La donnée au cœur du processus d’innovation

• Interroger un corpus de documents en toute confidentialité au moyen d’un Large Language Model  (LLM) ?
• Explorer des données en vue d’optimiser la gestion de réseaux d’électricité ?
• Détecter des bactéries dans des échantillons ?
• Modéliser en 3D des objets physiques ? 

À ces quatre besoins très concrets exprimés par des entreprises, la plateforme Gaia est en mesure d’apporter une réponse.

La plateforme, qui rassemble les expertises des ingénieurs du Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube - CNRS/Unistra/Insa Strasbourg/Engees) en science des données, notamment dans les domaines de l’informatique, du calcul scientifique et de l’IA, couvre un large spectre de services : analyse, deeplearning, machine learning, IA générative. Elle est ainsi en mesure – entre autres – de créer un modèle capable de comprendre et générer des textes à partir de données ; de proposer des solutions et développements à un problème logistique complexe ; de créer un outil d’enrichissement des résultats d’échantillons obtenus au microscope, ou encore d’adapter un outil scientifique de modélisation utilisant des prises de vue au smartphone. 

Aide au prototypage

Spécialisée en réalité virtuelle, Gaia dispose aussi de compétences sur l’ensemble du cycle de vie de la donnée : acquisition et numérisation, structuration et préparation, modélisation et visualisation. “Les exemples de projets réussis ne manquent pas, explique Jean Rehbinder. L’équipe a ainsi travaillé pour une société industrielle sur l’ergonomie des espaces de travail des ouvriers, en testant de nouvelles configurations en réalité virtuelle avant leur déploiement effectif”. 

Grands groupes, PME , startups : "il n’y a pas de profil type pour faire appel à nous, nous avons eu l’occasion déjà de travailler avec tous les profils de structures. Même chose pour les secteurs : santé, industrie, énergie , services…, tous concernés par l’IA. Par définition, des dirigeants qui cherchent un business model doivent beaucoup prototyper, et Gaia peut les aider à partir dans la bonne direction, avec la bonne technologie", précise David Cazier.

Un accompagnement sur-mesure

Autre atout : Quel que soit l’état d’avancement du projet, l’équipe de Gaia est à l’écoute des demandes, pour passer d’une volonté d’utiliser l'IA et la science des données à un résultat très concret. Sa plus-value : L’aide au cadrage des besoins. Cette posture d’écoute personnalisée permet de faire le lien entre recherches en cours et accompagnement, pratique et théorie, objectif stratégique et données disponibles opérationnellement.

Les réponses s’adaptent ensuite en fonction des besoins exprimés par les entreprises. Du diagnostic au cadrage des projets, de la présentation de l’état de l’art de la recherche en IA à la prestation pour tester un prototype innovant expérimenter les chemins les plus prometteurs , la plateforme Gaia peut intervenir sur un large spectre. Elle peut même aller plus loin, en faisant le lien avec les chercheurs dont les compétences complètent celles des ingénieurs. 

L’équipe de Gaia maîtrise la data science et les bases de données, le développement en différents langages, l’entrainement et le déploiement de modèles, le calcul, la numérisation 3D, la réalité virtuelle. Elle peut même s’étoffer avec le recrutement d’autres profils, selon les besoins. Actuellement, sa polyvalence permet de répondre directement à des sollicitations avancées sur l’IA, l’IA et la VR (réalité virtuelle), ou l’IA et la visualisation. 

Pour aller plus loin

• Contacts : david.cazier[at]unistra.fr et rehbinder[at]unistra.fr
• En savoir plus sur la plateforme GAIA et le réseau Cortecs

Cet article a été rédigé par Sébastien Brunet, chargé de projets marketing au Pôle universitaire d'innovation Alsace (PUIA) de l'université de Strasbourg.

Il a été publié le 6 novembre 2025. Nous le remercions pour cette rencontre et la mise en lumière de notre plateforme GAIA - informatique Graphique, Analyse de données et Intelligence Artificielle. → Lien vers l'article initial