Kheireddin KADRI
Docteur en matière molle · Data Science & simulation numérique
Chercheur et formateur, Kheireddin relie la rigueur de la recherche scientifique à la pratique industrielle de l'IA : du doctorat en physique des matériaux au déploiement de modèles en production.
Kheireddin KADRI – De la recherche fondamentale à l'IA appliquée
Kheireddin KADRI est docteur en matière molle et expert en data science et simulation numérique. Chercheur postdoctoral à l'ESILV depuis 2022, il a soutenu sa thèse à Arts et Métiers ParisTech sur le rôle du cisaillement dans la rupture des films ultra-minces de polymères. Il met aujourd'hui cette exigence scientifique au service de l'intelligence artificielle, de la donnée et de la formation.
Un doctorat à Arts et Métiers ParisTech
Pendant sa thèse (2017–2020), Kheireddin a couplé étude numérique et expérimentale pour comprendre la rupture des films ultra-minces de polymères sous cisaillement. Il a mis au point une méthode de résolution de l'équation du film mince intégrant forces capillaires et de van der Waals, révélant deux régimes de rupture dont le passage s'apparente à une transition de phase. Une rigueur de modélisation qui structure aujourd'hui sa pratique de la donnée.
Chercheur postdoctoral à l'ESILV
Depuis 2022, Kheireddin poursuit ses recherches à l'École Supérieure d'Ingénieurs Léonard de Vinci, à la croisée des algorithmes, de l'IA et de la modélisation des systèmes. Il y encadre des travaux mêlant deep learning et science des données, de la reconnaissance de la démarche par graphes (ST-GCN) à la génération de structures par réseaux antagonistes.
Data science & machine learning
Formé à la data science (bootcamp Ironhack, M2 modélisation statistique à l'UPMC) et certifié Machine Learning Researcher (Workera) puis GANs (DeepLearning.AI), Kheireddin maîtrise toute la chaîne : exploration de données, modélisation, suivi d'expériences avec MLflow et mise en production.
MLOps & Microsoft Azure
Kheireddin enseigne le MLOps et prépare ses étudiants à la certification Microsoft Azure DP-100 (Azure ML Engineer Associate). Pipelines ML, déploiement et monitoring de modèles, supervision avec Prometheus et Grafana, environnements Azure AI / Foundry : il forme à un cycle de vie complet, de l'entraînement à la production.
IA générative & recherche appliquée
Passionné d'IA générative, Kheireddin explore les GANs (StyleGAN, MolGAN, génération de structures cristallines de supraconducteurs), les réseaux de neurones sur graphes et les LLMs appliqués à la science des matériaux — notamment à l'AIMat Summer School du KIT à Karlsruhe. Il a animé plusieurs workshops, dont un à l'Ifremer Brest.
“La donnée ne remplace pas la compréhension : elle la prolonge. Un bon modèle commence toujours par une bonne question.”
Rigueur scientifique
chaque modèle se valide comme une expérience : hypothèses claires, métriques, reproductibilité.
De la théorie à la pratique
passer du concept à l'implémentation concrète, jusqu'au déploiement en production.
Transmission
encadrer, enseigner et accompagner les apprenants vers l'autonomie technique.
Curiosité interdisciplinaire
relier physique, données et IA pour ouvrir de nouveaux usages.
- MLOps & cycle de vie des modèles
- Microsoft Azure ML & DP-100
- Data science & machine learning
- IA générative (GANs) & réseaux de neurones sur graphes
- Déploiement, monitoring (Prometheus, Grafana) & MLflow
- Simulation numérique & modélisation scientifique
Construisons
votre prochain
parcours.
30 minutes avec un conseiller formation. Sans engagement. Sans argumentaire commercial maquillé en démo.