Équipe Statistique (STA)
Responsables
Thèmes
- Statistique mathématique et non paramétrique
- Dépendance, séries temporelles et signaux
- Apprentissage statistique et données en grande dimension
- Statistique computationelle, inférence bayésienne et modélisation
- Actuariat, assurance et gestion des risques
- Applications en santé, environnement et sciences des données complexes
Présentation
Équipe Statistique (STA)
Au sein du Groupe Scientifique Mathématiques de l’Aléatoire (ALEA) de l’I2M, l’équipe Statistique porte une recherche combinant rigueur théorique, développement de méthodes nouvelles et ouverture vers de nombreuses applications. Ses activités reflètent la diversité de la statistique contemporaine, depuis les thématiques fondamentales jusqu’aux enjeux de l’assurance, de la santé, de l’IA responsable et des collaborations interdisciplinaires.
Parmi les thématiques saillantes de l’équipe figurent l’estimation non paramétrique et la statistique en très grande dimension, les séries temporelles non stationnaires, la dépence, les tests d’hypothèse, la statistique computationnelle, l’apprentissage statistique et le transport optimal. Ces recherches trouvent des prolongements naturels dans plusieurs champs applicatifs, notamment l’actuariat, la santé et l’intelligence artificielle.
Activités de recherche
Thématiques de recherche
Actuariat
Chaire Amidex NOMOS
Travaux interdisciplinaires
Annuaire
Thématiques de recherche
Contributions théoriques
Statistique mathématiques et non paramétrique
L’activité de l’équipe couvre plusieurs domaines centraux de la statistique mathématique et de la statistique non paramétrique. Une attention particulière est portée aux problèmes d’estimation adaptative, aux inégalités d’oracle et à la théorie minimax, dans le but de construire des procédures capables de s’ajuster à la complexité des données tout en conservant des garanties théoriques solides. Ces travaux concernent également les tests d’hypothèses, les problèmes inverses.
Oleg Lepski, Thomas Willer, Florent Autin, Christophe Pouet, Denys Pommeret
Apprentissage statistique
À l’interface entre statistique mathématique et apprentissage, l’équipe développe des travaux sur l’apprentissage en grande dimension, les modèles single-index, le transport optimal et les barycentres de Wasserstein, ainsi que sur certains problèmes inverses. Ces recherches articulent questions de modélisation, garanties théoriques et méthodes adaptées à des structures de données non euclidiennes ou de grande complexité.
Oleg Lepski, Thibaut Le Gouic, Florent Autin
Dépendance
Un second axe théorique important concerne l’étude de la dépendance et des phénomènes extrêmes. Cela inclut l’analyse de séries temporelles non stationnaires, quasi-périodiques ou cycliques, la modélisation par copules, ainsi que l’étude de fonctions de dépendance adaptées aux événements rares.
Anna Dudek, Denys Pommeret, Laurence Reboul, Mohamed Boutahar
Contributions méthodologiques
Données complexes
Les développements méthodologiques répondent à des situations d’observation de plus en plus complexes. Ils portent sur l’analyse de séries temporelles, les méthodes de bootstrap et de ré-échantillonnage pour données dépendantes, l’analyse spectrale de signaux non stationnaires, la détection de changements de régime et la segmentation de signaux. Voir également l’onglet Chaire NOMOS. D’autres travaux concernent les modèles de mélange et de contamination, la détection de valeurs atypiques, l’analyse topologique de données et la modélisation des valeurs extrêmes.
Mohamed Boutahar, Anna Dudek, Manuela Carenzi-Royer, Florent Autin, Jean-Marc Freyermuth, Hadrien Lorenzo, Xavier Milhaud, Denys Pommeret, Laurence Reboul
Statistique computationnelle
L’équipe contribue également à la statistique computationnelle, en particulier à l’inférence bayésienne et aux méthodes de calcul intensif. Les recherches menées dans ce cadre mobilisent des outils tels que les algorithmes MCMC, l’Approximate Bayesian Computation, l’échantillonnage d’importance adaptatif, ainsi que des méthodes pour champs latents, champs de Markov ou modèles graphiques. Ces approches visent à rendre l’inférence possible dans des modèles complexes ou de grande dimension, y compris dans des questions d’apprentissage statistique.
Pierre Pudlo, Thibaut Le Gouic, Anna Dudek, Jean-Marc Freyermuth, Samuel Stocksieker
Apprentissage statistique
En apprentissage statistique, les travaux portent sur l’apprentissage supervisé en grande dimension, les modèles single-index, les méthodes d’imputation et de sélection de variables, la régression inverse par tranches et les approches PLS. Ils comprennent aussi des recherches sur les algorithmes basés sur des arbres, l’équité en apprentissage automatique, le sur-échantillonnage, l’augmentation de données et la régression déséquilibrée. L’objectif commun est de proposer des méthodes robustes, interprétables et adaptées à des jeux de données hétérogènes ou incomplets.
