MARTIAL MERMILLOD

Professeur des universités (Université Grenoble Alpes)

Permanent, Vision et Emotion

Coordonnées

Bâtiment : Bât. Michel Dubois

Bureau : E 119

Tél. : 0476748147
martial.mermillod@univ-grenoble-alpes.fr

Thèmes de recherche

Research Overview

Cette synthèse montre nos travaux de recherche actuels, fondamentaux et appliqués. En raison de l’urgence de résoudre les problèmes du dépassement des limites planétaires (Figure 1, https://www.stockholmresilience.org/research/planetary-boundaries.html) montrées par les travaux de Rockström, et al. (2009) ou Steffen, et al. (2015). Nos recherches actuelles se ré-orientent donc drastiquement sur l’utilisation des sciences cognitives et de l’IA afin de commencer à initier une véritable transition écologique. L’essentiel de nos travaux concernant l’intelligence artificielle sont résumés dans ce livre : https://www.deboecksuperieur.com/livre/9782807358980-de-l-intelligence-humaine-a-l-intelligence-artificielle

Figure 1. Les limites planétaires.

Dans cette perspective, la première partie de cette présentation concerne l’apport des sciences cognitives et de l’IA afin de permettre cette transition en termes de recherche appliquée. La seconde partie concerne nos travaux historiques en recherche fondamentale.

Partie 1 – Recherches appliquées.

Réactance et désirabilité de la création de zones résilientes.

Dans le cadre des dérèglements climatiques (îlots de chaleur, épuisement des ressources en eau, tempêtes, variations de températures extrêmes) et de ses conséquences sur l’effondrement en cours de la production agricole, la végétalisation des villes est une priorité. La végétalisation permet de réguler la température, l’humidité, voire d’apporter des ressources alimentaires dans le cadre de fermes verticales à hauts-rendements, permettant d’assurer la sécurité alimentaire des villes ou des zones rurales engagées dans la résilience (Figure 2).

Figure 2. Fermes urbaines permettant de répondre à l’effondrement en cours des ressources agricoles.

Néanmoins, ces solutions sont généralement étudiées sans prendre en compte l’élément le plus important : l’acceptabilité des solutions par la population, pouvant se traduire par des échecs dans l’adoption des solutions proposées. Notre apport en termes de sciences cognitives consiste donc à améliorer le bien-être induit par ces zones résilientes en utilisant le modèle de neuroesthétique proposé par Chatterjee & Vartanian (2014).

Figure 3. Modèle neuroesthétique de Chatterjee & Vartanian (2014).

Nos résultats montrent que l’expérience esthétique, mesurée par des méthodes directes/explicites mais aussi indirectes/implicites, permettant de s’affranchir des biais cognitifs (désirabilité sociale, etc.) montrent une désirabilité accrue de la végétalisation si elle est accompagnée d’espaces sociaux (e.g. marchés, restaurants) mais aussi de formes architecturales spécifiques (Figure 4).

Figure 4. Expérience esthétique induite par des zones résilientes végétalisées avec différentes formes architecturales et présence ou absence d’espaces sociaux.

Les travaux à venir concerneront la désirabilité des fermes urbaines permettant d’assurer la sécurité alimentaire des populations dans un futur proche.

Efficacité des formations RSE (Responsabilité Sociale et Environnementale).

Les formations RSE ont pour objectif de sensibiliser la population à l’urgence de la transition écologique avec par exemple la fresque du climat, de l’effondrement de la biodiversité ou des ressources naturelles (Figure 5). Néanmoins, très peu d’évaluation de l’efficacité de ces sensibilisations ont été apportées.

Figure 5. Fresque du climat, de l’effondrement de la biodiversité ou des ressources naturelles.

Notre hypothèse est que, par la quantité d’informations stressantes apportées, ses sensibilisations peuvent paradoxalement produire des effets « boomerang » d’éco-anxiété voire de déni si elles ne permettent pas d’entrevoir les actions concrètes à réaliser pour répondre de manière collective à ces défis. Par le support d’une thèse financée par la start-up Fyyyre, nous utilisons les sciences cognitives pour (1) évaluer et (2) améliorer l’efficacité de ces formations (Figure 6).

Figure 6. Amélioration des formations RSE par utilisation des sciences cognitives (approche evidence-based) et de l’IA.

L’IA pour la transition écologique.

L’IA actuelle, fondée sur les réseaux de neurones profonds (Deep Learning) sont souvent perçus comme énergivores et inexplicables (des « boîtes noires »).

Par différents financements de l'UGA, du CEA (Commissariat à l'énergie atomique et aux énergies alternatives) du Fraunhofer Institute, EDF et Stiebel Eltron, nous appliquons l’IA à une diminution de la consommation énergétique (Figure 7).

Figure 7. Financements d’applications de l’IA à la transition énergétique.

Comme illustré dans la Figure 8, nous montrons ainsi que de petits modèles d’IA en Deep Learning, frugaux en énergie, permettent en anticipant le comportement des utilisateurs des économies d’énergie de l’ordre de 40% en consommant environ mille fois moins d’énergie que les modèles physiques classiques (Bayle, Reyboz, Lomet, Cook, & Mermillod, 2024).

Figure 8. Prédiction et optimisation de la consommation électrique par de petits modèles de Deep Learning.

Nos travaux actuels portent sur la réduction de la consommation mais aussi la production et le stockage d’énergies renouvelables.

L’IA pour le « One Health ».

Le One Health explore la santé sous en angle global liant l’humain, l’environnement et le vivant. Nous utilisons le Deep Learning dans cette perspective. En effet, en termes d’applications, l’IA est très efficace pour la prédiction de séries temporelles de différentes natures, simples comme dans nos applications liées à l’énergie, mais aussi complexes comme l’activité cérébrale.

Par l’utilisation de différentes techniques de Machine Learning et de Deep Learning (Figure 9), nous utilisons ces techniques avancées pour (1) comprendre et (2) prédire l’activité cérébrale dans le cadre de projets liés au Brain Decoding par exemple dans le cadre du vieillissement cognitif et de la réorganisation cérébrale qui en résulte (Guichet, Harquel, Achard, Mermillod & Baciu, 2025; Guichet, Roger, Attyé, Achard, Mermillod & Baciu, 2024).

Figure 9. Utilisation de l’IA pour comprendre la réorganisation cérébrale dans le vieillissement sain mesurée par magneto-encephalographie.

Nous appliquons aussi l’IA à des données IRM (anatomique, fonctionnelle ou sur les voies de projections axonales, Figure 10).

Figure 10. Exemples d’applications de l’IA dans le cadre de la réorganisation cérébrale impliquée dans le vieillissement sain mesuré au niveau des voies de projections axonales.

Dans le cadre du One Health, l’étape suivante sera de comprendre les facteurs environnementaux (activité intellectuelle, physique, alimentation, etc.) permettant un vieillissement sain, voire le « super-ageing », versus pathologique.

Partie 2 – Recherches fondamentales.

De l'intelligence humaine à l'intelligence artificielle.

https://www.deboecksuperieur.com/livre/9782807358980-de-l-intelligence-humaine-a-l-intelligence-artificielle

Ce fait est largement méconnu, mais la révolution actuelle de l’intelligence artificielle trouve ses origines dans les sciences cognitives, avec l’émergence, à la fin des années 1980, des premiers réseaux de neurones convolutionnels (cf. LeCun, Bengio & Hinton, 2015 pour une synthèse), sous l’influence du groupe de traitement parallèle et distribué initié par le psychologue américain David Rumelhart (Figure 11). Grâce à l’utilisation de l’algorithme de descente de gradient, David Rumelhart et le groupe PDP (Rumelhart, Hinton, McClelland & PDP Research Group, 1986) ont permis l’avènement du Perceptron Multi-Couches (MLP, dont le Deep Learning est l’héritier direct) en dépassant les limites du premier réseau de neurones artificiel, le Perceptron, inventé par un autre psychologue américain : Frank Rosenblatt (Rosenblatt, 1958). Les travaux de Frank Rosenblatt eux-mêmes ont été rendus possibles par les travaux pionniers de divers neurologues, psychologues et neuropsychologues (McCulloch & Pitts, 1943 ; Hebb, 1949).

