« Retour

Mermoud Grégory

Professeur-e HES Associé-e

Compétences principales

Deep Learning

Réalisations phares

Portfolio

Authored 225+ U.S. patents (published)

Recherche

Solution IA scalable, explicable, ouverte et éco-conçue de protection contre les menaces avancées par courriel

Recherche

Domain-Informed System Dynamics Modelling of Tree Growth and Mortality under Changing Climatic Conditions

Contrat principal

Professeur-e HES Associé-e

Bureau: ENP.23.N317

HES-SO Valais-Wallis - Haute Ecole d'Ingénierie
Rue de l'Industrie 23, 1950 Sion, CH

Domaine
Technique et IT

Filière principale
Informatique et systèmes de communication

Gregory Mermoud est professeur en machine learning (ML), intelligence artificielle (IA), et systèmes distribués à grande échelle. Ses recherches se situent à l'intersection du machine learning, de la simulation, des systèmes logiciels et de la science des données. Il enseigne les réseaux informatiques, le machine learning et le calcul distribué.

Gregory a plus de dix ans d'expérience dans l'industrie et a été le premier Distinguished Engineer chez Cisco à être nommé dans le domaine de l'IA/ML. Dans ce rôle, il a dirigé le développement de quatre produits phares servant des milliers de clients d'entreprise. Gregory est l'auteur de plus de 200 brevets U.S. et de nombreux articles évalués par des pairs et monographies.

Il a construit et géré de grandes équipes d'ingénieurs, recrutant plus de 50 ingénieurs chez Cisco, y compris de nombreux diplômés de la HES-SO. En dehors du travail, Gregory parcourt généralement des sentiers escarpés en VTT, joue de la trompette avec les fanfares de la région, ou part en randonnée vers une cabane du CAS avec sa famille.

BSC HES-SO en Informatique et systèmes de communication - HES-SO Valais-Wallis - Haute Ecole d'Ingénierie

Réseaux IP
Machine Learning
Data Science

En cours

Solution IA scalable, explicable, ouverte et éco-conçue de protection contre les menaces avancées par courriel

Rôle: Requérant(e) principal(e)

Financement: Innosuisse

Description du projet :

Ce projet vise à développer un moteur de détection des menaces par courriel de nouvelle génération, ciblant spécifiquement les attaques de phishing avancées qui touchent de manière croissante les petites et moyennes entreprises (PME).

Equipe de recherche au sein de la HES-SO: Mermoud Grégory , Racordon Dimi

Partenaires professionnels: Infomaniak

Durée du projet: 01.05.2026 - 30.04.2028

Montant global du projet: 949'725 CHF

Statut: En cours

CAPIA: Contrôle Autonome de la Précision des outils de coupe par Intelligence Artificielle

Rôle: Co-requérant(s)

Financement: Innosuisse

Description du projet :

Le projet CAPIA (Contrôle Autonome de la Précision des outils de coupe par Intelligence Artificielle) vise à développer une machine innovante, pour le contrôle automatique des fraises et micro-fraises en sortie de production. Elle combinera un dispositif optique de haute précision et des algorithmes d’intelligence artificielle afin d’assurer un contrôle fiable, rapide et exhaustif. CAPIA permettra de détecter ébréchures, défauts de géométrie et écarts par rapport au plan de production grâce à la superposition des modèles DXF. Le contrôle des cotes sera réalisé sans contact, éliminant tout risque d’endommagement. L’IA bénéficiera d’un apprentissage continu alimenté par les données de production, améliorant sans cesse ses performances et son adaptation à de nouvelles géométries.

