Thèse Inégalité de Prophète Dépendant de l'Instance Et Plus H/F - Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris École nationale de la statistique et de l'administration économique École doctorale : Mathématiques Hadamard Laboratoire de recherche : CREST - Centre de recherche en économie et statistique Direction de la thèse : Vianney PERCHET ORCID 000000029333264X Début de la thèse : 2026-10-01 Date limite de candidature : 2026-08-31T23:59:59 Ce projet vise à établir les fondements théoriques ainsi qu'à concevoir et étudier des algorithmes de prise de décision intégrant des prédictions issues de l'IA. L'objectif est de rendre les algorithmes classiques plus performants lorsque les prédictions sont exactes, tout en garantissant mathématiquement leur fiabilité lorsqu'elles sont erronées. Plutôt que de justifier cette approche par les limites des systèmes d'IA de bout en bout, nous nous concentrons sur les exigences pratiques de cette intégration et sur la manière d'en évaluer le succès.

Dans cette perspective, l'objectif est de dépasser l'analyse du pire cas. Cela tranche avec la littérature traditionnelle sur l'analyse compétitive [3], qui se concentre sur l'identification des instances les plus défavorables et sur la conception d'algorithmes performants même dans ces conditions. À l'inverse, nous préconisons le développement de mesures de complexité dépendantes de l'instance, afin que la performance algorithmique reflète la difficulté réelle de chaque cas traité.

Souhaitez-vous que j'adapte certains termes techniques pour un public spécifique ou que je reformule certains passages pour une lettre d'accompagnement ? Travail théorique sur les algorithmes de temps d'arrêt, dont les inégalités de prophetes

Inégalités de prophètes