BEGIN:VCALENDAR VERSION:2.0 PRODID:https://evenements.uqam.ca X-PUBLISHED-TTL:P1W BEGIN:VEVENT UID:34730@https://evenements.uqam.ca DTSTART:20261110T133000Z SEQUENCE:4 TRANSP:OPAQUE URL:https://evenements.uqam.ca/evenements/soutenance-de-these-de-jala-kharg ou-doctorat-en-informatique-cognitive/34730?date=2026-11-10_13-30-00 LOCATION:UQAM - Pavillon Président-Kennedy (PK) (201\, avenue du Présiden t-Kennedy\, Montréal ) SUMMARY:Soutenance de thèse de Jala Khargou\, doctorat en informatique cog nitive: «Au-delà de la corrélation: Une approche causale et computation nelle du raisonnement décisionnel en analyse et planification financière » CLASS:PUBLIC DESCRIPTION:Vous êtes cordialement invités!   \n\n\n  \n\n\nMardi 10 novembre 2026 13h30 \n\n\nLocal: PK-2265\n\n\nEn ligne via zoom:  inscri ption  \n\n\n \n\n\nCandidat : Jalal KHARGOU\n\n\nProgramme : Doctora t en informatique cognitive\, UQAM \n\n\n \n\n\nTITRE : Au-delà de la corrélation: Une approche causale et computationnelle du raisonnement dé cisionnel en analyse et planification financière      \n\n\n \n\n\nR ÉSUMÉ\n\n\nCette thèse part du constat selon lequel\, en finance d'entr eprise\, et particulièrement dans la fonction de planification et d'analy se financières (FP&\;A)\, les décisions reposent majoritairement sur des modèles prédictifs qui excellent à anticiper les tendances\, mais n égligent souvent l'explication des mécanismes sous-jacents.  Or\, la pl anification financière exige non seulement de prévoir\, mais aussi de co mprendre et d'identifier des leviers d'actions causaux qui influencent ré ellement les résultats.\n\n\nLe cadre théorique proposé par Judea Pearl offre une formalisation rigoureuse des relations de cause à effet.  Tou tefois\, son opérationnalisation computationnelle demeure encore fragment ée et difficile à intégrer dans des environnements décisionnels réels .  Dans de nombreux domaines\, notamment la finance\, la santé ou le mar keting\, les systèmes analytiques restent principalement orientés vers l a prédiction et l'optimisation\, au détriment d'une compréhension expli cite des structures causales.\n\n\nL'essor récent de l'intelligence artif icielle\, illustré par des modèles tels que ChatGPT ou Claude\, témoign e de la progression du paradigme prédictif fondé sur l'exploitation de r égularités statistiques.  Cependant\, ces approches ne permettent pas\, en l'absence d'un cadre explicite\, d'identifier rigoureusement la struct ure causale des phénomènes étudiés.\n\n\nC'est dans une perspective qu e s'inscrit la présente thèse\, qui propose de compléter les approches prédictives traditionnelles en opérationnalisant les fondements modernes de l'inférence causale dans un contexte applicatif concret\, celui de la planification et de l'analyse financière.  L'objectif est de démontrer que ces principes peuvent être implémentés\, exploités et testés afi n de soutenir la prise de décision à partir d'une compréhension approfo ndie des mécanismes de cause à effet.\n\n\nPour y parvenir\, la recherch e propose un cadre computationnel unifié et généralisable d'inférence causale qui s'appuie sur l'intégration de bibliothèques d'apprentissage automatique jusqu'ici utilisées de façon fragmentée.  Ce cadre articul e les différentes étapes d'un pipeline causal complet\, depuis la formul ation des hypothèses jusqu'aux tests de réfutation\, en passant par l'id entification\, l'estimation et la simulation contrefactuelle.\n\n\nDans ce pipeline\, trois bibliothèques principales sont mobilisées.  DoWhy per met la formalisation du problème causal\, l'identification\, l'estimation et la réfutation\; Ananke prolonge l'analyse en vérifiant l'identifiabi lité de l'effet causal dans des graphes qui incluent des variables latent es\; et EconML complète l'estimation des effets causaux à l'aide de mét hodes d'apprentissage machine\, notamment pour analyser l'hétérogénéit é des effets.\n\n\nCes outils sont organisés de manière complémentaire afin de refléter la progression du cadre théorique de Pearl.  Une comp osante de simulation contrefactuelle boucle ce dispositif\, correspondant au niveau le plus avancé de la hiérarchie causale.  L'ensemble du proce ssus est encadré par des tests systématiques de validation\, conforméme nt à une logique poppérienne de falsification.\n\n\nLa contribution de c ette thèse est double.  Sur le plan méthodologique\, elle contribue à combler un vide entre la théorie causale et son implémentation computati onnelle\, en démontrant la faisabilité d'un pipeline complet appliqué à des données financières réelles.  Sur le plan managérial\, elle fo urnit aux praticiens du FP&\;A un cadre explicatif complémentaire aux approches prédictives\, permettant d'identifier des leviers d'action caus aux et de renforcer la robustesse des décisions stratégiques.  \n\n\n  \n\n\nMots-clés :Inférence causale\, analyse causale\, apprentissage mac hine\, causalité\, do-calculus\, intelligence artificielle causale\, plan ification et analyse financière (FP&\;A)\, finance d'entreprise\, proc essus cognitif\, raisonnement causal\, réfutation\, simulation contrefact uelle\, XAI.\n\n\n \n\n\nJURY D'ÉVALUATION\n\n\nDavid Ardia\, professeur au département de sciences de la décision de HEC Montréal (membre exte rne)\n\n\nAlbert Lejeune\, professeur au département de management de l'U QAM (membre interne)\n\n\nFlorent Avellaneda\, professeur au département d'informatique de l’UQAM (membre interne et président du jury)\n\n\nDan iel Lemire\,  professeur au département de sciences et technologies de l’Université TELUQ (direction de recherche) \n\n\nSerge Robert\, profe sseur au département de philosophie de l'UQAM (codirection de recherche)  \n\nMot-clés : Soutenance de thèse\, Département de mathématique\, C RIA\, LATECE\, LATECE UQAM INFORMATIQUE\, Sciences cognitives\, Philosophi e\, Sciences cognitive\, École de langues\, neurosciences cognitives\, XA I\, simulation contrefactuelle\, réfutation\, raisonnement causal\, Proce ssus cognitif\, Finance d'entreprise\, Planification et analyse financièr e (FP&A)\, Intelligence artificielle causale\, Institut des sciences cogni tives\, intelligence artificielle\, IA\, intelligence artificielle\, chatG PT\, enseignement supérieur\, IA\, intelligence artificielle\, do-calculu s\, causalité\, apprentissage machine\, analyse causale\, Inférence caus ale\, Finance\, ESG\, Faculté des sciences humaines\, Faculté des scienc es\, HEC\, TELUQ\, département de psychologie\, Département d'informatiq ue\, doctorat en informatique cognitive\, doctorat en informatique\n\nPrix : Gratuit\n\n CATEGORIES:Thèse,Conférence DTSTAMP:20261109T211054Z CREATED:20261103T201051Z LAST-MODIFIED:20261104T141410Z END:VEVENT END:VCALENDAR