Doctorant, Polytech Annecy-Chambéry.
Contact
Courriel : david.esale-yoka@univ-smb.fr
Téléphone : +33 (0)4 50 09 65 80
Portable : +33658531732
Adresse : LISTIC, 5 chemin de bellevue, CS80439, 74 944 Annecy Cedex
Thèse :
Theme : Optimisation des données
Sujet : Optimisation des Architectures Micro services pour le Traitement de Big Data à l’Aide de Techniques d’Intelligence Artificielle : WOF
Résumé : Optimisation des Architectures Micro services pour le Traitement de Big Data à l’Aide de Techniques d’Intelligence Artificielle : WOF Contexte et Motivation Avec la croissance rapide des volumes de données, les entreprises cherchent des solutions efficaces pour traiter, transformer et analyser ces informations. Les architectures en micro services offrent une solution flexible et évolutive pour gérer des applications complexes. Cependant, l’optimisation de ces architectures pour le traitement de big data reste un défi de taille. L’intégration de WOF (l’intelligence artificielle ) peut offrir des solutions innovantes pour surmonter ces défis. Résumé Le traitement des volumes de données à l’ère du numérique présente un enjeu majeur pour les entreprises. Les architectures micro services reconnues apportent beaucoup d’amélioration tant en flexibilité qu’en scalabilité sur un volume important des données, cependant l’optimisation de ces architectures micro services pour traiter efficacement des big data demeure un défi. La complexité croissante des systèmes d’informations et la nécessité de maintenir des performances élevées tout en assurant une résilience et une sécurité robustes exigent des solutions innovantes. Pour cela la thèse s’orientera à intégrer des techniques d’intelligence artificielle WOF (Wise Object Framework) dans les architectures de micro services afin de repondre à ces différents problématiques.
Voici les objectifs principaux :
- Développer une architecture de micro service basée pour le traitement de big data
- Intégrer des techniques d’intelligence artificielle (WOF) pour l’optimisation, amélioration de la gestion des ressources , la performance et la résilience de l’architecture
- Pour finir évaluer l’impact des solutions apportées par WOF sur l’efficacité, la scalabilité et la sécurité des micro services dans le contexte de big data Avec l’intégration des techniques d’intelligence artificielle (WOF) au niveau des architectures micro services, cette combinaison apportera des solutions concrètes et innovantes aux problématiques complexes du traitement de big data. Cette thèse permettra d’améliorer significativement aux performances, la gestion des ressources et la résilience des systèmes de traitement de données, en offrant ainsi des bénéfices tangibles aux entreprises et à la communauté scientifique.
Mots-clefs : Micro service , Big Data, Intelligence Artificielle, WOF
Publications : https://theses.fr/s400401
Encadrant :
- Flavien Vernier
- Ilham Alloui
Co-encadrant :
Début de la thèse : 02 Septembre 2025
Ecole doctorale : SIE Sciences, Ingénierie, Environnement