Equipe de recherche au sein de la HES-SO: Mermoud Grégory , Lettry Louis , Extermann Jérôme , Pomarico Enrico

Partenaires professionnels: Eskenazi, Genève

Durée du projet: 01.02.2026 - 31.01.2028

Montant global du projet: 968'714 CHF

Statut: En cours

Centre Suisse d'Intelligence Artificielle pour les PME (3ème année: 2024-25)

AGP

Rôle: Collaborateur/trice

Requérant(e)s: FR - EIA - Institut iCoSys, Rumley Sébastien, FR - EIA - Institut iCoSys

Financement: HES-SO Rectorat

Description du projet : L'objectif principal du projet est d'accélérer l'adoption de l'IA dans la transition digitale de nos PME suisses. Le défi socio-économique associé est d'augmenter leur compétitivité, de limiter les délocalisations et de créer de nouvelles compétences à l'interface des laboratoires et de l'utilisation pratique de l'IA. Comme illustré à la Figure 2, l'objectif sera supporté par trois axes complémentaires. Le premier axe est technico-scientifique et vise à combler le « research gap », en amenant les résultats de la recherche en IA au sein des PME. Nous visons le développement d'une palette d'outils qui vont dans cette direction : préparation des données, prototypage rapide, détection de biais, évaluation de modèles, outils de déploiement et d'intégration. De la recherche appliquée est encore nécessaire dans ces domaines, entre autre dans l'assemblage de microservices AI permettant la mise à l'échelle et le devops accélérant l'intégration dans les clouds et les systèmes embarqués. Le couplage benchmarking-optimisation de l'IA, ainsi que la détection automatique de biais sont également des sujets très actifs en recherche fondamentale et pour lesquels une recherche appliquée est nécessaire. Cet axe sera supporté par des partenaires d'infrastructure IT cloud et/ou edge situés en SO, avec pour objectif de faciliter les mises en production, de garantir une sécurité des données sur sol suisse et d'offrir une mise à l'échelle progressive des applications. A ce niveau, Exoscale, Infomaniak, Unit8 ainsi que d'autres entreprises de la Suisse romande ont été approchées, montrant un fort intérêt pour le projet et souhaitant contribuer de façon forte. Le deuxième axe adresse le « PME gap », associé au manque d'une culture orientée données, le data mindset. Nous souhaitons amener des composantes méthodologiques pour identifier les besoins et les cas d'utilisation potentiels de l'IA. Des activités de transfert de connaissances et de transfert technologiques basés sur les outils développés dans l'axe 1 seront développées dans cet axe. Finalement, un service de préparation aux accréditations d'IA sera proposé. Dans le cadre de ce deuxième axe, nous souhaitons ouvrir le projet aux autres domaines de la HES-SO, dont le domaine Économie et Services (années 2-4 du projet). A l'interface et en support de ces deux axes, le troisième axe vise le développement du premier Centre Suisse d'IA pour les PME ' CSIA-PME. Nous souhaitons mettre en réseau les 70 chercheurs actifs en IA sur les 5 sites de la HES-SO en cartographiant leurs expertises. Le CSIA PME a le potentiel d'augmenter le volume des projets IA dans les différents sites et de positionner la HES-SO comme acteur majeur en IA dans le paysage suisse romand. Finalement, le CSIA PME a pour vocation de continuer sa mission au-delà de la durée du projet.

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Equipe de recherche au sein de la HES-SO: Vaccarelli Ornella Gisler Christophe Mermoud Grégory An Aixiu Upegui Posada Andres Bekri David Barry Martin Feuvray Gaspard Coman Andrei Catalin Katsuya Ayumi Montet Frédéric Devènes Steve Hennebert Jean Chapuis Bertil Schürch Todeschini Valérie Santamaria Miguel Gantel Laurent Ghorbel Hatem Zahno Silvan Junod Charlie Guerne Jonathan Zayene Oussama Donzé Célien Amand Axel Casareale Axel Guibert Loïc De Salis Emmanuel Teofanovic Stefan Corpataux Sam Goffinet Edouard Zwick Gaétan Van Hove Timothée Petrucci Andrea Biolley Valentin Scius-Bertrand Anna Carrino Francesco Marques Reis Henrique Marchon Jérémy Kandiah Abivarman Dridi Firas Genoud Lucas Le Gouic Gaspard Rumley Sébastien Brenot Eden Michel Luca Maillard Philippe Wolf Beat Puig Kévin Gambin Dorian Rende Marta Demion Arnaud Delgado Pamela Marquis Rémy Lemer Olivier