Thibaut Le Gouic, Samuel Stocksieker, Xavier Milhaud, Pierre Pudlo, Hadrien Lorenzo
Contributions appliquées
Les recherches de l’équipe entretiennent un lien étroit avec des questions appliquées issues de domaines variés. Les développements théoriques et méthodologiques trouvent ainsi des prolongements naturels en actuariat, en sciences du vivant et de la santé, en sciences de l’environnement, en génomique ou encore en traitement de signaux complexes. Les onglets consacrés à l’actuariat et aux travaux interdisciplinaires en donnent plusieurs illustrations.
Denys Pommeret, Pierre Pudlo, Manuela Carenzi-Royer, Xavier Milhaud, Thibaut Le Gouic, Hadrien Lorenzo, Anna Dudek, Jean-Marc Freyermuth, Laurence Reboul
Actuariat
Actuariat
Contributions
Les activités en actuariat s’inscrivent dans une articulation étroite entre modélisation statistique, gestion du risque et besoins opérationnels de l’assurance. Elles portent notamment sur le provisionnement en assurance non-vie, les modèles de survie, l’agrégation des risques et l’étude de modèles de contamination permettant de comparer des populations ou des portefeuilles hétérogènes. Cet ancrage actuariel repose sur des outils statistiques rigoureux, avec une attention portée à la qualité de l’inférence et à l’interprétation des résultats.
Un autre volet concerne l’intégration de nouvelles sources d’information dans l’évaluation du risque, en particulier à travers l’utilisation d’indices climatiques actuariels. Ces travaux répondent à des enjeux actuels de tarification, de provisionnement et de pilotage des risques, dans des contextes où les phénomènes observés sont rares, hétérogènes ou fortement dépendants. Ils illustrent la capacité de l’équipe à faire dialoguer statistique mathématique, modélisation prédictive et problématiques assurantielles.
Denys Pommeret, Xavier Milhaud, Samuel Stocksieker
Financements
Cette activité s’inscrit également dans plusieurs projets structurants, soutenus par des fondations, des mécènes ou des partenaires institutionnels. L’équipe est ainsi impliquée dans la chaire d’excellence ACTIONS, consacrée à l’évolution des comportements en assurance et à leurs conséquences, notamment dans un contexte de transformation technologique et de transition environnementale. Elle porte par ailleurs un projet de recherche sur le provisionnement à partir de données individuelles, financé par la Fondation SCOR, avec un objectif à la fois méthodologique et théorique autour de l’exploitation de bases de données fines en remplacement des approches agrégées traditionnelles.
L’équipe est également associée à la chaire DIALog, consacrée à la digitalisation du secteur de l’assurance et aux risques de long terme. Dans ce cadre, les recherches portent sur des thèmes contemporains majeurs, tels que l’impact du réchauffement climatique sur l’activité assurantielle, le vieillissement de la population, l’évolution des comportements des assurés, ainsi que l’apport des méthodes bayésiennes, du machine learning et de l’intelligence artificielle aux pratiques actuarielles.
Chaire Amidex NOMOS
Chaire Amidex NOMOS
Présentation
La chaire Amidex NOMOS, pour Nonstationary Models for Biological Signals, est consacrée à la modélisation statistique de signaux biologiques complexes présentant des comportements cycliques irréguliers et non stationnaires. Le projet vise à développer de nouvelles classes de processus stochastiques, à étudier rigoureusement leurs propriétés statistiques et leurs procédures d’estimation, puis à intégrer ces outils dans des cadres modernes d’apprentissage statistique. L’enjeu est de mieux décrire des données dépendantes et évolutives, en particulier dans des contextes biomédicaux et en neurosciences, tout en produisant des méthodes transférables à d’autres domaines du traitement du signal.
Porteuse : Anna Dudek
Équipe et travaux en cours
La chaire s’appuie sur une équipe structurée autour de plusieurs profils complémentaires, incluant postdoctorat, ingénierie de recherche, doctorat et stages de recherche. Les travaux en cours portent notamment sur les séries temporelles périodiquement corrélées, les procédures de bootstrap pour données dépendantes, les chaînes de Markov et les inégalités de concentration, ainsi que sur des applications à l’imagerie et aux signaux cérébraux. Cet environnement favorise l’articulation entre théorie statistique, méthodologie et collaborations avec d’autres laboratoires d’Aix-Marseille Université.
