Obfuscation de Données Parole Multi-utilisateurs Pour La Science Reproductible

**Obfuscation de données parole multi-utilisateurs pour la science reproductible // Multi-User Speech Data Obfuscation for Reproducible Science**:

- Réf **ABG-132152**
**ADUM-66214**
- Sujet de Thèse
- 23/05/2025
- Université Grenoble Alpes
- Lieu de travail- Saint-Martin-d'Hères - Auvergne-Rhône-Alpes - France
- Intitulé du sujet- Obfuscation de données parole multi-utilisateurs pour la science reproductible // Multi-User Speech Data Obfuscation for Reproducible Science
- Champs scientifiques- Informatique
- Mots clés- Confidentialité de la voix, Intelligence Artificielle, Deep Learning, Modèles à diffusion, Modèles Flow-Matching
Voice Privacy, Artificial Intelligence, Deep Learning, Diffusion models, Flow-matching models

**Description du sujet**:

- La science reproductible est un enjeu majeur actuel, permettant une contribution plus impactante dans la communauté scientifique, avec vérification et reproduction des résultats, accélérant ainsi les connaissances. Cela est important en intelligence artificielle mais également pour les recherches en sciences humaines et sociales. Aujourd'hui, la science reproductible se limite souvent au partage de codes, de modèles pré-entrainés ou aux publications, ce qui est insuffisant. En Europe et en France, la mise à disposition de données scientifiques à la communauté fait face à des problématiques éthiques et légales liées aux données personnelles régies par le RGPD et la CNIL. Les données audio/vidéo sont identifiantes par nature, soumises à un protocole avec le DPO pour leur stockage et partage. Sur ces données, la pseudonymisation insuffisante ou impossible, l'anonymisation est complexe et manuelle. Sans anonymisation, le partage nécessite l'accord de tous les participants, avec traçabilité et possibilité de suppression sur demande. La conservation des données est limitée dans le temps, nécessitant un nouvel accord ou destruction après expiration. Ces garde-fous, bien que nécessaires, compliquent fortement le partage des données audiovisuelles et impactent la reproductibilité de la science.
Dans le cadre de nos actions autour de nos salles de classe sensibles au contexte, le Teaching Lab, et de nos collaboration entre des équipes de recherche de laboratoires de Mathématiques Appliquées, de Sciences Sociales et d'lnformatique que sont les Laboratoires LaRAC, et Techné (Poitiers), et de nos partenaires à l'International (CADT au Cambodge, MICA au Vietnam), nous nous intéressons à analyser les événements pédagogiques en traitant des séquences audiovisuelles enregistrées lors de cours à l'Université. Ces enregistrements contiennent donc des informations identifiantes sur les étudiants et les enseignants présents, principalementleurs visages et leurs voix. Ce projet vise à collecter des enregistrements longitudinaux de cours permettant une analyse (semi)automatique des pratiques pédagogiques et de l'engament des étudiants,analyse qui sera corréléeà leur progressionlors d'évaluations régulières. Plus que nos besoins de recherche, ces enregistrements contiennent des informationsprécieusespour d'autres chercheurs dans d'autres domaines en Intelligence Artificielle mais également en Sciences Sociales.
Fort de ce constat, pour pouvoir partager ces données, cette étude doctorale s'intéresse à l'anonymisation automatique de la voix («Voice Privacy») pour développer à terme un réseau de neurones open-source pour la communauté. Pour partager nos données en conservant la richesse de celles-ci, il est important de ne pas altérer ni les intonations, ni les émotions dans la voix, la pertinence de l'analyse réalisées sur ces données anonymisées étant conditionnée à la présence de ces informations.Ces recherches s'apparentent à un outil de substitution des informations personnelles par des informations similaires mais, dans notre cas, non identifiantes. Les verrous scientifiques à lever résident dans l'approche «in the wild», c'est-à-dire des enregistrements faits à distance dans des conditions réelles et comprenant plusieurs locuteurs (jusqu'à une classe entière) là où les systèmes actuels ne sont entraînés que sur une seule voix à anonymiser.

Within the framework of our context-aware classroom initiatives, the Teaching Lab, and collaborations between research teams in Applied Mathematics, Social Sciences, and Computer Science, specifically the LaRAC and Techné laboratories (Poitiers), as well as international partners (CADT in Cambodia, MICA in Vietnam), we focus on analyzing educational events through the processing of audiovisual sequences recorded during university lectures. These recordings inherently contain identifying information about students and instructors, primarily their faces and voices. This project aims to collect longitudinal lecture recordings to enable (semi-)automatic analysis of teaching practices and student engagement, which will be correlated with their progress during regular assessments. Beyond our own research needs, these recordings contain valuable in