Actuellement Post-Doctorant en Intelligence Artificielle et Informatique,
au CNAM (Conservatoire National des Arts et Métiers) Paris,
dans le laboratoire CEDRIC (Centre d’Etudes et de Recherche en Informatique et Communications),
financé par le projet ANR DAPHNE (Découverte dans les bAses Prosopographiques Historiques de coNnaissancEs).

Mes recherches portent sur l'amélioration de systèmes d'argumentation. On peut les définir comme des approches de raisonnement basées sur la justification d'affirmations par des arguments. Depuis la fin des années 1980, les systèmes d'argumentation ont suscité un grand intérêt au sein de la communauté de l'intelligence artificielle, notamment en tant qu'approche unificatrice du raisonnement non-monotone. Ils ont ensuite été utilisés pour résoudre différents problèmes comme le raisonnement en présence d'informations incohérentes, la prise de décision, la classification, la négociation, etc. L'argumentation a également plusieurs applications pratiques, notamment dans les domaines juridique et médical.

En collaboration avec Raphaël Fournier-S'niehotta et Nicolas Travers , nous travaillons sur l'application de systèmes d'argumentation sur des graphes de connaissance afin d'améliorer la richesse des processus de décisions et l'explicabilité des résultats.

Mon doctorat d'Informatique a été obtenu en 2021 à l'Université Paul Sabtier Toulouse III, dans le laboratoire IRIT (Institue de Recherche en Informatique de Toulouse) sous la direction de Leila Amgoud . Mon sujet de recherche portait sur l'intégration d'une nouvelle notion dans les systèmes d'argumentation : la similarité. Dans ma thèse, j'ai proposé des solutions aux principales questions de recherche suivantes :
** Comment mesurer la similarité entre deux arguments ?
** Quel est l'impact de la similarité sur l'évaluation des arguments ? Et comment définir une sémantique capable de traiter correctement la similarité ?