Chercheur · Enseignant · Consultant — AIRINA Labs · Centre Africain d'Études Avancées (ACAS)
Je développe des méthodes mathématiques pour la forme et la structure des données, dans trois modes : recherche, enseignement et conseil. Doctorat en topologie (UCT), Master de l’AUST. Mes travaux actuels appliquent les méthodes topologiques et géométriques à l’apprentissage automatique, à la sûreté de l’IA et au calcul quantique-classique, sur des problèmes qui se posent dans des contextes africains — surveillance épidémiologique, scoring de crédit pour les populations non bancarisées, prévision de la demande énergétique. En tant que Directeur R&D d’AIRINA Labs, je dirige une équipe de plus de 10 chercheurs répartie sur six pays africains ; les secteurs couverts incluent banque, énergie, assurance, IT et retail. Je suis également co-fondateur d’AI-Technipreneurs, une société basée au Bénin avec des bureaux au Togo, qui développe des logiciels sur mesure, des plateformes de données et d’analyse, et des formations à la transformation numérique pour les entreprises africaines. La recherche et le conseil se nourrissent l’un l’autre ; aucun des deux n’est une activité annexe.
Chercheur
Preuves de convergence et de stabilité pour les algorithmes d'apprentissage dans les espaces quasi-métriques et métriques généralisés. Objectif : des garanties par contraction qui résistent quand le cadre standard de Banach cesse de s'appliquer — distances asymétriques, transitions irréversibles, structure non euclidienne.
Version concrète : quand un algorithme de RL converge-t-il de façon prouvable, et qu'est-ce qui change si l'environnement n'est pas réversible ?
Homologie persistante et caractéristiques tirées de la théorie des faisceaux pour la détection d'anomalies et le ML interprétable. Deux domaines sur lesquels je travaille : cybersécurité (intrusion réseau comme signal topologique) et pipelines cliniques où la structure géométrique des données porte une information diagnostique que les baselines statistiques ratent.
Version concrète : quand les méthodes statistiques ne voient pas le motif, la forme des données le voit parfois.
Structures ordonnées et quasi-métriques comme modèles de calcul où le coût d'aller vers l'avant diffère du coût d'aller vers l'arrière. Les applications qui m'intéressent : arguments de complexité où la rupture de symétrie achète de l'efficacité, et primitives cryptographiques où elle achète une dureté post-quantique.
Version concrète : avant et arrière ne sont pas la même chose — cette asymétrie est une ressource, à la fois pour les algorithmes et pour la cryptographie.
Méthodes topologiques à l'interface du calcul quantique et de la finance quantitative : simulation de marchés sur matériel hybride classique-quantique, tarification de dérivés avec ansätze conscients de la topologie, et cryptographie post-quantique fondée sur des primitives topologiques.
Version concrète : appliquer le versant topologique des travaux du laboratoire à la tarification de dérivés, la simulation de marchés et la crypto post-quantique.
Enseignant
Consultant
Mentor
actualités
| 15 juin 2025 | Nouveau billet de blog : LLMs Meet Topology — explorer comment l’analyse topologique des données peut améliorer l’interprétabilité des grands modèles de langage. Lire ici. |
|---|---|
| 20 mai 2025 | Nouveau preprint : Bellman Operator Convergence Enhancements in Reinforcement Learning Algorithms est sur arXiv, avec David Krame Kadurha et Domini Jocema Leko Moutouo. |
