Accueil >
Évènements >
[FRB-Cesab] L’IA pour les écologues : une boîte à outils – 2026
Évènement
Formation
Publié : 1 juin 2026
I Mis à jour : 11 décembre 2025
[FRB-Cesab] L’IA pour les écologues : une boîte à outils – 2026
![[FRB-Cesab] L’IA pour les écologues : une boîte à outils – 2026](https://www.fondationbiodiversite.fr/wp-content/uploads/2024/11/logo_formation_ia_Cesab.png){kind=logo}
Le Cesab – Centre de synthèse et d’analyse sur la biodiversité – de la FRB organise la deuxième session de la formation “L’IA pour les écologues : une boîte à outils“. Cette formation de cinq jours a pour objectif de former de jeunes chercheurs.euses aux concepts et outils de l’intelligence artificielle. Le cours comprendra un mélange de théorie et de travaux pratiques basés sur différents types de données couramment rencontrées en écologie. L’objectif principal de la formation est de donner aux participant.es l’autonomie nécessaire pour évaluer quels algorithmes sont les plus adaptés à leurs propres questions de recherche, où les récupérer et comment les ajuster en fonction de la question posée.
Cette formation sera dispensée en anglais et se déroulera du 1er au 5 juin 2026 dans les locaux du Cesab à Montpellier. Les frais d’inscription sont de 250 € pour la semaine – repas du midi inclus. Les frais de transport, d’hébergement et les repas du soir sont à la charge des participant.es.
Vous devez avoir de solides compétences en programmation, au moins en R.
La maîtrise de Python est préférée, mais pas obligatoire.
Se pré-inscrire à la formation
Vous devez avoir de solides compétences en programmation, au moins en R.
La maîtrise de Python est préférable, mais pas obligatoire. De fait, pour nous assurer que nous partons tous de bases similaires, nous demandons que vous suiviez ces tutoriels avant de participer à la formation. Nous ne contrôlerons pas si vous avez suivi le tutoriel, mais nous comptons sur votre responsabilité collective pour garantir que le groupe dispose d’une base commune.
_______________
La FRB propose 4 bourses de 250 € qui couvriront l’intégralité des frais d’inscription. Ces bourses sont destinées à soutenir les personnes ne bénéficiant d’aucun appui institutionnel (par exemple, financement de leur laboratoire, équipe de recherche, etc.) et qui ne sont pas en mesure de couvrir les frais d’inscription sur leurs fonds propres. Nous faisons pleinement confiance à chaque candidat pour évaluer sa situation et solliciter une bourse uniquement si cela s’avère nécessaire. La sélection des participants sera réalisée indépendamment des demandes de bourse. Une fois cette sélection effectuée, les bourses seront attribuées par tirage au sort parmi les personnes sélectionnées ayant exprimé un besoin d’aide financière.
Lire plus sur les tutoriels Python
Sous la section “Learn the basics”, veuillez consulter toutes les pages suivantes :
- Hello, World!
- Variables and Types Lists
- Basic Operators
- String Formatting
- Basic String Operations
- Conditions
- Loops
- Functions
- Classes and Objects
- Dictionaries
- Modules and Packages
- Input and Output
Chaque section vous permet d’interagir avec une console Python intégrée où vous pouvez copier/coller et modifier les commandes. Les sections se terminent par un petit exercice, que nous vous recommandons de faire. Vous pouvez naviguer d’une section à l’autre en cliquant sur le bouton « tutoriel suivant » (vous n’êtes pas obligé de passer le test, mais vous êtes bienvenu à le faire si cela vous plaît).
Retrouvez la formation sur GitHub
Liste des organisateurs (par ordre alphabétique) :
- Léo BLONDEL (Founder of the alien.club)
- Camille COUX (FRB-CESAB)
- Romain FRELAT (FRB-CESAB)
- Dimitri JUSTEAU-ALLAIRE (IRD, AMAP)
- Maximillien SERVAJEAN (LIRMM)
- Paul TRESSON (IRD, AMAP)
- Sonia MAI TIEO (Laboratoire d’Ecologie Systématique & Evolution de l’Université Paris-Saclay)
Programme
Monday – 9:00 am: Introduction
- Presentation of the course and speakers
- Introduction to AI: historical background
- Introduction to Python environment and tools
- Data science in Python
Tuesday – Machine learning 1
- Linear and general regression : from a ML perspective
- Random forest and K-means
- Practical concepts and practice
Wednesday – Machine learning 2
- Dataset selection
- Supervised learning
- Unsupervised learning
- Dimensionality reduction
Thursday – Deep learning
- DL concepts
- Practices with PlantNet
Friday – Symbolic AI
- Introduction
- Practice: Designing protected areas in New Caledonia
- Practice: Crop rotation planning
- Feedback time and conclusion