Anna Dudek, Sarbojit Roy, Shuai Wang, Jakub Pięta, Dominika Mosur, Raphael Pradier, Mouhamed Lamine Bara DIA, Lola Goutorbe, Jean-Marc Freyermuth, Pascale Chavis
Rayonnement international
Le projet comporte également une dimension internationale affirmée. Trois séjours de professeurs invités sont programmés entre le 2 février et le 19 septembre 2026, afin de renforcer les échanges scientifiques autour des probabilités, de la statistique et du machine learning pour données complexes. La chaire soutient en outre l’organisation de la conférence internationale Machine Learning in Nonstandard Settings, prévue à Fréjus du 7 au 11 septembre 2026, consacrée à l’apprentissage en dehors des hypothèses classiques d’indépendance, d’identique distribution ou de faible dimension.
Anna Dudek, Łukasz Lenart, Claudia Kirch, Małgorzata Bogdan
Travaux interdisciplinaires
Thématiques de recherche
Statistique de la planète Terre et de l’univers
Les travaux interdisciplinaires prolongent les recherches méthodologiques de l’équipe dans plusieurs domaines d’application. En sciences de la planète Terre et de l’univers, ils concernent notamment l’analyse de données en océanographie, en climatologie, en astrophysique et dans des contextes liés à la sûreté nucléaire. Ces collaborations mobilisent des outils d’analyse de séries temporelles, de modélisation probabiliste, d’inférence bayésienne et de transport optimal pour traiter des phénomènes complexes, souvent bruités et multi-échelles.
Denys Pommeret, Pierre Pudlo, Manuela Carenzi-Royer, Xavier Milhaud, Thibaut Le Gouic
Biologie et santé
En biologie et santé, les applications portent sur l’épidémiologie, l’analyse de signaux médicaux et de données en neurosciences, les sciences cognitives, ainsi que la génomique et la post-génomique. Les questions traitées incluent l’analyse de données de grande dimension, l’imputation de données manquantes, l’ajustement de modèles mécanistiques à partir d’informations partielles et l’exploitation conjointe de plusieurs blocs de données. Ces travaux illustrent le rôle de la statistique comme discipline de médiation entre formalisation mathématique, calcul et interprétation scientifique.
Hadrien Lorenzo, Manuela Carenzi-Royer, Anna Dudek, Jean-Marc Freyermuth, Pierre Pudlo, Laurence Reboul
Projets financés
Plusieurs projets récents témoignent de cette dynamique interdisciplinaire. Le projet ANR DREAMES (2021-2025) porte sur les méthodes numériques pour l’analyse des risques multivariés et la détection de changements de régime. Le programme France 2030 SMARTPROG, engagé depuis 2024 dans le cadre de l’appel Santé numérique, s’inscrit dans un environnement partenarial associant recherche académique et acteurs de l’innovation. Le projet IMPT rODEo (2022-2025), mené en collaboration avec le MIO à Marseille, concerne l’étude de l’ordre et du désordre dans un océan turbulent.
Annuaire
Membres permanents
- Florent Autin, MCF, Faculté des Sciences
- Mohamed Boutahar, MCF, Faculté des Sciences
- Manuela Carenzi-Royer, MCF, Faculté des Sciences
- Jean-Marc Freyermuth, MCF, Faculté des Sciences
- Thibaut Le Gouic, MCF, Centrale Méditerranée
- Oleg Lepski, PR, Faculté des Sciences
- Hadrien Lorenzo, MCF, Faculté des Sciences
- Xavier Milhaud, MCF, Faculté des Sciences
- Denys Pommeret, PR, Faculté des Sciences
- Christophe Pouet, PR, Centrale Méditerranée
- Pierre Pudlo, PR, Faculté des Sciences
- Laurence Reboul, MCF, Faculté des Sciences
- Thomas Willer, MCF, Faculté des Sciences
CDD longs
- Anna Dudek, PR Chaire Amidex, Faculté des Sciences
- Samuel Stocksieker, PAST 50%, Faculté des Sciences
Doctorants et post-doctorants
Thèses et post-doc en cours.
| Nom | Période | Direction | Sujet |
|---|---|---|---|
| À compléter | À compléter | À compléter | À compléter |
| À compléter | À compléter | À compléter | À compléter |
Thèses et post-doc passés depuis 2018.
| Nom | Période | Direction | Sujet |
|---|---|---|---|
| À compléter | À compléter | À compléter | À compléter |
| À compléter | À compléter | À compléter | À compléter |
