Sécurité des agents IA
Injection de prompts indirects, exfiltration de données, escalade de privilèges dans les boucles d'appels de fonctions.
Recherche appliquée en intelligence artificielle sur des problématiques polytechniques
Rattaché au Fablab de l'École Nationale Polytechnique d'Oran et au département d'informatique de l'USTO-MB, Recherchily mène des travaux de recherche en sécurité de l'IA, en architectures multi-agents et en applications industrielles.
Découvrir nos travaux →Une initiative conjointe
ENP OranUSTO-MBFablab
AIAI Safety
PRPrompt Injection
MUMulti-Agent
DEDeep Learning
NLNLP
COComputer Vision
BEBenchmarking
LLLLM Security
RORobotics
FOFormal Verification
PRPredictive Maintenance
OPOpen Source
À propos
Recherchily est un laboratoire de recherche interdisciplinaire fondé au sein du Fablab de l'École Nationale Polytechnique d'Oran (ENP Oran), en collaboration étroite avec le département d'informatique de l'Université des Sciences et de la Technologie d'Oran — Mohamed Boudiaf (USTO-MB).
Notre mission
Faire avancer la recherche fondamentale et appliquée en intelligence artificielle, en ciblant les vulnérabilités de sécurité des systèmes autonomes, les architectures d'agents multi-outils, et les méthodes d'évaluation rigoureuses — avec un ancrage dans les besoins industriels et sociétaux de l'Algérie.
Notre vision
Devenir un pôle de référence en Afrique du Nord pour la recherche en sûreté de l'IA, en formant la prochaine génération de chercheurs et en produisant des benchmarks et outils open-source adoptés par la communauté internationale.
Nos valeurs
Rigueur scientifique
Méthodologies reproductibles, résultats vérifiables, publications évaluées par les pairs.
Open source
Tous nos jeux de données, benchmarks et outils sont publiés sous licence ouverte.
Impact local
Former des talents algériens et résoudre des problèmes concrets du terrain.
Collaboration
Ponts entre départements SI, informatique, génie industriel et partenaires internationaux.
Domaines de recherche
Architectures multi-agents
Orchestration, coordination et vérification formelle de systèmes multi-agents autonomes.
IA pour l'industrie
Maintenance prédictive, optimisation de chaînes logistiques, contrôle qualité par vision par ordinateur.
Traitement du langage naturel
Modèles de langue pour l'arabe algérien (Darja), extraction d'information et résumé automatique.
Évaluation et benchmarking
Métriques de robustesse, frameworks d'évaluation, reproductibilité des résultats en IA.
IA et droit
Assistance juridique automatisée, analyse de documents légaux, conformité algorithmique.
Équipe de recherche
Chercheurs et ingénieurs du laboratoire Recherchily
AM
Abdelhamid MASSERITI
Directeur de recherche
Maître de conférences, Département SI — ENP Oran
Responsable du laboratoire Recherchily et du Fablab de l'ENP Oran. Ses travaux portent sur la sécurité des systèmes d'IA autonomes, l'injection de prompts indirects et les architectures multi-agents. Il supervise les projets de recherche du laboratoire et coordonne les collaborations avec l'USTO-MB.
Sécurité IAAgents autonomesPrompt injection
FB
Farid BENHAMMADI
Chercheur
Maître de conférences, Département Informatique — USTO-MB
Spécialiste en traitement automatique du langage naturel et en modèles de langue pour l'arabe. Il dirige les travaux du laboratoire sur l'extraction d'information multilingue et contribue aux benchmarks d'évaluation des LLMs sur les dialectes nord-africains.
NLPModèles de langueArabe dialectal
NR
Nadia RAHMANI
Chercheuse
Maître assistante, Département SI — ENP Oran
Ses recherches portent sur l'IA appliquée à l'industrie : maintenance prédictive par apprentissage profond, détection d'anomalies dans les processus de fabrication, et optimisation de chaînes logistiques par algorithmes évolutionnaires.
IA industrielleDeep learningMaintenance prédictive
KT
Karim TOUATI
Chercheur
Maître de conférences, Département Informatique — USTO-MB
Expert en systèmes multi-agents et en vérification formelle. Il travaille sur les méthodes de coordination et de communication entre agents autonomes, avec des applications en robotique collaborative et en simulation de systèmes complexes.
Systèmes multi-agentsVérification formelleRobotique
Projets de recherche
Nos travaux en cours et achevés
En coursJuin 2026
Benchmarking des vulnérabilités d'injection de prompts indirects et stratégies d'atténuation dans les trajectoires d'agents autonomes à appels de fonctions
Alors que les applications LLM passent d'interfaces de chat isolées à des agents autonomes dotés d'accès à des outils (scraping web, exécution de code, requêtes de bases de données), l'injection de pr...
Voir le projet →En coursSeptembre 2025
Vérification formelle de paquets logiciels open-source par analyse statique hybride et classification par apprentissage automatique
Les dépôts de paquets open-source (PyPI, npm) sont devenus des vecteurs d'attaque majeurs via l'injection de code malveillant dans les dépendances transitives. Ce projet développe un pipeline hybride ...