Figure 11. L’origine des réseaux de neurones artificiels est issue d’une recherche interdisciplinaire entre la psychologie, les neurosciences et l’informatique.

Après 50 ans de compétitions avec d’autres formes d’IA (e.g. IA symbolique, techniques de Machine Learning) les réseaux de neurones et leur évolution plus récente, le Deep Learning ont montré des performances exceptionnelles permettant la nouvelle révolution de l’IA depuis 2012 (Krizhevsky, Sutskever et Hinton, 2012). L’objectif de ce travail de recherche fondamental est donc de retourner à la bio-inspiration (mais à l’échelle du cerveau et non du neurone) pour dépasser les limites actuelles de l’Intelligence Artificielle.

Une nouvelle génération de réseaux neuronaux inspirés du cerveau humain pour l'apprentissage continu.

Les réseaux de neurones artificiels ne sont pas capables d’apprendre des tâches séquentielles, car ils souffrent de l’oubli catastrophique des connaissances anciennes lorsque de nouvelles connaissances sont acquises (McCloskey et Cohen, 1989). Par exemple, un réseau de neurones ne peut pas apprendre le français puis le coréen de manière séquentielle (il doit apprendre les deux bases de données simultanément afin de ne pas en oublier une). J’ai commencé ma thèse de doctorat en 2000 sur cette propriété fondamentale afin de développer des solutions d’apprentissage tout au long de la vie dans les réseaux de neurones, en couplant deux réseaux de neurones artificiels (Figure 12) de manière similaire à ce qui se passe dans le cerveau humain. Cependant, à cette époque, les réseaux de neurones n’intéressaient pas le courant dominant de l’IA, à l’exception de quelques chercheurs en sciences cognitives.

Figure 12. Développement d'une nouvelle génération d'intelligences artificielles capables de continuer à apprendre sur le terrain par bio-psycho-inspiration (consolidation mnésique de manière agnostique).

Sur la base d’une collaboration et de financements du Commissariat à l’énergie atomique et aux énergies alternatives (CEA-LETI et CEA-LIST), nous avons relancé ce travail et l’avons adapté à l’apprentissage profond afin d’obtenir une nouvelle génération d’IA. Notre modèle, appelé DreamNet, est capable d’effectuer un apprentissage continu sur le terrain de manière agnostique (c’est-à-dire sans connaissance a priori sur les données), et sans oublier les connaissances antérieures (Figure 3). Les résultats montrent des performances remarquables sans ajouter de nouveaux neurones, de nouvelles synapses, et sans connaissance préalable sur les données (Solinas, Rousset, Cohendet, Bourrier, Mainsant, Molnos, Reyboz, & Mermillod, 2021 ; Solinas, Galiez, Cohendet, Rousset, Reyboz, & Mermillod, 2020).

Figure 13. Performance de DreamNet en apprentissage continu. Le modèle surpasse les modèles existants en étant agnostique, sans neurogenèse, sans oracle sur les données et en respectant la confidentialité (il ne stocke aucune base de données).

Le modèle est désormais appliqué à une large gamme d’applications performantes, robustes, frugales, réalistes (comme l’humain, ce reseau de neurones artificiels est agnostique et n’a pas besoin de connaissances a priori sur les données) et plausibles pour de l’IA emabarquée (il est bio-inspiré et n’a pas besoin de neurogenèse) pour des applications d’apprentissage tout au long de la vie telles que la classification ou la reconnaissance visuelle (Figure 14).

Figure 14. Performances de notre modèle dans diverses applications, telles que l’apprentissage incrémental au cours de différents scénarios de traitement en flux continu (streaming) en ligne (Mainsant, Solinas, Reyboz, Godin & Mermillod, 2021).

L’efficacité du modèle pour des applications en conditions réelles, implémentées sur un dispositif matériel Jetson Nano, est également présentée ici: https://www.youtube.com/watch?v=XFVE7vq3iGk

L’hypothèse du cerveau prédictif

Le mainstream de la recherche en Deep Learning repose sur des processus purement ascendants (bottom-up), allant des couches perceptives aux couches associatives. Ce mécanisme simule par exemple, dans le cas des CNN, de manière simplifiée — au moyen de couches de convolution et de pooling — les processus neuronaux observés le long du cortex occipito-temporal (Figure 15 ; Kuzovkin, Vicente, Petton, Lachaux, Baciu, Kahane, … & Aru, 2018 ; Yamins, Hong, Cadieu, Solomon, Seibert & DiCarlo, 2014).

Figure 15. Les réseaux de neurones convolutionnels s’inspirent du fonctionnement du cerveau humain et simulent, de manière simplifiée, l’activité du cortex occipito-temporal lors du traitement de tâches de classification visuelle, par exemple.

Cependant, une différence majeure entre l’apprentissage profond et le cortex occipito-temporal — mise en évidence par divers travaux en psychologie cognitive et en neurosciences cognitives — réside dans le fait que le cerveau humain présente davantage de connexions synaptiques descendantes (top-down), allant des couches cognitives vers les couches perceptives, que de connexions ascendantes (bottom-up) (Bullier, 2001). En d’autres termes, notre perception est orientée par nos processus cognitifs. Cela pourrait expliquer pourquoi, lorsque nous observons l’illustration suivante (Figure 16), nous n’anticipons pas que l’être humain représenté saute en dehors du trottoir pour traverser la route !

Figure 16. Exemple sur un panneau publicitaire. Les êtres humains comprennent immédiatement la signification du panneau, contrairement à l’intelligence artificielle (jusqu’à présent). Ainsi, un véhicule autonome peut s’arrêter brusquement en anticipant que la femme en mouvement va traverser la chaussée.

Dans le cerveau humain, des données issues de la psychologie et de la neuro-imagerie suggèrent que l’anticipation pourrait être générée dans le cortex orbito-frontal (COF) et rétro-injectée vers les aires perceptives (Bar, 2004). Selon cette approche théorique, la reconnaissance visuelle ne résulte pas uniquement de processus ascendants (bottom-up) reliant le système perceptif (par exemple la rétine, le noyau géniculé latéral et le cortex occipital) aux aires corticales de haut niveau impliquées dans la cognition visuelle (par exemple l’identification ou la catégorisation des stimuli). Au contraire, l’hypothèse du cerveau prédictif propose que des processus descendants (top-down), fondés sur des informations de basse fréquence spatiale, sont rapidement analysées par le cortex pariétal et le cortex orbito-frontal (COF), puis rétro-injectées vers le cortex temporal, qui traite plus lentement les informations de haute fréquence spatiale (Figure 17). Ce mécanisme améliore ainsi l’efficacité des processus perceptifs (Bar et al., 2006 ; Kauffmann, Ramanoël & Peyrin, 2014).

Figure 17. Modèle théorique de l’hypothèse du cerveau prédictif, fondé sur la connectivité descendante (top-down) entre le cortex orbito-frontal (COF) et la voie occipito-temporale, telle que mise en évidence par des données d’IRMf (Kauffmann, Ramanoël & Peyrin, 2014) ou de MEG (Bar et al., 2006).

Par ailleurs, nous avons apporté à la fois des preuves comportementales (Beffara, Wicker, Vermeulen, Ouellet, Bret, Funes & Mermillod, 2015) et des données neurophysiologiques (Mermillod, Grynberg, Pio-Lopez, Rychlowska, Beffara, Harquel, Vermeulen, Niedenthal, Dutheil & Droit-Volet, 2018), basées sur l’électroencéphalographie (EEG) et l’électromyographie (EMG), suggérant que des aires corticales de haut niveau (traitant par exemple l’information sociale) sont capables de moduler des processus perceptifs extrêmement rapides (Figure 18).

Figure 18. Modulation de l’électromyographie (EMG) et des potentiels évoqués (ERP) par l’information sociale lors de l’exposition à des expressions faciales émotionnelles.