Partenaires académiques: VS - Institut Systèmes industriels; IICT; FR - EIA - Institut iCoSys; Analyse de données; HEPIA inTECH; Rumley Sébastien, FR - EIA - Institut iCoSys

Durée du projet: 01.01.2025 - 05.02.2027

Montant global du projet: 745'000 CHF

Statut: En cours

Domain-Informed System Dynamics Modelling of Tree Growth and Mortality under Changing Climatic Conditions

Rôle: Requérant(e) principal(e)

Financement: SNSF

Description du projet :

Climate change is increasingly impacting global forest ecosystems, reducing tree vitality and increasing mortality rates. These changes in turn compromise forests' ability to sequester carbon and regulate water fluxes, creating a positive feedback loop that reinforces and accelerates climate change. Traditionally, tree mortality was observed at the warm and dry edges of species distributions, but recent findings indicate that dieback is occurring even within core climatic areas of affected species. Reduced tree growth and increasing tree crown defoliation are known indicators for mortality risks. Yet, existing modelling approaches fail to capture the non-linear, time-dependent interactions between climatic stressors and tree functioning.On the one hand, traditional ecological models make basic assumptions of linearity and stationarity, which fail to capture the complex, non-linear, and time-dependent interactions between trees and their environment. On the other hand, classical machine learning models often capture spurious correlations that severely limit their generalizability and ability to extrapolate outside of their training domain. The latter limitation makes them unsuitable as decision-making tools under rapidly changing climatic conditions.This project aims to develop a new class of predictive models capable of producing novel insights from existing ecological, physiological, and climatic data. Unlike purely statistical or correlative machine learning models, our approach will combine mechanistic knowledge with deep neural networks in an end-to-end differentiable framework. The model will incorporate observed variables from the ICP Forests Level 1 and 2 networks, remote sensing indices (NDVI), and climatic data to improve predictions of tree mortality and resilience, both in terms of accuracy and explainability. One specific objective of the project is to produce models that reliably extrapolate their predictions to hypothesized climatic or management scenarios.This project is expected to advance forest modelling by overcoming limitations of current statistical and machine learning approaches, offering improved prediction accuracy and mechanistic understanding. Insights from this project will inform adaptive forest management strategies that optimize carbon sequestration and mitigate the adverse effects of climate change on forest ecosystems. Our findings will support global efforts in climate change mitigation by enhancing forest resilience and preserving biodiversity.By integrating ecological knowledge with advanced modelling, we aim to significantly improve how tree growth and mortality are predicted, both from a quantitative and qualitative point of view. This effort therefore is a critical step towards more evidence-based conservation and management practices.

Equipe de recherche au sein de la HES-SO: Mermoud Grégory , Givi Glory Mary , Travelletti Cédric

Partenaires académiques: Arthur Gessler, Swiss Federal Research Institute WSL

Montant global du projet: 100'000 CHF

Url du site du projet: https://data.snf.ch/grants/grant/237270

Statut: En cours

Réalisations

Sans date

Authored 225+ U.S. patents (published)

2026 ; Publications

Collaborateurs: Mermoud Grégory

Lien vers la réalisation

I authored more than 225 U.S. patents in the area of distributed and artificial intelligence.

PEOPLE@HES-SO
Annuaire et Répertoire des compétences

Mermoud Grégory

Professeur-e HES Associé-e

Compétences principales

Machine Learning

Vision Language Models

Modeling and simulation

Artificial Intelligence (AI)

Deep Learning

Réalisations phares

Professeur-e HES Associé-e

PEOPLE@HES-SO Annuaire et Répertoire des compétences

Mermoud Grégory

Professeur-e HES Associé-e

Compétences principales

Machine Learning

Vision Language Models

Modeling and simulation

Artificial Intelligence (AI)

Deep Learning

Réalisations phares

Professeur-e HES Associé-e

PEOPLE@HES-SO
Annuaire et Répertoire des compétences