes (octroi d’un prêt, diagnostic médical…), l’interprétabilité est nécessaire pour permettre une prise de décision équitable et éthique. En résumé, si des modèles puissants de type « boîte noire » peuvent aujourd’hui remplacer les humains pour certaines tâches, l’interprétabilité des modèles est nécessaire lorsque l’objectif est d’améliorer la prise de décision humaine.

Aujourd’hui, entre autres projets, Vân Anh Huynh-Thu est partenaire de l’Action de Recherche Concertée « DIG » financée par la Fédération Wallonie Bruxelles, en collaboration avec le Prof. Pierre Geurts, le Prof. Tom Druet (GIGA) et le Prof. Marc Hanikenne (Faculté des Sciences). L’objectif du projet est de développer des modèles interprétables de deep learning pour des applications en génomique, telles que la prédiction de traits complexes chez le bovin ou l’analyse des réponses à des stress environnementaux chez l’algue Chlamydomonas reinhardtii. En collaboration avec le centre de recherches Cenaero et l’entreprise Carmeuse en tant que soutien industriel, elle est promotrice du projet Win2Wal LIMPID (« enhance LIme production Mastering with Physics Informed artificial intelligence and Digital twins » -SPW-EER). Dans ce projet, il s’agit de développer des méthodes de deep learning pour la prédiction de systèmes dynamiques complexes représentatifs de procédés industriels. En particulier, l’un des axes du projet cherche à intégrer des lois physiques dans les modèles de machine learning afin d’améliorer leur robustesse.

Son enseignement dans la mineure en informatique

Vân Anh Huynh-Thu enseigne des cours d’informatique et de sciences des données dans le cadre de la mineure en informatique à l’ULiège. Cette mineure interfacultaire s’adresse à des étudiantes et étudiants venant de disciplines diverses, allant de la philosophie au droit, en passant par les sciences biomédicales. Les sciences informatiques et les sciences des données sont des sujets apparemment éloignés du cursus principal de ces étudiants, mais auxquels ils seront immanquablement confrontés dans leur vie professionnelle future. Sa conception de l’enseignement repose sur l’idée de rendre ces matières accessibles et pertinentes, tout en maintenant un certain niveau technique. Un des points d’attention de Vân Anh Huynh-Thu est de créer un environnement d’apprentissage inclusif, dans lequel chacun et chacune peut s’approprier les contenus, quel que soit son profil disciplinaire.

LinkedIn