Enfin, nous avons montré que la mise en œuvre de connexions synaptiques récurrentes descendantes (top-down), reliant les couches associatives aux couches perceptives — par exemple au moyen de réseaux récurrents simples (Simple Recurrent Networks) — permet d’améliorer les capacités d’anticipation d’une intelligence artificielle visant à décoder et à prédire les expressions émotionnelles humaines (Figure 19 ; Mermillod, Bourrier, David, Kauffmann, Chauvin, Guyader, … & Peyrin, 2019).

Figure 19. Un réseau de neurones récurrent se révèle plus performant dans l’anticipation d’expressions émotionnelles ambiguës qu’un réseau de neurones fondé uniquement sur des processus ascendants (bottom-up) (Mermillod, Bourrier, David, Kauffmann, Chauvin, Guyader, … & Peyrin, Neural Networks, 2019).

Notre objectif est désormais d’aller plus loin en mobilisant nos connaissances sur le fonctionnement du cerveau humain afin de concevoir des intelligences artificielles plus robustes. L’une des principales faiblesses de l’apprentissage profond réside dans le fait que l’introduction de perturbations minimes dans un stimulus à catégoriser — perturbations imperceptibles pour la perception humaine — suffit à amener le modèle à produire une prédiction erronée avec un haut degré de confiance. Ce phénomène, appelé attaque adverse (adversarial attack), peut par exemple transformer un panneau « stop » en panneau « route prioritaire », ce qui pose un problème critique pour la sécurité des véhicules autonomes. De même, il est possible de faire apparaître un avion comme un chien pour un drone militaire (Figure 20), ce qui représente une menace toute autant préoccupante.

Figure 20. Exemples d’attaques adverses consistant à pirater une intelligence artificielle par l’introduction de perturbations minimes dans le stimulus à catégoriser. Les êtres humains ne sont pas — ou très peu — affectés par ces attaques adverses.

Notre objectif est de comprendre pourquoi les humains ne sont pas sensibles à ces attaques, afin de concevoir des intelligences artificielles plus robustes face au hacking (Cohendet, Solinas, Bernhard, Reyboz, Moellic, Bourrier & Mermillod, 2021 ; Bernhard, Moellic, Mermillod, Bourrier, Cohendet, Solinas & Reyboz, 2021).

L’importance des basses fréquences spatiales pour la détection de menace

Le système perceptif humain permet un accès ultra-rapide à des informations de basses fréquences spatiales (low spatial frequencies), principalement fournies par la vision périphérique, vers un large éventail d’aires corticales (pariétales, temporales et orbito-frontales) ainsi que sous-corticales (par exemple l’amygdale). En revanche, les détails visuels fins (high spatial frequencies) sont transmis plus lentement vers des aires corticales spécifiques, dédiées à l’analyse visuelle complexe, notamment via la voie ventrale reliant le cortex occipital au cortex temporal (Figure 21). Pourquoi le système cognitif humain a-t-il évolué pour accéder plus rapidement aux informations à grande échelle ?

Figure 21. Exemple de fréquences spatiales et design expérimental. En haut : images résolues. En bas, de gauche à droite : <8 CpI ; 8-16 CpI ; 16-32 CpI ; 32-64 CpI et >64 CpI.

Les expériences comportementales suggèrent l’existence d’un lien préférentiel entre les basses fréquences spatiales (LSF) et le conditionnement à la peur (Mermillod, Droit-Volet, Devaux, Schaefer & Vermeulen, 2010). Par ailleurs, à l’aide de réseaux de neurones artificiels (Figure 22a), nous avons fourni des preuves computationnelles indiquant que ce lien préférentiel repose sur les propriétés statistiques des stimuli (Mermillod, Guyader & Chauvin, 2005 ; Mermillod, Guyader, Peyrin, Alleysson & Marendaz, 2006 ; Mermillod, Vuilleumier, Peyrin, Alleysson & Marendaz, 2009 ; Mermillod, Bonin, Mondillon, Alleysson & Vermeulen, 2010). Il semble donc que le système cognitif bénéficie d’un avantage computationnel pour accéder rapidement aux informations LSF, ce qui permet une catégorisation correcte des expressions émotionnelles (Figure 22b).

Figure 22a. Classification des expressions émotionnelles par notre réseau de neurones artificiel.

Figure 22b. Taux de catégorisation correcte du réseau de neurones artificiel en fonction des différents canaux de fréquences spatiales.

Cependant, nos données récentes (Figure 23), issues de travaux en neurosciences cognitives et basées sur une étude de magnétoencéphalographie (MEG) (McFadyen, Mermillod, Mattingley, Halász & Garrido, 2017), suggèrent que l’information de contraste pourrait constituer en réalité le facteur clé — peut-être plus déterminant que les fréquences spatiales — pour activer le système de la peur (par exemple l’amygdale cérébrale).

Figure 23. Résultats en Dynamic Causal Modelling (DCM) à partir d’enregistrements de magnétoencéphalographie (MEG), mettant en évidence une voie sous-corticale vers l’amygdale, indépendamment des différentes fréquences spatiales (après normalisation du contraste des visages émotionnels).

Nos travaux actuels visent donc à déterminer quelles propriétés psychophysiques — fréquences spatiales, contraste, luminance ou couleurs — sont déterminantes pour la détection des menaces, tant dans les réseaux neuronaux biologiques que dans les réseaux neuronaux artificiels.

Axes de recherche complémentaires

Cette synthèse présente un aperçu succinct des thématiques de recherche complémentaires développées au sein de notre équipe en fonction des financements de doctorats et post-doctorats obtenus :

Direction de Post-Doctorat.

Raphaël Bayle (2023-2025). Enhancing Deep Learning with Restricted Boltzmann Machines. Post-doctorat financé par le Hub 3IA - MIAI.
Sarah Khazaz (2023-2024). Mesure et évaluation de la plus-value sensorielle, émotionnelle et cognitive des différentes formes d’immersions en contexte d’entreprise. Post-doctorat financé par la direction de la recherche technologique (DRT) du CEA constituée des trois instituts LETI, LITEN, LIST et Ideas Lab regroupant un consortium de 5 entreprises : EDF, Bouygues, Vicat, Schneider et l’Occitane.
Adeline Lacroix (2023-2024). Spécificités neurofonctionnelles chez les adultes autistes et non autistes au niveau des processus prédictifs lors de tâches de flexibilité cognitive de haut niveau. Post-doctorat financé par l’Institut Carnot Cognition.
Raphaël Bayle (2022-2023). Detection of adversarial examples in natural image databases. Post-doctorat financé par le projet ANR AI4HP.
Tiphaine Caudrelier (2022-2023). Modeling the cognitive interaction with deep learning. Post-doctorat financé par un projet CNRS Prime. Emploi après le post-doc: Maitre de Conférence, Université Lyon 2.
Mick Salomone (2023-2025). Caractérisation de marqueurs cérébraux et oculométriques de sortie de boucle de contrôle lors de la supervision d’un système automatisé dans le contexte de l'aéronautique. Post-doctorat financé par l’ANR ASTRID.
Dwight Nwaigwe (2021-2023). Graph theory and deep-learning. Post-doctorat financé par la chaire en Intelligence Artificielle « Toward Robust and Understandable Neuromorphic Systems ». Emploi après le post-doc: Engagé par Raytheon Technologies.
Paul Compagnon (2022-2023). Deep learning methods for sustainable development applications: decarbonization of the building sector. Post-doctorat financé par le projet ANR AI4HP. Emploi après le post-doc: emploi dans le secteur privé dans le domaine de l’IA.
Cristina-Ioana Galusca (2020-2023). A developmental approach of social hierarchy in humans. Post-doctorat financé par la Fondation de France. Emploi après le post-doc: Post-doc ANR.
Bourrier Yannick. (2019-2021). Bio-inspired algorithms against adversarial attacks. Post-doctorat financé par la chaire en Intelligence Artificielle « Toward Robust and Understandable Neuromorphic Systems ». Emploi après le post-doc: emploi dans le secteur privé dans le domaine de l’IA appliqué à l’Education.
Anamitra Basu. (2009-2010). Studies on Lateral Advantage in the Perception of Visual Stimuli. Post-doctorat financé par la Fondation Hermès. Emploi après le post-doc: Lecturer IIT Bhubaneswar.

