Biographie
Corinne Ancourt est directrice de recherche en informatique à MINES Paris – PSL, où elle dirige depuis 2023 le Centre de recherche en informatique (CRI). Titulaire d’un doctorat en informatique de l’Université Pierre-et-Marie-Curie (1991) et d’une habilitation à diriger des recherches, elle mène des travaux associant la compilation, le calcul haute performance et l’intelligence artificielle. Ses recherches portent sur l’analyse, la transformation et l’optimisation des programmes scientifiques. Elle a contribué au développement de méthodes fondées sur le modèle polyédrique pour automatiser la parallélisation et l’ordonnancement des calculs, optimiser le placement des données et les transferts mémoire, et exploiter efficacement les architectures parallèles, distribuées et hétérogènes. Elle participe depuis de nombreuses années au développement du compilateur PIPS. Ses travaux récents s’intéressent notamment au paramétrage des transformations de boucles, comme le tiling, en s’appuyant sur des techniques d’apprentissage automatique pour déterminer les paramètres adaptés aux applications et aux architectures cibles. Ces recherches portent également sur la modélisation des performances et de la consommation énergétique afin de guider les choix d’optimisation des compilateurs. Elle développe également des approches visant à améliorer l’efficacité des applications d’intelligence artificielle et des grands modèles de langage (LLM). Ses travaux associent notamment réduction de dimension, quantisation, précision mixte et parallélisation afin de réduire l’empreinte mémoire, les volumes de communication et les temps de calcul. Corinne Ancourt a encadré une vingtaine de thèses, participé à plusieurs projets de recherche nationaux et européens et dirigé des collaborations industrielles avec EDF, Huawei, Thales et Sagem-Safran.
Publication(s)
-
2026
Tiling Parameters Prediction Using Machine Learning Techniques DOI : 10.1007/978-3-032-02436-7_5
-
2024
Nested object detection using mask R-CNN: application to bee and varroa detection DOI : 10.1007/s00521-024-10393-x
-
2024
PolyTOPS: Reconfigurable and Flexible Polyhedral Scheduler DOI : 10.1109/CGO57630.2024.10444791
-
2024
ParameTrick: Coefficient Generalization for Faster Polyhedral Scheduling
-
2023
Tiling parameters prediction using Machine Learning techniques
-
2022
Digital Transformation of Beekeeping through the Use of a Decision Making Architecture DOI : 10.3390/app122111179
-
2022
Generating Proposals from Corners in RPN to Detect Bees in Dense Scenes DOI : 10.5220/0010815000003124
-
2022
COLA-Gen: Active Learning Techniques for Automatic Code Generation of Benchmarks DOI : 10.4230/OASIcs.PARMA-DITAM.2022.3
-
2021
Using Performance Event Profiles to Deduce an Execution Model of MATLAB with Just-In-Time Compilation DOI : 10.1007/978-3-030-72789-5_6
-
2020
PNAPI Digital Support Platform for Beekeepers
-
2019
Survey on AI-based multimodal methods for emotion detection DOI : 10.1007/978-3-030-16272-6_11
-
2019
Parallelization of hierarchical matrix algorithms for electromagnetic scattering problems DOI : 10.1007/978-3-030-16272-6_2
-
2019
Locus: A System and a Language for Program Optimization DOI : 10.1109/CGO.2019.8661203
-
2018
Profile-based vectorization for MATLAB DOI : 10.1145/3219753.3219756
-
2017
Automatic Code Generation of Distributed Parallel Tasks DOI : 10.1109/CSE-EUC-DCABES.2016.190
-
2017
Threewise: A local variance algorithm for GPU DOI : 10.1109/CSE-EUC-DCABES.2016.194
-
2015
LLVM parallel intermediate representation: Design and evaluation using OpenSHMEM communications DOI : 10.1145/2833157.2833158
-
2015
Parallelizing with BDSC, a resource-constrained scheduling algorithm for shared and distributed memory systems DOI : 10.1016/j.parco.2014.11.004
-
2014
Automatic generation of communications for redundant multi-dimensional data parallel redistributions DOI : 10.1109/HPCC.and.EUC.2013.116
-
2013
Task parallelism and data distribution: An overview of explicit parallel programming languages DOI : 10.1007/978-3-642-37658-0_12
-
2010
A modular static analysis approach to affine loop invariants detection DOI : 10.1016/j.entcs.2010.09.002
-
2006
A case study of design space exploration for embedded multimedia applications on SoCs DOI : 10.1109/RSP.2006.1
-
2003
Automatic detection of uninitialized variables DOI : 10.1007/3-540-36579-6_16
-
2001
Array resizing for scientific code debugging, maintenance and reuse DOI : 10.1145/379605.379656
-
2000
PROMPT: A mapping environment for telecom applications on "System-On-a-Chip"
-
1997
Linear algebra framework for static high performance Fortran code distribution DOI : 10.1155/1997/195689
-
1997
Automatic data mapping of signal processing applications
-
1996
Optimal compilation of HPF remappings DOI : 10.1006/jpdc.1996.0143
-
1995
Minimal data dependence abstractions for loop transformations: Extended version DOI : 10.1007/BF02577771
-
1995
Minimal data dependence abstractions for loop transformations DOI : 10.1007/bfb0025880
-
1991
Scanning polyhedra with DO loops DOI : 10.1145/109626.109631
-
1991
Scanning polyhedra with DO loops DOI : 10.1145/109625.109631
Direction(s) de thèse(s)
- 2025 AMÉLIORATION DES TRANSFERTS DE DONNÉES ET DES PERFORMANCES SUR ARCHITECTURES HÉTÉROGÈNES SAULEAU Luc
- 2025 Modèles de langage de grande taille pour la prise de décision séquentielle ATTIA EL HILI Youssef
- 2024 Optimisation du placement de réseaux de neurones convolutifs sur des architectures hybrides sous contraintes de ressources VIENS Arthur
- 2023 Modèles de coûts statiques des les compilateurs optimisants pour l’amélioration de la performance énergétique des logiciels embarqués DESTAL Benjamin
- 2022 Agents intelligents pour l’apprentissage par renforcement hors-ligne avec interactions réduites GAIZI Othman
- 2021 Configurable Polyhedral Scheduling for All-Scenario Deep Learning Compilers CONSOLARO Gianpietro
- 2019 Détection d’objets imbriqués dans des scènes denses par Apprentissage Profond - Application à la détection d’abeilles et de varroas KRIOUILE Yassine
- 2018 L'automatisation des optimisations source-à -source de programmes en utilisant des techniques de Machine Learning BEREZOV Maksim
- 2015 Analyses de performances et transformations de code pour les applications MATLAB KIEPAS Patryk