Digital Port Twin : Modélisation Multi-Agents et Apprentissage par Renforcement pour la Gestion et la Simulation d’un Port Maritime

Chez Attineos, Maureen Dubès conjugue mathématiques appliquées, modélisation statistique et apprentissage automatique pour transformer la complexité en décisions éclairées.
Elle joue un rôle clé dans le développement du jumeau numérique du port du Havre : une plateforme mêlant simulation multi-agents et apprentissage par renforcement pour optimiser les flux maritimes et fluviaux.
Elle y veille à la robustesse et à la cohérence mathématique des modèles, garantissant que chaque brique d’IA repose sur une base scientifique solide.

Avant Attineos, elle a travaillé chez Sanofi, où elle a conçu une approche de data science permettant d’identifier les paramètres responsables des non-conformités dans les cycles de nettoyage pharmaceutiques. En combinant méthodes statistiques et modèles de type Random Forest, elle a mis en évidence les leviers critiques de la qualité des procédés industriels.

Titulaire de deux masters en mathématiques pour la recherche et d’un master en sciences des données à l’INSA, Maureen met aujourd’hui son expertise au service de projets où rigueur scientifique et innovation appliquée se renforcent mutuellement. Ses travaux actuels explorent la modélisation par apprentissage par renforcement, l’analyse de graphes et le clustering spatio-temporel pour rendre les infrastructures portuaires et fluviales plus intelligentes et adaptatives.

Oliver Hitchcock est responsable de la recherche et développement en intelligence artificielle chez Attineos, où il pilote un portefeuille varié de projets d’innovation technologique. Son travail couvre des domaines allant de la modélisation prédictive et des systèmes d’aide à la décision, jusqu’à la simulation multi-agents, les jumeaux numériques industriels, et l’optimisation par apprentissage par renforcement. Il encadre des initiatives stratégiques dans les secteurs de la logistique, de l’énergie, de la maintenance et du commerce.

Avant de rejoindre Attineos, Oliver a travaillé plusieurs années pour Shell, où il a participé à la conception de solutions innovantes et de gestion de données à grande échelle dans le domaine de l’énergie. Cette expérience lui a permis de développer une compréhension fine des systèmes industriels complexes et de l’application concrète de l’intelligence artificielle dans des environnements critiques.

Passionné par les applications concrètes de l’IA dans l’industrie, Oliver combine recherche, développement et vision stratégique pour rapprocher les mondes de la science et de l’exploitation. Il intervient régulièrement sur des sujets liés à l’IA distribuée, aux infrastructures intelligentes et à la modélisation du monde réel.

Pape Babacar Diouf travaille chez Attineos en tant qu’ingénieur en intelligence artificielle. Il y contribue à des projets autour de l’IA générative et du reinforcement learning, avec un focus sur la conception et l’optimisation de modèles capables de répondre à des problématiques réelles d’innovation et de production.
Avant de rejoindre Attineos, il a acquis une expérience en recherche et développement à travers plusieurs projets et stages.
Au Lab Innovation Lincoln à Sèvres, il a mené un stage de recherche consacré à la conception d’un transformer multimodal pour la génération automatique de bandes-annonces. Ce projet s’est appuyé sur des mécanismes d’attention croisée afin d’améliorer la qualité et la cohérence des résultats générés.
Chez Innovative Marine Solutions (IMSolutions), il a conçu et implémenté un système d’évitement d’obstacles pour drones marins. En fusionnant données visuelles et capteurs de navigation, il a développé une architecture intégrant détection et suivi en temps réel. Le système a été optimisé pour fonctionner de manière fiable sur une plateforme embarquée Jetson, conciliant contraintes électroniques et efficacité logicielle dans des environnements maritimes.
Il a également conduit plusieurs projets académiques, tels qu’un système de reconnaissance faciale distribuée robuste aux variations d’angle, d’éclairage et aux visages partiellement cachés, ainsi qu’un modèle de reconnaissance des émotions dans la parole, exploitant des architectures LSTM et transformers pour capturer les nuances des signaux vocaux.
Guidé par une approche à la fois scientifique et appliquée, il conçoit des modèles capables de passer du laboratoire à des environnements réels exigeants.