Directions de Doctorat

Deborah Fournier-Aubret (2025-présent). Gamification et sensibilisation environnementale : effets de la personnalisation du contenu, du renforcement et de l’animateur virtuel, sur l'adoption de comportements pro-environnementaux et la contagion comportementale. Bourse de doctorat financée par l’entreprise Fyyyre. Direction: Martial Mermillod 60% (ED-ISCE, École doctorale Ingénierie pour la Santé, la Cognition et l'Environnement, UGA) ), co-direction : Michaël Dambrun (LAPSCO, UMR CNRS 6024) 40%.
Roxane Ayral (2024-présent). Neuroesthétique de l'urbanisme pour accroître le bien-être et accélérer la transition écologique. Bourse du Ministère de l'Enseignement Supérieur et de la Recherche de l’ED-ISCE. Direction: Martial Mermillod 50% (ED-ISCE, École doctorale Ingénierie pour la Santé, la Cognition et l'Environnement, UGA), co-direction : Isabelle Ruin 50%.
Quentin Sénant (2023-présent). A subcortical route to the amygdala. Direction: Martial Mermillod 25% (ED-ISCE, École doctorale Ingénierie pour la Santé, la Cognition et l'Environnement, UGA), Co-direction: Fred Dutheil, 25% (PUPH, Université Clermont Auvergne), Co-encadrement: Nathalie Guyader 25% (Grenoble Institut National Polytechnique, GIPSA-Lab), Collaborateur international: Alan Pegna 25% (University of Queensland, School of Psychology).
Jonathan Grienay (2023-présent). Apport de la multi-modalité dans l’apprentissage incrémental embarqué. Co-direction: Martial Mermillod 33% (ED-ISCE, École doctorale Ingénierie pour la Santé, la Cognition et l'Environnement, UGA) & Benoit Miramond 33% (ED-STIC, Sciences et Technologies de l'Information et de la Communication, Nice Sophia Antipolis), Co-encadrement: Marina Reyboz (CEA LIST): 33%. Doctorat financé dans le cadre du projet PEPR IA EMERGENCES (Modèles émergents proche physique pour l’IA embarquée).
Clément Guichet (2022-présent). Modélisation inter-cognitive et transcognitive des biomarqueurs multimodaux avec les méthodes d’intelligence artificielle. Application au cadre théorique unifié Langage-union-Mémoire (LUM). Direction: Monica Baciu: 50%, Co-direction: Martial Mermillod: 50%. Doctorat financé dans le cadre d’un projet CNRS MITI (Mission pour les Initiatives Transverses et Interdisciplinaires).
Pierre Coursimault (2023-2024). Optimisation d’un algorithme bio-inspiré d’apprentissage tout au long de la vie en vue d’une implémentation matérielle. Direction: Martial Mermillod: 50%, Co-direction: Marina Reyboz: 50%. Doctorat financé dans le cadre d’un projet CEA LIST. Interruption de la thèse par le candidat en février 2024 suite à de graves problèmes de santé.
Marion Mainsant (2020-2023). Apprentissage continu sous divers scénarios d'arrivée de données : vers des applications robustes et éthiques de l'apprentissage profond. Direction: Martial Mermillod: 34%, Co-direction: Marina Reyboz : 33%, Christelle Godin : 33%. Doctorat financé dans le cadre d'une bourse Carnot CEA-LETI Démonstrateur MIEL.

- Award of the MIT International Science and Technology Initiatives (MISTI). Titre du projet: Solution for Uncertainty and Personalization in Emotion Recognition.

Emploi après la thèse: Ingénieur IA en entreprise.

Sarah Khazaz (2020-2023). Toward the Unique Goal of Exit Signs : Being Perceived and Followed. Direction de thèse : Martial MERMILLOD - PREX - HDR - Quotité de temps : 25 % ; Codirecteur : Sébastien POINT - PR1 - HDR - Quotité de temps : 25 % ; Co-encadrante : Laurie MONDILLON - MCU - Quotité de temps : 25 % - Co-encadrant : Pierre-Olivier DEFAY - Quotité de temps : 25 % (PhD, tuteur entreprise Eaton). Doctorat financé dans le cadre d'une bourse CIFRE en partenariat avec Cooper Sécurité SAS (groupe Eaton).

Emploi après la thèse: Post-doc au Ideas Lab (CEA).

François-Xavier Cécillon (2020-2023). Analyse des liens entre anxiété-trait, croyances métacognitives, régulation des émotions et fonctions exécutives : évaluation d’interventions et implications pour la réussite scolaire. Direction Rebecca Shankland (PR-Université Lyon 2) : 50% ; Co-direction Martial Mermillod: 25%, Co-direction Jean-Philippe Lachaux : 25%. École doctorale Education Psychologie Information Communication (ED 485) , Laboratoire Développement Individu Processus Handicap Education (DIPHE) et Laboratoire de Psychologie et NeuroCognition (LPNC UMR 5105). Doctorat financé dans le cadre d'une bourse CIFRE en partenariat avec l’entreprise Cogito'Z & Développement.

Emploi après la thèse: MCF au Laboratoire de DIPHE (Université de Lyon 2).

Adeline Lacroix (2018-2022). Processus prédictifs lors du traitements de stimuli socio-émotionnels chez les adultes autistes. Direction: Martial Mermillod: 34%, Co-direction: Frédéric Dutheil : 33%, Marie Gomot : 33%. Doctorat financé dans le cadre d'une bourse ministérielle RQTH (Reconnaissance Qualité de Travailleur Handicapé).

Lauréate du Prix Jeunes Talents France 2022 L’Oréal-UNESCO "for women in science" (35 bourses de 15k€ pour la France, toutes disciplines confondues).

Lauréate du Prix de thèse académique 2023 (promotion 2022) de l’UGA.

Emploi après la thèse : post-doc UGA puis au Centre for Addiction and Mental Health

Toronto, Ontario, Canada.

Léa Entzmann (2018-2022). Influence des caractéristiques perceptives et émotionnelles des expressions faciales dans la programmation de saccades oculaires. Direction : Martial Mermillod: 60%, Co-encadrement: Nathalie Guyader : 40%. Doctorat financé dans le cadre d'une bourse d'Initiatives de Recherche Stratégiques (IRS) dans le cadre de l’IDEX Université Grenoble Alpes.

Emploi après la thèse : post-doc avec Árni Gunnar Ásgeirsson au Icelandic Vision Lab, Kópavogur, Islande puis MCF au LEAD (CNRS UMR 5022) à Dijon depuis le 01/09/2025.

Miguel Angel Solinas (2018-2021). Dual memory system to overcome catastrophic forgetting. Direction : Martial Mermillod: 50%, Co-direction: Marina Reyboz : 50%. Doctorat financé dans le cadre d'une bourse CEA LETI - Carnot Explorer 2018.

- Winner of the 2018’s edition of the Artificial Intelligence Young Talent.

- Award a NVIDIA GPU Grant for a Titan V. Academic Program for Research on Neuromorphic Systems.

Emploi après la thèse: Ingénieur IA dans l’entreprise Neovision.

Candice François (2016-2020). Interactions Sensori-Motrice et Emotionnelle Lors des Décisions et des Comportements Réels d’Achat. Direction: Martial Mermillod: 50%; Co-direction: Richard Palluel-Germain (Université Grenoble Alpes): 50%. Doctorat financé dans le cadre d'une bourse CIFRE en partenariat avec l’entreprise MarketVision.

Candice François a été classée première par l’EDISCE pour le prix de l’innovation de l’UGA.

Emploi après la thèse: Création de l’entreprise Igonogo (12 salariés en 2023).

Amélie Bret (2015-2018). Déterminants Physiologiques et Cognitifs de la Discrimination Raciale. Direction: Martial Mermillod: 60%, Co-direction: Olivier Corneille: 40%. Doctorat financé dans le cadre d'une bourse de thèse AGIR (Alpes Grenoble Innovation Recherche) de l'Université Grenoble Alpes et soutenu le 22/11/2018. Award of the best paper by the Social Psychological Bulletin 2022, Solomon Asch Early Career Prize.

