À propos
Ingénieur ISAE-SUPAERO et Docteur en Apprentissage Machine (Sorbonne Université, 1996), Jean-Daniel Zucker est Directeur de Recherche de Classe Exceptionnelle à l'IRD et Directeur Adjoint de l'UMI UMMISCO depuis janvier 2025 (Directeur 2014–2024). Il est Professeur d'informatique à Sorbonne Université et Paris Dauphine (PSL), et co-responsable du groupe Integromics.
Ses recherches portent sur l'IA et le Machine Learning supervisés et non-supervisés pour la modélisation de systèmes complexes et l'aide à la décision médicale. Ses domaines d'application couvrent la métagénomique, la nutrigénomique, l'épidémiologie et les sciences de l'environnement.
Formation
- Classe préparatoire (MPSI/MP), Lycée Louis-le-Grand, Paris (1980–1982)
- Ingénieur, ISAE-SUPAERO (1982–1985)
- Master IA appliquée à la médecine, Université Paris 5 (1985–1986)
- Master IA, Sorbonne Université (1991–1992)
- Doctorat en Apprentissage Machine, Sorbonne Université (1993–1996)
- HDR, Sorbonne Université (2001)
Langues
Citations par année (Google Scholar)
Recherche
Machine Learning & Abstraction
Apprentissage inductif, changements de représentation, classification multi-instance, scoring interprétable, NLP biomédical (AliBERT), apprentissage profond interprétable.
Systèmes Multi-Agents & Complexes
Simulation à base d'agents, plateforme GAMA, modélisation multi-échelle, évacuation de populations, aide à la décision environnementale, écosystèmes.
Métagénomique & Microbiote
Microbiome intestinal humain, intégration multi-omics, obésité, diabète de type 2, maladies cardiométaboliques, chirurgie bariatrique, deep learning métagénomique.
Médecine de Précision
Prédiction de rémission du diabète (score Advanced-DiaRem), stratification de patients, bioinformatique, pharmacovigilance, cardiologie (ECG + deep learning).
Publications
Chargement des publications…
Livres
Théorie formelle unifiée de l'abstraction en IA : reformulation de problèmes, changements de représentation, approximation. S'appuie sur plus de 30 ans de recherche des deux auteurs. 174+ citations.
Ouvrage de référence francophone sur la modélisation et la simulation à base d'agents : exemples commentés, outils informatiques et questions théoriques. 200+ citations.
Encadrement Doctoral
Doctorants en cours (6)
Approche multimodale par apprentissage profond pour la prédiction des troubles musculo-squelettiques.
Au-delà de l'ASLR grâce au NLP basé sur les grands modèles de langage (LLM).
Caractérisation par apprentissage profond de souches bactériennes dans les maladies cardiométaboliques.
JUNOM — Jumeau numérique des oiseaux marins : deep learning pour la scénarisation des impacts climatiques.
Apprentissage profond pour la classification des séquences d'ADN environnemental des plantes.
Apprentissage profond interprétable pour la détection de biomarqueurs multi-sources et la stratification des patients.
| Période | Doctorant | Sujet & Position actuelle |
|---|---|---|
| 1997–2001 | Sébastien Mustière | Machine Learning for Cartographic GeneralizationChercheur, LaSTIG, IGN & ENSG (Paris) |
| 1998–2001 | Yann Chevaleyre | Multiple-instance ML for Inductive Logic ProgrammingProfesseur des Universités, LAMSADE, Paris Dauphine-PSL |
| 1998–2002 | Laurent Breton | Computer Aided Discovery in Granular Physics: The GranuLabChef de projet industrie |
| 1998–2002 | Mélanie Courtine | Abstraction for Unsupervised ML of structural data in functional genomicsMaître de Conférences, Université Paris 13 |
| 1998–2002 | Nicolas Bredeche | Multiple-Representation Learning to anchor a lexicon in robot perceptionProfesseur des Universités, ISIR, Sorbonne Université |
| 2001–2005 | David Sheeren | Supervised Learning for representation differences in Geographic DatabasesProfesseur des Universités, DYNAFOR, INP-AgroToulouse/ENSAT |
| 2003–2006 | Blaise Hanczar | Compression-based feature selection for ML from DNA Chips dataProfesseur des Universités, IBISC, Université d'Évry (Paris-Saclay) |
| 2004–2008 | Corneliu Henegar | Unsupervised Learning for Annotations of Regulation Networks from DNA ChipsMaître de Conférences (Associate Professor), UPEC & Scripps Research, La Jolla |
| 2004–2009 | Aydano Machado | Adaptative Transfer in Reinforcement Learning for tactical schemas simulationProfesseur, Institut de Calcul (IC), UFAL, Maceió, Brésil |
