Mohammed-Yassine Habibi

Mohammed-Yassine Habibi

Doctorant en apprentissage automatique interprétable et apprentissage de concepts pour l'écologie · Inria (Thoth) & LECA · Corps des IPEF

Bonjour, je suis Mohammed-Yassine

Doctorant en apprentissage automatique interprétable pour l'écologie — j'étudie comment aligner les représentations profondes des données de biodiversité sur des concepts écologiques.

  • Interprétabilité
  • Apprentissage de concepts
  • Écologie & biodiversité
  • Auto-supervision
  • Robustesse adverse

Publications Projets CV

Je suis doctorant à l’Inria Grenoble, dans l’équipe Thoth, et au Laboratoire d’Écologie Alpine (LECA), Université Grenoble Alpes, sous la direction de Karteek Alahari, Hadrien Hendrikx et Sara Si-Moussi. Ma thèse, Aligner apprentissage profond et concepts écologiques : méthodes explicables pour la modélisation de la biodiversité, cherche à inférer des interactions écologiques à partir des représentations latentes de modèles profonds entraînés sur des données de biodiversité multimodales (images, sons, observations d’espèces).

Je travaille aussi sur l’apprentissage de représentations robuste et auto-supervisé inspiré des neurosciences — neurones oscillants et apprentissage prédictif —, un axe commencé à l’OIST (Japon) avec le Pr Makoto Yamada. Auparavant, j’ai été assistant de recherche à l’Université Columbia (États-Unis).

Je suis ingénieur du Corps des ingénieurs des ponts, des eaux et des forêts (IPEF), formé en mathématiques appliquées et en apprentissage automatique à l’École polytechnique (X2021) et au master MVA de l’ENS Paris-Saclay.

Actualités

Thèmes de recherche

Représentations interprétables Apprentissage de représentations explicables et fondé sur les concepts : faire parler les espaces latents en concepts humains (et écologiques).
Apprentissage automatique pour l'écologie Données de biodiversité multimodales — images, sons, observations d'espèces —, modèles de distribution d'espèces et interactions écologiques.
Apprentissage auto-supervisé robuste Des représentations qui résistent aux perturbations adverses sans entraînement adverse.

Publications

Toutes les publications → · Tous les projets →

Expériences

  • sept. 2026 – aujourd'hui
    Doctorant Inria Grenoble, équipe Thoth & LECA, Université Grenoble Alpes Apprentissage profond explicable pour la modélisation de la biodiversité, sous la direction de Karteek Alahari, Hadrien Hendrikx et Sara Si-Moussi. Page du projet.
  • févr. – juil. 2026
    Stagiaire de recherche I4CE — Institut de l’économie pour le climat, Paris Analyse comparée des stratégies de financement et des mécanismes structurels permettant de catalyser les investissements dans l’économie réelle des pays en développement.
  • sept. 2025 – aujourd'hui
    Ingénieur du Corps des IPEF Ingénieurs des ponts, des eaux et des forêts — ministères de l’Agriculture et de la Transition écologique Ma thèse s’inscrit dans la formation doctorale du corps.
  • avr. – août 2025
    Assistant de recherche OIST, Machine Learning and Data Science Unit — Okinawa, Japon Encodage et apprentissage inspirés des neurosciences pour des représentations robustes, encadré par le Pr Makoto Yamada. Travail accepté au workshop WiML @ NeurIPS 2025.
  • avr. – juil. 2024
    Assistant de recherche Université Columbia, Irving Institute for Cancer Dynamics — New York, États-Unis Apprentissage profond et calcul bayésien approché par forêts aléatoires pour inférer les paramètres de modèles évolutifs à sites finis à partir de données génomiques de cancer, encadré par Simon Tavaré. Page du projet.
  • juin – août 2023
    Stagiaire support applicatif Eurofins — Hambourg, Allemagne Analyse des journaux d’erreurs, suivi du backlog et création de tableaux de bord d’indicateurs pour le réseau de laboratoires d’analyse Eurofins.
  • 2022 – 2023
    Interrogateur en mathématiques Lycée Sainte-Geneviève — Versailles Accompagnement et évaluation orale d’élèves préparant les concours des écoles d’ingénieurs.

Formation

  • 2026 – 2029
    Doctorat en apprentissage automatique interprétable pour l'écologie Université Grenoble Alpes — école doctorale MSTII Aligner apprentissage profond et concepts écologiques : méthodes explicables pour la modélisation de la biodiversité.
  • 2025 – 2026
    Mastère spécialisé PAPDD — Politiques et actions publiques pour le développement durable École nationale des ponts et chaussées & AgroParisTech (Université Paris-Saclay) Droit, marchés et régulation, gestion publique, évaluation environnementale, transition écologique, agriculture et alimentation, énergie, forêt.
  • 2024 – 2025
    Master MVA — Mathématiques, Vision, Apprentissage ENS Paris-Saclay (Université Paris-Saclay) Apprentissage de représentations, apprentissage profond géométrique, grands modèles de langage, transport optimal, méthodes à noyaux, apprentissage par renforcement, problèmes inverses, modèles génératifs.
  • 2021 – 2024
    Cycle ingénieur polytechnicien (X2021) — mathématiques appliquées École polytechnique (Institut Polytechnique de Paris) Calcul stochastique, méthodes de Monte-Carlo, optimisation et contrôle, théorie de l’apprentissage statistique, modèles aléatoires pour la biologie et l’écologie.
  • 2019 – 2021
    Classes préparatoires (mathématiques, physique, informatique) Lycée Sainte-Geneviève — Versailles

En dehors de la recherche

🎻 Je joue du violon depuis l’enfance (8 ans de conservatoire, 10 ans d’orchestre dans quatre orchestres différents) et je chante aussi dans une chorale — j’aime découvrir de nouveaux répertoires. Sur mon temps libre, je cours, je fais du vélo, ou je progresse sur des jeux de rythme comme DanceDanceRevolution.

🌍 Langues : français (langue maternelle), anglais (courant), chinois et arabe (intermédiaire).