Emploi après la thèse: MCF au Laboratoire de Psychologie des Pays de la Loire (EA 4638) Université de Nantes.

Prakhar Amba (2015-2018). Etude du démosaïçage du signal des cônes en vision des couleurs. Direction: Martial Mermillod: 50%; Co-direction: David Alleysson: 50%. Doctorat financé dans le cadre d'un contrat ANR et soutenu le 03/05/2018. Emploi après la thèse: Création de la start-up en Intelligence Artificielle DEMOSAIC.

- Award of the best student paper of the Society for Imaging Science and Technology (Itek Award 2017).

- Lauréat pour le prix innovation 2019 de la COMUE UGA (avec un seul lauréat pour le prix de l’innovation sur le site grenoblois regroupant l’UGA et les Grandes Ecoles du site).

- Lauréat du concours national i-PhD 2020 qui récompense les jeunes chercheurs porteurs d'un projet de création de start-up qui s'est déroulée le 6 février 2020. Le concours i-PhD, volet le plus en amont des concours d'innovation, encourage les doctorants et les jeunes docteurs dans leur démarche de création d'entreprises et accompagne le développement de start-up deeptech.

Brice Beffara (2013-2016). Variabilité cardiaque de haute fréquence et comportements prosociaux : Approche causale de la théorie polyvagale. Direction: Martial Mermillod: 60%; Co-direction: Nicolas Vermeulen (Université Catholique de Louvain-La-Neuve): 40%. Doctorat financé dans le cadre d'une bourse de thèse en cotutelle de l'Université Grenoble-Alpes et soutenu le 12/12/2016.

Emploi après la thèse: MCF au Laboratoire de Psychologie des Pays de la Loire (EA 4638) Université de Nantes.

Boris Quétard (2012-2018). Perception visuelle et anticipation motrice dans les systèmes de traitement de l’information biologiques et artificiels. Direction: Martial Mermillod: 50%; Co-direction: Marie Izaute (LAPSCO, 25%) et Jean-Charles Quinton (Institut Pascal, 25%). Doctorat financé dans le cadre du LABEX IMOBS3 et soutenu le 10/04/2018. Emploi après la thèse: Post-doctorat au Laboratoire de Neuroscience Cognitive (Université Aix-Marseille).
Johan Lepage (2012-2017). Rôle des mécanismes d’autorégulation dans la soumission à l’autorité. Direction Laurent Bègue: 50%; Co-direction: Martial Mermillod: 50%. Doctorat financé par l'Ecole Doctorale SHPT et soutenu le 04/12/2017.

Emploi après la thèse: ATER à l'Université de Caen Normandie.

Gaetan Merlhiot (2012-2016). Perception des risques, incertitude et prise de décision en situation de catastrophe naturelle liée au volcanisme. Direction Martial Mermillod: 40%; Co-direction Laurie Mondillon 40% et Jean-Luc Lepennec (Laboratoire Magma et Volcans, 20%). Doctorat financé dans le cadre du LABEX ClerVolc et soutenu le 06/12/2016.

Emploi après la thèse: Post-doctorat à l'IFSTTAR, Versailles.

Damien Devaux (2009-2013). Perturbations Emotionnelles dans le Traitement de la Dépression par Stimulation Magnétique Transcranienne répétée (STMr). Direction Martial Mermillod: 60%; Co-direction Patrick Chambres: 40%. Doctorat financé par une bourse CNRS et soutenu le 09/12/2013.

Emploi après la thèse: Salarié dans une entreprise privée.

Disciplines scientifiques

Neural Computation; Psychology; Cognitive Neurosciences

Enseignement

Principaux Cours Magistraux (par ordre chonologique) :

Cours Magistral de Master 2 de Sciences Cognitives: Deep Learning (12h, ~ 30 étudiants par an). Université Grenoble-Alpes et Institut National Polytechnique de Grenoble-PHELMA. Année académique 2021-Présent.

Cours Magistral de Master 2 de Sciences Cognitives: Psychologie Cognitive (4h, ~ 30 étudiants par an). Université Grenoble-Alpes et Institut National Polytechnique de Grenoble-PHELMA. Année académique 2021-Présent.

Cours Magistral de Master 2 Recherche en Psychologie: Psychophysique et Analyse des Signaux (6h, ~ 20 étudiants par an). UFR Sciences de l'Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.

Cours Magistral de Master 1 Psychologie: EC08 Cognition Visuelle (12h, ~ 50 étudiants par an). UFR Sciences de l'Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.

Cours Magistral de Licence 3 Mathématiques et Informatique Appliquées aux Sciences Humaines et Sociales (MIASHS): Cognition Distribuée (9h, ~ 20-30 étudiants par an). Université Grenoble-Alpes, UFR Sciences de l'Homme et de la Société. Année académique 2015-Présent.

Cours Magistral de Licence 1 Psychologie: Psychologie Cognitive (18h, ~ 600 étudiants par an). UFR Sciences de l'Homme et de la Société. Université Grenoble-Alpes, année académique 2012-Présent.

Cours Magistral du Master 2 Sciences Cognitives et du Master 2 Neuropsychologie et Neurosciences Cliniques. Neurosciences Sociales & Neurosciences Cognitives (3h, ~ 30 étudiants par an). Université Lyon Lumière, année académique 2018-2020.

Cours Magistral de Master 2 de Sciences Cognitives: Psychologie Cognitive (9h, ~ 30 étudiants par an). Université Grenoble-Alpes et Institut National Polytechnique de Grenoble-PHELMA. Année académique 2014-2021.

Cours Magistral de Master 1: Sciences Affectives (6h, ~ 40 étudiants par an). UFR Sciences Humaines. Université de Bourgogne (Dijon), année académique 2014-2017.

Cours Magistral de Licence 2 Psychologie: Catégorisation Perceptive et Cognitive (6h, ~ 300 étudiants par an). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2006-2012.

Cours Magistral de Licence 1 Psychologie: Méthodologie scientifique (10h, ~ 600 étudiants par an). UFR de Psychologie, Sciences Sociales et Sciences de l’Education, Université de Clermont-Ferrand 2, année académique 2005-2012.

Cours Magistral de Licence 1 (C031): Introduction aux méthodes quantitatives (15h, ~ 400 étudiants par an). Faculté de Psychologie et des Sciences de l'Education, Université de Liège, année académique 2001-2004.

Travaux Dirigés (par ordre chonologique) :

TD de Master 1 : Cognition Visuelle (6h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.
TD de Licence 1 : Psychologie Cognitive (10h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2012-Présent.
TD de Licence 3 : Méthodologie scientifique (16h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2007-2012.
TD de Licence 1 : Méthodologie scientifique (126h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2005-2012.

Enseignement à Distance (par ordre chonologique) :

AI4OneHealth - M2 STS Ingénierie de la Santé - Bio Health Engineering: Introduction to Neural Network Modelling (20h). Faculté de Médecine et de Pharmacie. Université Grenoble-Alpes, année académique 2020-Présent.

Centre d’Enseignement à Distance (CEAD) de Licence 1 : Méthodologie scientifique (10h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2005-présent.

Centre d’Enseignement à Distance (CEAD) de Licence 2 : Catégorisation Perceptive et Cognitive (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2006-présent.

MOOC (Massive Open Online Course).

MOOC hébergé par France Université Numérique (FUN-MOOC) : Des Neurones à la Psyché. Introduction aux réseaux de neurones biologiques et artificiels (10h).
Nombre d’inscrits : 5914
Apprenants de 89 pays dont 72,4% de France.

Curriculum vitae

2021-2027. Directeur du Laboratoire de Psychologie et NeuroCognition (LPNC, CNRS UMR 5105).

2023-2025. Chaire Core-AI en Intelligence Artificielle MIAI (HUB-3IA de l’Université Grenoble Alpes). Enhancing Deep Learning with Restricted Boltzmann Machines.

2019-2023. Chaire Core-AI en Intelligence Artificielle MIAI (HUB-3IA de l’Université Grenoble Alpes). Towards Robust and Understandable Neuromorphic Systems.

