L’ESILV et Onepoint ont signé une convention CIFRE pour accompagner la recherche de Marius Ortega, promo 2024 et PhD Student Onepoint & DVRC.
Encadre par Nicolas Travers, Directeur adjoint de la recherche, Nédra Mellouli, Responsable de la majeure Data et Intelligence Artificielle et Christophe Rodrigues Enseignant-Chercheur; sa thèse, intitulée « Intégration cohérente et adaptative de user stories pour la création de tests IT à travers l’IA générative et les graphes de connaissances », explore de nouvelles approches visant à automatiser la génération de tests logiciels en combinant intelligence artificielle générative et graphes de connaissances.
La signature de cette convention s’inscrit dans une dynamique de collaboration entre le monde académique et l’entreprise, avec pour objectif de développer des outils innovants en génie logiciel.
La convention CIFRE, un levier pour rapprocher recherche et entreprise
La convention industrielle de formation par la recherche (CIFRE) associe trois acteurs : une entreprise, un doctorant et un laboratoire de recherche.
Ce dispositif national permet à une entreprise de recruter un jeune chercheur en doctorat et de bénéficier d’un financement pour développer des projets de R&D.
La thèse est conduite en collaboration avec un laboratoire académique, garantissant à la fois rigueur scientifique et applicabilité opérationnelle.
Les enjeux des tests logiciels à l’ère de l’IA
Les grands modèles de langage (LLM) sont aujourd’hui mobilisés pour de nombreuses tâches en génie logiciel : génération de code, documentation, scripts de test ou encore révision de code.
Toutefois, la création de tests à partir des user stories demeure un processus complexe. Elle suppose une documentation précise des exigences fonctionnelles et un pipeline de tests capable de s’adapter aux évolutions des projets.
Garantir la qualité et la fiabilité des produits logiciels passe par des méthodes de test performantes, adaptées à la croissance de la complexité des systèmes. Cette problématique constitue le socle de la recherche menée par Marius Ortega.
Une approche basée sur les LLM et les graphes de connaissances
La thèse explore l’hypothèse qu’un couplage entre LLM et graphe de connaissances permettrait de concevoir un environnement de tests plus robuste et auto-adaptatif.
L’objectif est de réduire les ambiguïtés, d’assurer la cohérence entre user stories et plans de test, et d’améliorer la qualité de production logicielle.
Des techniques comme le Few Shot Learning ou le Transfer Learning sont envisagées pour optimiser la pertinence et la cohérence des tests générés, en tenant compte des contextes métiers et des pratiques de développement.
Applications et cas d’usage
Des études de cas seront menées sur des données issues d’entreprises dans les secteurs de la banque, de la finance et de l’assurance.
Ces expérimentations permettront d’évaluer l’efficacité de l’IA générative pour la conception automatisée de tests logiciels et l’analyse de user stories dans des environnements complexes.
Cette approche pourrait également servir de soutien aux équipes de test, en agissant comme un compagnon numérique offrant une relecture automatisée et contextualisée des scripts générés.
Perspectives pour l’entreprise et la recherche
Onepoint est une entreprise française spécialisée dans la transformation numérique des entreprises et des organisations.
Pour eux, l’intégration d’une telle IA ouvre la voie à une offre destinée à ses clients, avec la promesse d’un pilotage simplifié des environnements de tests en langage naturel.
Du point de vue scientifique, les retombées attendues concernent l’enrichissement des méthodes de stockage et de recherche de connaissances, notamment via des modèles de type RAG (Retrieval-Augmented Generation).
Le parcours académique et professionnel de Marius Ortega
Diplômé de l’ESILV, Marius Ortega a construit son parcours autour de la data et de l’intelligence artificielle, en multipliant les expériences de recherche et d’application.
En parallèle de son cursus d’ingénieur, il a suivi un Master 2 en Mathématiques, Statistiques Appliquées et Data Science à l’Institut Polytechnique de Paris (2023-2024), renforçant ainsi ses compétences en modélisation avancée et en analyse de données.
- En 2022-2023, il a réalisé un projet industriel chez Nameshield, consacré à la conception de preuves de concept autour des bases de données orientées graphes. Ce stage a porté sur le stockage massif de données relationnelles, leur visualisation et la détection de patterns de menaces dans le cadre d’investigations en cybersécurité.
- Entre avril et août 2023, il a poursuivi ses recherches au Pôle Léonard de Vinci, dans le domaine du traitement automatique du langage naturel (NLP). Ses travaux ont consisté à explorer des métriques d’évaluation de la génération de texte, à développer des modèles de résumé extractif basés sur le clustering et à concevoir plusieurs packages Python, disponibles en open source.
- En janvier 2024, il a rejoint BNP Paribas pour un stage de trois mois sur la détection explicable de fraude, appliquant des méthodes de machine learning à des problématiques de sécurité bancaire.
- D’avril à septembre 2024, il a intégré Orange comme Data Scientist R&D. Ses recherches ont porté sur les Spiking Neural Networks (SNN), modèles inspirés des neurones biologiques, appliqués à la computer vision. Ce travail a conduit au dépôt d’un brevet.
En parallèle de ses recherches, Marius Ortega enseigne depuis septembre 2024 le Machine Learning et le Deep Learning auprès d’étudiants de Master au sein du Pôle Léonard de Vinci. Cette activité illustre la continuité entre formation académique, recherche appliquée et transfert de compétences vers de jeunes ingénieurs en devenir.
Le rôle du De Vinci Research Center (DVRC)
La thèse de Marius Ortega est menée au sein du De Vinci Research Center, le laboratoire commun aux écoles du Pôle Léonard de Vinci. La stratégie du DVRC repose sur quatre axes majeurs :
- excellence scientifique, avec des publications dans des revues internationales ;
- impact sociétal, via la vulgarisation et la recherche contractuelle ;
- interdisciplinarité, grâce à la collaboration entre chercheurs en ingénierie et en sciences de gestion
- internationalisation, renforcée par des partenariats et des échanges académiques mondiaux.
Cette structure favorise des projets de recherche orientés vers des enjeux concrets, tels que la transition écologique, la e-santé ou encore l’intelligence artificielle appliquée aux systèmes complexes.
Pour en savoir plus sur la stratégie de recherche de l’ESILV
This post was last modified on 1 septembre 2025 10:26 am