Juba Agoun

The polymer industry faces increasing complexity in material design and property characterization, often requiring advanced data handling skills that domain experts may lack. This work presents Poly-WorkFlowX, an integrated agentic system combining machine learning and low-code automation to bridge the gap between materials science and artificial intelligence. We propose an architecture where a conversational agent, powered by Large Language Models (LLMs), orchestrates data workflows based on natural language instructions. The system integrates a custom Multi-Task Learning model for polymer property prediction directly into the n8n low-code platform. This approach enables non-expert researchers to predict physico-chemical properties from molecular representations (PSMILES) and automatically generate reproducible data processing pipelines. We demonstrate the system's efficiency through a complexity analysis, highlighting the reduction in manual configuration steps required to deploy scientific workflows.

Data sharing aware of access control policies: Avec l’avènement des nouvelles technologies de l’information et l’augmentation de la quantité de données produites, de plus en plus d’entreprises et organisations coopèrent en partageant et échangeant des données. Le chevauchement des données provenant de sources différentes conduit à la nécessité d’introduire un filtrage adapté des réponses à une requête. Afin d’assurer la sécurité et la confidentialité des données, chaque source, ayant été construite indépendamment des autres, définit sa propre politique de contrôle d’accès. Cette dernière permet d’indiquer les informations qui sont considérées comme sensibles, donc, à ne pas divulguer. Le travail de thèse porte sur la conception et l’implémentation d’un framework qui permet un partage de données sécurisé entre deux sources. Le partage de données s’appuie sur la spécification de correspondances (mappings) entre entités des deux sources. Nous nous sommes intéressés à exploiter les règles de matching entre instances afin d’augmenter le résultat d’une requête ciblant une source par des données issues d’une autre source tout en assurant l’application des politiques de sécurité. La faille de sécurité que nous cherchons à combler est celle qui peut émerger lorsque deux enregistrements, de sources différentes, et qui représentent la même entité du monde réel ne sont pas considéré avec le même degré de sensibilité dans les sources concernées. Nous étudions dans un premier temps le problème de publication de données en présence de règles de contrôle d’accès. Nous considérons le contexte où une source de données est décrite par un ensemble de vues de publication et des règles de restriction d’accès. Une vue est une table représentant le résultat d'une requête destiné à être publié. L'objectif est alors d'identifier les vues qui divulguent des informations sensibles. Plutôt que de neutraliser ces vues, nous proposons leur révision. Notre approche exploite les conditions nécessaires et suffisantes pour qu'une vue soit conforme à une règle de politique de sécurité. Nous formulons un travail préliminaire qui consiste en une méthode indépendante des données pour réviser les vues qui ne préservent pas la confidentialité. Grâce à ce processus de révision, nous offrons un certain équilibre entre la restriction des accès aux données et leur disponibilité. Dans un second temps, nous proposons une méthodologie orientée correspondances entre entités et politiques afin de fournir un cadre sécurisé de partage des données. Nous présentons un algorithme permettant de traduire une requête soumise à une source de données en une requête ciblant l’autre source de données afin de capturer les tuples de cette dernière source qui compléteront les réponses fournies par la première source. Ensuite, nous fournissons un processus de transformations pour répondre aux requêtes, en favorisant le partage de données et préservant les politiques locales de contrôle d'accès pour éviter toute fuite d’information par une inférence qui pourrait résulter de la mise en correspondance des entités.