2019-présent. Université Grenoble-Alpes (UGA). Professeur des Universités, classe exceptionnelle.
Laboratoire de Psychologie et NeuroCognition (LPNC - UMR CNRS 5105).
Equipe : Vision & Emotion.

2015-2019. Université Grenoble-Alpes (UGA). Professeur des Universités, 1° classe.
Laboratoire de Psychologie et NeuroCognition (LPNC - UMR CNRS 5105).
Equipe 1: Perception & Systèmes Sensori-Moteurs.

2012-2015. Université Grenoble-Alpes (UGA). Professeur des Universités, 2° classe.
Laboratoire de Psychologie et NeuroCognition (LPNC - UMR CNRS 5105).
Equipe 1: Perception & Systèmes Sensori-Moteurs.

2011-2012. Université Blaise Pascal (Clermont-Ferrand 2). Professeur des Universités.
Laboratoire de Psychologie Sociale et Cognitive (LAPSCO- UMR CNRS 6024).
Equipe 3: Emotion, Affect et Cognition.

2010-2015. Membre de l’Institut Universitaire de France.

2010. Habilitation à Diriger des Recherches (08 Novembre 2010).
Titre : "Modulation des Traitements Perceptifs et Cognitifs par des Variables Environnementales, Emotionnelles et Sociales"

2005-2011. Université Blaise Pascal (Clermont-Ferrand 2). Maître de Conférences.
Laboratoire de Psychologie Sociale et Cognitive (LAPSCO- UMR CNRS 6024).
Equipe 3: Emotion, Affect et Cognition.

2004-2005. Université Pierre Mendès France (Grenoble 2). Post-doctorat.
Laboratoire de Psychologie et NeuroCognition (LPNC- UMR CNRS 5105).
Groupe 2: Perception et Mémoire.
Post-doctorat financé par la Fondation Fyssen: "Influence de la cognition sur l’anatomie fonctionnelle des voies rétino-corticales visuelles : Approche neuro-computationnelle et comportementale".

2000-2004. Université de Liège (Belgique). Doctorat.
Département de Sciences Cognitives.
Thèse de doctorat financée par l’Union Européenne sous la direction de Robert M. French: "Perceptual Categorization and Memory in Human and Connectionist Systems: Evidence from Neural Computation". Bourse de doctorat de l’Union Européenne : Research Training Network.
Ref : HPRN-CT-1999-00065

1999-2000 Université de Savoie (Chambéry). Master.
DEA de psychologie expérimentale, cognitive et sociale.

Main Administrative Duties

Directeur du Laboratoire de Psychologie et NeuroCognition (LPNC, CNRS UMR 5105). Université Grenoble-Alpes, 2021-présent.
Le Laboratoire de Psychologie et NeuroCognition, LPNC est une unité mixte de recherche (UMR) structurée depuis 2019 en cinq équipes thématiques de recherche (Vision & Émotion, Corps & Espace, Langage, Mémoire et Développement & Apprentissage). Nous menons une activité de recherche en Sciences Cognitives, pluridisciplinaire, grâce à une approche combinée et complémentaire des disciplines appartenant aux champs des sciences humaines et sociales (telles que la psychologie, la linguistique, la neuropsychologie), des sciences de l’ingénieur appliquées à la cognition (telles que les neurosciences computationnelles, les mathématiques et le traitement du signal) et des sciences de la vie (telles que les neurosciences cognitives, les sciences médicales ou la neuroimagerie). Le LPNC est affilié au CNRS depuis 1978, principalement à l’Institut des sciences biologiques (INSB, section 26) et secondairement à l’Institut Sciences humaines et sociales (INSHS, section 34). Nos deux tutelles universitaires sont l’Université Grenoble Alpes et l’Université Savoie Mont-Blanc. Le laboratoire comprend 135 membres (60 membres permanents et 75 non-permanents) affiliés à plusieurs institutions (UGA, USMB, CNRS, IRBA, INSERM et CHU de Grenoble). Le personnel permanent est composé de chercheurs, enseignants-chercheurs, membres ITA/BIATSS, praticiens hospitaliers, PU-PH et neuropsychologues.
The Laboratory of Psychology and NeuroCognition is a mixt CNRS, UGA and USMB research unit (CNRS UMR 5105) structured since 2019 into five thematic research teams (Vision & Emotion, Body & Space, Language, Memory, Learning & Cognitive Development ). We carry out multidisciplinary research in Cognitive Sciences, thanks to a combined and complementary approach to disciplines belonging to the fields of human and social sciences (psychology, linguistics, neuropsychology), engineering sciences applied to cognition (neural computation, mathematics, and signal processing) and life sciences (cognitive neuroscience, medicine or neuroimaging). The LPNC has been affiliated with the CNRS, theGrenoble Alpes University and Savoie Mont-Blanc University. Our unit has 135 members (60 permanent and 75 non-permanent members) affiliated to several institutions (UGA, USMB, CNRS, IRBA, INSERM and CHU de Grenoble). The permanent staff includes researchers, professors, engineers and administrative staff, hospital physicians and neuropsychologists.

Membre élu du Conseil d’Administration de l’Université Grenoble-Alpes. Université Grenoble-Alpes, 2020-présent.
En Janvier 2016, les 3 universités grenobloises ont fusionné pour former l'Université Grenoble-Alpes. Depuis le 01 Janvier 2020, le projet d'Université Intégrée a amené à la fusion de l’UGA et des grandes écoles du site (Grenoble INP, ENSAG, Science Po Grenoble, etc.)
Forte de 60000 étudiants (dont 9000 étudiants internationaux), 3300 doctorants (dont presque la moitié venant de l’international) et de plus de 6700 personnels, l’UGA est maintenant la 4ème université française par la taille.

Membre du Comité de Pilotage (COPIL) de l’Institut Carnot Cognition. 2020-présent.
Labellisé Carnot en février 2020 par l’Agence Nationale de la Recherche suite au 4ème Appel à Candidature « Instituts Carnot », l’Institut Cognition est un Institut à l’échelle nationale créé en 2016 pour développer les partenariats recherche/entreprise dans le champ thématique de la cognition.

Membre élu du Conseil du Pôle Sciences Humaines et Sociales de l’Université Grenoble-Alpes.
Université Grenoble-Alpes, 2013-2021.
Le pôle SHS a vocation à étudier l’Homme dans les contextes sociaux, sociétaux, culturels, interculturels et environnementaux. Les problématiques concernant le langage, la cognition, la création, l’éducation, les techniques en société, sous tous leurs aspects, sont centrales dans les recherches menées au sein de ce pôle. Ce pôle comporte 17 unités de recherche, 20 chercheurs, 490 enseignants-chercheurs et 640 doctorants.

Laboratoire universitaire Histoire Cultures Italie Europe (LUHCIE) - EA 7421
Centre de recherche sur les enjeux de la communication (GRESEC) - EA 608
Institut des Langues et Cultures d'Europe, d'Amérique, d'Afrique, d'Asie et d'Australie (ILCEA4) - EA 7356
Laboratoire de recherche historique Rhône Alpes (LARHRA) - UMR 5190
Laboratoire de linguistique et didactique des langues étrangères et maternelles (LIDILEM) - EA 609
Laboratoire Interuniversitaire de psychologie / Personnalité, cognition, changement social (LIP - PC2S) - EA 4145
Arts et pratiques du texte, de l'image, de l'écran et de la scène (LITT&ARTS) - UMR 5316
Laboratoire de Psychologie et de NeuroCognition (LPNC) - UMR 5105
Laboratoire en sciences de l'éducation (LSE) - EA 602
Maison de la Création - FED 4269
Philosophie, Pratique, Langage (PPL) - EA 3699
Sport Exercice Motricité (SEM) - FED 4180
Laboratoire sport et environnement social (SENS) - EA 3742

Directeur-Adjoint de la Structure Fédérative de Recherche "Pôle Grenoble Cognition". Université Grenoble-Alpes, 2012-2021.
Le Pôle Grenoble Cognition est simultanément une Fédération de Recherche du CNRS (FR 3381) et une Structure Fédérative de Recherche universitaire soutenue institutionnellement et financièrement par l'Université Grenoble-Alpes, l'Institut National Polytechnique de Grenoble (INPG) et l'INRIA. La SFR Grenoble Cognition rassemble 14 laboratoires, 30 équipes de recherche et près de 200 chercheurs travaillant dans le domaine de la cognition sur le site grenoblois.