| 2005–2009 | Ramzi Temani | Combining Data Sources for ML: weight loss prediction in obesity from post-genomic dataResearch Scientist, Sidra Medical and Research Center |
| 2004–2009 | Ariel Bennis | Computer Aided Scientific Discovery from Post-Genomic and Clinical DataPatent Specialist, Israël |
| 2007–2011 | Edi Prifti | Integrative Bioinformatics for Physiopathological Gene Targets in Complex DiseasesChercheur (IR), IRD UMMISCO / INSERM Nutriomics / Sorbonne Université |
| 2007–2011 | Sajjad Ahmed Nadeem | Classification with reject-option for transcriptomic decision support systemsMaître de Conférences, Pakistan |
| 2006–2011 | Tran Nguyen Minh Thu | Association Rules Abstraction to improve Recommendation Systems from temporal preferencesPost-doc & enseignant, Université de Can Tho, Vietnam |
| 2010–2013 | Meriem Abdennour | ML for diagnosis of adipose tissue and hepatic pathologies in obese patientsIngénieure de Recherche |
| 2010–2014 | Thi Ngoc Anh | Dynamic Multilevel Modeling for Decision Support in rescue simulationEnseignante, USTH, Hanoï |
| 2011–2015 | David Dernoncourt | Stability of Feature Selection in ML: obesity targets from postgenomic data— |
| 2010–2015 | Inès Hassoumi | Coupling Multi-agent Models for complex systems: urban expansion in Tunisia— |
| 2011–2016 | Ho The Nhan | Parallelized Learning for high-speed multi-agent simulations— |
| 2013–2016 | Le Van Minh | ML for optimization in Multi-Agent Decision Support: Tsunami evacuation sign placement— |
| 2015–2018 | Nguyen Thanh Hai | Deep learning of Metagenomics DataChercheur, Université de Can Tho, Vietnam |
| 2015–2020 | Dao Minh Quang | Integrative High-Performance BigData mining: metagenomics and metabolomics— |
| 2017–2021 | Maxence Queyrel | Sub-group Discovery and Deep Learning to integrate big Omics Biomedical DataIngénieur ML, Valeo (Paris) |
| 2020–2023 | Ahmad Fall | Explicability and Interpretability in Deep Learning for Cardiometabolic DiseasesIngénieur de Recherche, IRD |
| 2020–2024 | Théophile Bayet | Inclusivité des systèmes de vision par ordinateur (deep learning) pour les pays du SudPost-doctorant, Sorbonne Université / LIP6 |
| 2021–2024 | Alex Lence | Prédiction du risque de Torsades de Pointes : modèles génératifs pour ECG synthétiquesIngénieur de Recherche, IRD/UMMISCO |
| 2021–2025 | Gaspar Roy | Architecture de bout en bout (Transformers) pour la prédiction de maladies à partir de données métagénomiquesPost-doctorant, IRD/UMMISCO |
Projets & Financements
End-to-end deep learning pour la médecine de précision via la métagénomique et l'intégration coût-sensible de données multi-omiques. Cohorte unique de 2 000 individus phénotypés.
Metagenomics and Systems Medicine of Cardiometabolic Diseases (HEALTH-F4-2012-305312). 14 partenaires, 6 pays.
EU contribution : 11 999 992 € · Total : 20 387 421 €
Exploring by Simulation Cities Awareness on Population Evacuation.
212 000 € (IRD)
Génération de populations synthétiques socialement structurées pour la simulation sociale. Application : évacuation de Da Nang (Vietnam, tsunami).
Plateforme de simulation multi-échelle pour l'écologie et les sciences de l'environnement.
Combinaison de méthodes d'apprentissage et de biostatistiques pour l'étude des polymorphismes génétiques dans l'obésité (avec Sandrine Dudoit, UC Berkeley).
Advanced Software Engineering Environment Logistics Framework (n°1520). 40+ participants, 8 pays européens.
6 M écus
Distinctions
Récompense collective suite à la publication Le Chatelier et al., "Richness of human gut microbiome correlates with metabolic markers", Nature 500, 2013 (5 000+ citations).
Lauréat du concours Interface entre les hôpitaux de l'APHP et l'IHU ICAN.
Prix pour le projet ObeLinks — combinaison de méthodes d'apprentissage et de biostatistiques pour l'étude des polymorphismes génétiques dans l'obésité (avec Sandrine Dudoit, UC Berkeley).
Sous le Patronage du CNRS. CD-ROM Mattéo Ricci — Caractères chinois, réalisé avec Joël Bellassen (Univ. Paris VII).
International Conference on Computers in Education, Taipei, Taiwan. "Machine Learning Contributions to a Guided Discovery Tutoring Environment for Chinese Characters."