Voir le projet →En coursJanvier 2026
Commande automatique de processus industriels par apprentissage par renforcement profond avec garanties de stabilité Lyapunov
Les contrôleurs PID classiques peinent à s'adapter aux non-linéarités et aux perturbations variables des processus industriels réels. Ce projet propose une architecture de contrôle basée sur le reinfo...
Voir le projet →En coursMars 2026
Vision par ordinateur pour le suivi de santé structurelle des ouvrages de génie civil : détection et quantification automatiques de fissures par réseaux de segmentation profonds
L'inspection visuelle manuelle des infrastructures en béton (ponts, bâtiments, barrages) est coûteuse, subjective et dangereuse. Ce projet développe un système de détection et de quantification automa...
Voir le projet →TerminéOctobre 2025
Traitement automatique du langage naturel pour l'analyse de documents juridiques algériens et la vérification automatisée de conformité réglementaire
Le corpus juridique algérien (Journal Officiel, codes, décrets) est volumineux, multilingue (arabe/français) et faiblement structuré numériquement. Ce projet développe un pipeline NLP complet pour l'e...
Voir le projet →En coursAvril 2026
Ordonnancement éco-énergétique dans les grappes de calcul hétérogènes par optimisation méta-heuristique multi-objectif
Les centres de données et grappes de calcul hétérogènes (CPU, GPU, FPGA) consomment une énergie considérable avec des politiques d'ordonnancement souvent sous-optimales. Ce projet formule l'ordonnance...
Voir le projet →TerminéJuillet 2025
Robustesse adversariale de l'apprentissage fédéré dans les réseaux de périphérie IoT : attaques par empoisonnement et mécanismes de défense byzantins
L'apprentissage fédéré sur des dispositifs IoT en périphérie de réseau est vulnérable aux attaques par empoisonnement de modèle (model poisoning) et de données (data poisoning) par des nœuds compromis...
Voir le projet →Publications
Articles, rapports techniques et prépublications
ClusterGuard : agrégation robuste par clustering de gradients pour l'apprentissage fédéré sur dispositifs IoT sous attaques byzantines
AAAI 2026 — Workshop on Federated Learning for IoT
aaai2026-fl-iot-042
Vers un benchmark systématique des vulnérabilités d'injection de prompts indirects dans les agents autonomes à appels de fonctions
arXiv preprint
arXiv:2607.09412
JORADP-NER : un corpus annoté pour la reconnaissance d'entités nommées dans les textes juridiques algériens
Journal of Artificial Intelligence Research (JAIR)
doi:10.1613/jair.1.14832
Contrôle de température de fours industriels par Soft Actor-Critic sous contraintes de stabilité Lyapunov
arXiv preprint
arXiv:2608.03217
Analyse statique hybride et classification par GNN pour la détection de paquets malveillants dans les registres open-source
ICSE 2026 — New Ideas and Emerging Results Track
icse2026-nier-118
Ordonnancement multi-objectif éco-énergétique dans les grappes hétérogènes CPU-GPU : une approche NSGA-III hybride
IEEE Access
doi:10.1109/ACCESS.2025.3401782
DZ-CrackSeg : un dataset de segmentation de fissures sur des infrastructures en béton en Algérie
arXiv preprint
arXiv:2609.01544
Évaluation de la robustesse des LLM face aux injections adversariales multi-tours : protocole expérimental et résultats préliminaires
NeurIPS 2025 — Workshop on AI Safety
neurips2025-aisafety-067
Questions fréquentes
Comment rejoindre le laboratoire ?
Nous recrutons des étudiants en Master et Doctorat des départements SI de l'ENP Oran et Informatique de l'USTO-MB. Envoyez votre CV et une lettre de motivation à contact@recherchily.com.
Proposez-vous des stages de recherche ?
Oui. Nous accueillons des stagiaires de Master 2 et des doctorants pour des séjours de 3 à 6 mois sur nos projets en cours. Les candidatures sont ouvertes toute l'année.
Vos travaux sont-ils en accès libre ?
Oui. Tous nos jeux de données, benchmarks, outils et articles sont publiés sous licence ouverte (MIT/Apache 2.0) et hébergés sur GitHub et Hugging Face.
Peut-on collaborer depuis une autre université ?
Absolument. Nous collaborons activement avec des laboratoires nationaux et internationaux. Contactez-nous pour discuter d'un projet conjoint.
Une question ? Écrivez-nous à contact@recherchily.com
Contact
Collaborations, stages et demandes de renseignements
Adresse
Fablab — École Nationale Polytechnique d'Oran
BP 1523 El M'Naouer, Oran 31000, Algérie
Département d'informatique — USTO-MB
BP 1505 El M'Naouer, Oran 31000, Algérie
Collaborer avec nous
Nous accueillons les propositions de collaboration académique et industrielle, les demandes de stage de recherche (Master et Doctorat), et les partenariats avec des laboratoires internationaux.
AIAI Safety
PRPrompt Injection
MUMulti-Agent