Responsable de la mention Master de Psychologie de l'UFR-SHS de l’Université Grenoble-Alpes, Université Grenoble-Alpes, 2014-2020.
Le Master inclut 7 parcours:
- Psychologie de la santé
- Pratiques psychothérapeutiques
- Psycho-criminologie
- Psychologie du Travail et Ergonomie
- Recherche en Psychologie
- Neuropsychologie & Neurosciences Cliniques
- Neuropsychologie de l’Enfant

Membre du Comité de Pilotage du Groupe de Recherche (GDR) BioComp "Implémentations Matérielles du Calcul Naturel".
GDR-CNRS, 2015-présent.

Responsable du Master 2 Recherche en Psychologie de Psychologie de l'UFR-SHS de l’Université Grenoble-Alpes.
Université Grenoble-Alpes, 2014-2018.

Membre élu du Conseil de Laboratoire et du Conseil Scientifique du Laboratoire de Psychologie et NeuroCognition (LPNC – CNRS UMR 5105) de l’Université Grenoble-Alpes.
Université Grenoble-Alpes, 2013-2016.

Membre élu du Conseil Scientifique de l’Université Blaise Pascal.
Université de Clermont-Ferrand 2, 2011-2012.

Responsable du Master 2 Recherche de l’UFR de Psychologie, Sciences Sociales et Sciences de l’Education.
Université de Clermont-Ferrand 2, 2011-2012.

Membre élu du Conseil de Laboratoire de Psychologie Sociale et Cognitive (LAPSCO – CNRS UMR 6024) de l’Université Blaise Pascal.
Université de Clermont-Ferrand 2, 2011-2012.

Responsable de la Mention Licence (Licence 1, Licence 2 et Licence 3) de l’UFR de Psychologie, Sciences Sociales et Sciences de l’Education.
Université de Clermont-Ferrand 2, 2009-2012.

Main Grants and Awards (>10k)

Projet Foresee : Les individus faces aux conséquences du changement climatique.

Coordinateur du WorkPackage « Comprendre le déni et la résilience face aux dérèglements climatiques »: Martial Mermillod (UGA).

Temps personnel alloué au projet: 20 %

Dimension du projet: 152.500 euros.

Durée: 6 ans (2025-2031).

Projet Fyyyre.

Titre du projet: Gamification et sensibilisation environnementale : effets de la personnalisation du contenu, du renforcement et de l’animateur virtuel, sur l'adoption de comportements pro-environnementaux et la contagion comportementale. Bourse de doctorat financée par l’entreprise Fyyyre.

Dimension du projet: ~ 18k€ de fonctionnement + financement d’une thèse CIFRE.

Durée: 3 ans (2025-2028).

Projet BrainSync : Remap-Recode-Repair. Coordinateur : Philippe Ciuciu.

Coordinateur du WorkPackage 5 : « IA et modèles NeuroComputationnels »: Martial Mermillod (UGA), Marina Reyboz (CEA LIST), Tetiana Aksenova (CEA LETI) & Bertrand Thirion (NeuroSpin-INRIA).

Temps personnel alloué au projet: 20 %

Dimension du projet: 276.000 euros.

Durée: 5 ans (2025-2030).

Lauréat d’une Chaire en Intelligence Artificielle du HUB-3IA (Projet MIAI) Ref. C7H-MIAICH17. 2023-2025.

Titre du projet: Enhancing Deep Learning with Restricted Boltzmann Machines.

Temps personnel alloué à l’ensemble du projet: 50 %

Dimension du projet: 126.000 euros

Durée: 2 ans.

Projet CEA/ideas Lab réunissant le consortium EDF, Bouygues, Vicat, Schneider et l’Occitane. 2019-2023.

Titre du projet: Vers la conception de zones de résilience acceptables pour des sociétés humaines.

Temps personnel alloué à l’ensemble du projet: 20 %

Dimension du projet: 70.000 euros

Durée: 2 ans.

Lauréat d’une Chaire en Intelligence Artificielle du HUB-3IA (Projet MIAI) Ref. C7H-MIAICH17. 2019-2013.
Titre du projet: Towards Robust and Understandable Neuromorphic Systems.
Temps personnel alloué à l’ensemble du projet: 50 %
Durée: 4 ans.

Projet Initiatives de Recherche à Grenoble Alpes (IRGA). A subcortical route to the amygdala.

Coordinateur du projet: Martial Mermillod (UGA) & Alan Pegna (University of Queensland, Brisbane, Australia).

Temps personnel alloué au projet: 10 %

Dimension du projet: 125.000 euros.

Durée: 3 ans (2023-2026).

Projet Institut Carnot Cognition. Axe C.8/CE37 : Neurosciences intégratives et cognitives.

Titre du projet: Spécificités neurofonctionnelles chez les adultes autistes et non autistes au niveau des processus prédictifs lors de tâches de flexibilité cognitive de haut niveau.

Coordinateur du projet du projet: LPNC (Martial Mermillod en collaboration avec Monica Baciu, Mircea Polosan et Adeline Lacroix).

Dimension du projet: ~ 25 k€.

Durée: 2 ans (2023-2025).

Projet ANR ASTRID (Accompagnement Spécifique des Travaux de Recherches et d’Innovation Défense).

Titre du projet: Caractérisation de marqueurs cérébraux et oculométriques de sortie de boucle

de contrôle lors de la supervision d’un système automatisé dans le contexte de

l'aéronautique.

Coordinatrice du projet: LPNC - Laboratoire de Psychologie et NeuroCognition (Aurélie Campagne).

Dimension du projet: ~ 262 k€.

Durée: 3 ans (2022-2025).

Projet ANR. Axe C.8/CE37 : Neurosciences intégratives et cognitives.

Titre du projet: The Bipolar Bayesian Brain at 7T: Mood disturbances in bipolar disorder studied with ultra-high field MRI.

Coordinatrice du projet: CE 37 Neurosciences Intégratives et Cognitives (Pauline Favre).

Dimension du projet: ~ 428 k€.

Durée: 4 ans (2022-2026).

Projet ANR. Programme générique 2021.
Titre du projet: Spontaneous and Training-induced Reorganizations of Visuo-cognitive Skills in Macular Degeneration patients ReViS-MD.
Coordinateurs du projet: Cerco UMR 5549 Toulouse (Cottereau Benoit), LPNC - Laboratoire de Psychologie et NeuroCognition (Carole Peyrin, Martial Mermillod).
Durée: 4 ans (2021-2025).

MIT International Science and Technology Initiatives (MISTI). 2021-2023.
Titre du projet: Solution for Uncertainty and Personalization in Emotion Recognition. Collaborators: Picard Rosalind, Matt Groh, Katherine Anne Matton, Marina Reyboz, Christelle Godin, Marion Mainsant, Martial Mermillod.
Description: This project addresses the topic of estimating mental states, including emotions, stress levels, and mental health illnesses, from data collected via sensors, cameras, and smartphones. Being able to measure mental states can help to improve people’s health, safety, and well-being. For example, during machine operation or semi-autonomous driving, detecting when an operator or driver’s capacities are impaired by distractions, drowsiness, or stress, would allow preventive action to be taken, like temporarily increasing the degree of machine automation or sending a warning signal to the user. In the case of e-learning or gaming, detecting mental load, boredom, and the emotions of the learner or gamer, would help the system/teacher to adapt the content favorably. In the case of mental health patients, detecting emotions, stress, or specific patterns of mental illness could accelerate diagnosis and enable timely interventions that help to avert crises.
Durée: 2 ans.

Projet Franco-Allemand AI4HP - French Ministry of Higher Education, Research and Innovation (MESRI), the German Federal Ministry of Education and Research (BMBF).
Titre du projet: Artificial Intelligence for Heat Pumps.
Coordinateurs du projet: Fraunhofer Institute for Solar Energy Systems (Lilli Frison, Constanze Bongs), CEA (Marina Reyboz, Cédric Gouy-Pailler), Stiebel-Eltron GmbH & Co. KG (Johannes Brugmann, Michael Schaumlöffel), EDF R&D Dept. Technology and Research for Energy Efficiency (Thuy-an Nguyen), LPNC - Laboratoire de Psychologie et NeuroCognition (Martial Mermillod).
Durée: 3 ans (2021-2024).

Projet ANRT CIFRE - Eaton (COOPER SECURITE SAS).
Titre du projet: Toward the Unique Goal of Exit Signs: Being Perceived & Followed. Amélioration de l’affordance des dispositifs d’éclairage de sécurité des bâtiments par une approche cognitiviste du comportement humain.
Durée: 3 ans (2020-2023)

Carnot CEA-LETI Démonstrateur MIEL.
Titre : Continual learning for multimodal datasets.
Coordinateurs du projet: Marina Reyboz, Christelle Godin, Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 3 ans (2019-2022)

Prime d'Encadrement Doctoral et de Recherche (PEDR). 01/10/2019 au 30/09/2023.

Carnot CEA-LETI Exploratoire EMBODIMENT.
Titre : Dual memory system to overcome catastrophic forgetting.
Coordinateurs du projet: Marina Reyboz, Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 3 ans (2018-2021)

Projet Incorruptible. Programme Transversal de Compétences du CEA « Simulation Numérique ».
Coordinateurs du projet: Marina Reyboz, Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 1 ans (2020-2021)

Projet de la Fondation de France. A neurodevelopmental approach of social hierarchy in humans.
Coordinateurs du projet: Jean-Claude Dreher, Jean-Baptiste Van der Henst, Olivier Pascalis, Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 3 ans (2019-2022)

Projet Initiative de Recherche Stratégique de l'IDEX UGA. Implication des circuits neuronaux de codage prédictif dans la cognition sociale.
Coordinateur du projet: Martial Mermillod
Temps personnel alloué au projet: 40 %
Durée: 3 ans (2018-2021)

Cross-Disciplinary Project NeuroCog. EYE movements as a PROXY for physiological, cerebral and cognitive state assessment.
Coordinateur du projet: Dojat Michel, GIN ; Guyader Nathalie, GIPSA-Lab
Temps personnel alloué au projet: 20 %
Durée: 2 ans (2018-2020)

NVIDIA GPU Grant. Academic Program for Research on Neuromorphic Systems.
Dimension du projet: Donation of 1 Titan V to support research activity in neural network modelling.

Délégation CNRS à mi-temps au Laboratoire Jean Kuntzmann (LJK). Le LJK est le laboratoire de Mathématiques Appliquées et d'Informatique (UMR CNRS 5224) de l'UGA.
The Predictive Brain Hypothesis Assessed by Neural Network Modeling.
Coordinateur du projet: Martial Mermillod
Durée: 1 ans (année 2016-2017)

Projet CNRS-Attentats 2015. Les Vecteurs Psychophysiologiques de Comportements Extrémistes Suite aux Attentats du 13 Novembre 2015: Evaluation et Remédiation.
Coordinateur du projet: Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 1 ans (année 2016)

Projet ANRT CIFRE - Market Vision.
Titre du projet: Interactions Sensori-Motrice et Emotionnelle lors des Décisions et des Comportements Réels d’Achat. Evaluation implicite de la réponse émotionnelle de consommateurs.
Durée: 3 ans (2016-2019)

Prime d'Encadrement Doctoral et de Recherche (PEDR). 01/10/2016 au 30/09/2019.

Membre de l’Institut Universitaire de France. 2010-2015.
Titre du projet: "Processus et Perturbation du Traitement Emotionnel : Vers une Approche Interdisciplinaire".
Temps personnel alloué à l’ensemble du projet: 50 %
Dimension du projet: 15.000 euros/an
Durée: 5 ans (2010-2015)

Projet Exploratoire Premier Soutien (PEPS) Interdisciplinaires (2014-2015)
Embodied Emotion and Speech Monitoring.
Coordinateur du projet: Martial Mermillod
Temps personnel alloué au projet: 20 %
Durée: 1 an

Projet Laboratoire d’Excellence « IMOBS3 ». Mobilité Innovante : Solutions intelligentes et durables
Coordinateur : Institut Pascal (LASMEA, LaMI, LGCB) en partenariat avec 4 unités de recherche de l'UBP (LAPSCO, LIMOS, LM, LMI), le CEMAGREF, l'IFMA, le Centre d'Etudes Techniques de Lyon (CETE Lyon - DLCF), le pôle de compétitivité ViaMeca et le secteur économique (Michelin, Aubert et Duval, PSA, Automobile LIGIER, Apojee, Effidence...)

Acronyme de l’action portée dans le cadre du LABEX IMOBS3: PEVMA
Titre de l’action : Perception visuelle et anticipation motrice dans les systèmes de traitement de l’information biologiques et artificiels.
Directeur(s) de thèse : Martial Mermillod (LPNC), Jean-Charles Quinton (Institut Pascal), Marie Izaute (LAPSCO)
Durée: 10 ans (2011-2021)

Projet Laboratoire d’Excellence « ClerVolc ». Perception des risques et catastrophes naturelles liées au volcanisme.
Projet transversal entre le Laboratoire Magma et Volcan (LMV) et le LAPSCO dans le cadre du financement d’une bourse de doctorat en co-encadrement par Martial Mermillod (LPNC), Laurie Mondillon (LAPSCO) et Jean-Luc Le Pennec (LMV).

Projet de Recherche Structurant de l'Université Pierre Mendès France.
Approche comportementale et neuroscientifique de la soumission à l'autorité.
Collaborateurs sur le projet: Laurent Bègue, Michael Dambrun, Johan Lepage, Martial Mermillod.
Durée: 1 ans (2013-2014)

Projet ANR Do Well B.
Design of Well being Monitoring Systems.
Méthode mathématique et neurophysiologique de détection de crises comportementales dans l'autisme.
Coordinateur du projet: Pierre Bertrand (70 %)
Temps personnel alloué au projet: 20 %
Durée: 3 ans (2012-2015)

Prime d'Excellence Scientifique (PES). 01/10/2009 au 30/09/2013.

Programme Hospitalier de Recherche Clinique (PHRC 2009), CHU de Clermont-Ferrand
Reconnaissance des Emotions et Neurones Miroirs dans la Maladie de Parkinson.

Programme Hospitalier de Recherche Clinique (PHRC 2009), CHU de Clermont-Ferrand
Reconnaissance des Expressions Faciales Emotionnelles chez les Patients Présentant un Episode Dépressif Majeur avant et après Stimulation Magnétique Transcranienne répétée (rTMS) à Basse Fréquence du Cortex Préfrontal Dorsolateral Droit et/ou Venlafaxine.

Projet Family-Air (Projet ANR BLAN08-1_353820)
Kin recognition in neonates and adults: an interdisciplinary approach
Coordinateur du projet: Edouard Gentaz (40 %)
Temps personnel alloué au projet: 20 %
Durée: 2 ans (2009-2011)

Projet FaceExpress (Projet ANR n° BLAN06-2_145908).
La Reconnaissance des Expressions Faciales d’Emotion et Les Théories de l’Esprit Incarné (embodied)
Coordinateur du projet: Paula Niedenthal (60 %)
Temps personnel alloué au projet: 50 %
Durée: 4 ans (2006-2010)

Programme Hospitalier de Recherche Clinique (PHRC 2006), CHU de Clermont-Ferrand
Emotion et pathologie du mouvement.
Syndrome de Gilles de la Tourette et maladie de Parkinson : Reconnaissance des expressions faciales émotionnelles et classification de mots émotionnels.

Projet Dynemo (Projet ANR-06-CORP-019)
Création d’un corpus d’expressions émotionnelles faciales spontanées et dynamiques
Coordinateur du projet: Anna Tcherkassof (45 %)
Temps personnel alloué au projet: 30 %

Durée: 2 ans (2006-2008)

Bourse de post-doctorat de la fondation Fyssen
Durée: 1 an (2004-2005)