Cyrus Shahabi
  |
Cyrus Shahabi est professeur d’informatique, de génie électrique et informatique, et de sciences spatiales à l'Unbersité de Californie du Sud (USC). Il est titulaire de la chaire Helen N. et Emmett H. Jones d’ingénierie et directeur du Centre des systèmes multimédias intégrés (IMSC) à l’USC.
Il a également été directeur du département d’informatique Thomas Lord de l’Université de Californie du Sud de 2017 à 2022. Il a cofondé deux spin-offs de cette université : Geosemble Technologies et Tallygo. Il est l'auteur de deux ouvrages et de plus de trois cents articles de recherche dans les domaines des bases de données, des SIG et du multimédia, et détient 14 brevets américains.
Cyrus Shahabi a présidé le comité de nomination fondateur de l’ACM SIGSPATIAL pour son premier mandat (2008-2011) et a occupé le poste de président de l’ACM SIGSPATIAL pour le mandat 2017-2020. Il a été rédacteur en chef adjoint des revues IEEE Transactions on Parallel and Distributed Systems, IEEE Transactions on Knowledge and Data Engineering et VLDB Journal. Il a été rédacteur en chef du volume 17 de PVLDB (président du comité de programme de VLDB 2024) et a siégé au comité de rédaction des ACM Transactions on Spatial Algorithms and Systems et de ACM Computers in Entertainment.
Il est président général de la conférence ACM SIGMOD 2027.
Enfin, il est lauréat du prix ACM Distinguished Scientist, du prix présidentiel américain PECASE (Presidential Early Career Awards for Scientists and Engineers) et du prix NSF CAREER. Il est membre de l’Académie nationale des inventeurs (NAI) et de l’IEEE.
Cyrus Shahabi rejoint l'IEA de Paris en octobre 2026 pour une résidence d'écriture d'un mois.
Sujets de recherche
Intelligence artificielle ; spatial et l'intelligence appliquée à la mobilité.
Des modes de vie aux traces de sens — Réflexions sur la mobilité, le sens et l'IA spatiale
Ce projet de recherche examine comment les données numériques sur la mobilité et l’intelligence artificielle peuvent mettre en lumière des « modes de vie » : les routines, les lieux, les déplacements et les interactions sociales qui façonnent l’expérience humaine au quotidien. Ces modes de vie peuvent offrir de nouvelles perspectives pour comprendre comment les individus travaillent, socialisent, se reposent, prodiguent des soins, tissent des liens communautaires et s’adaptent au changement. Le projet examine comment les données de mobilité longitudinales à grande échelle peuvent compléter la recherche sociale traditionnelle en rendant ces schémas visibles au fil du temps, tout en reconnaissant que les données ne fournissent jamais une représentation complète ou neutre de l’expérience vécue. Il explore à la fois les opportunités et les risques engendrés par ces nouvelles formes d’observation, notamment leur potentiel à favoriser la santé et le bien-être, ainsi que les préoccupations liées à la vie privée, au consentement, à la surveillance, aux biais et aux inégalités de visibilité.
S’appuyant sur les avancées en matière d’intelligence artificielle spatiale et d’analyse des données spatio-temporelles, le projet établit un lien entre les développements techniques et des questions plus larges concernant la socialité, l’autonomie, la prise en charge et la responsabilité.
Il met au point le « Cadre d’interprétation des modes de vie » (INTER-PoL), un cadre permettant d’étudier les modes de vie en mettant l’accent sur la temporalité, le contexte social et culturel, les perturbations et l’interprétation relationnelle, tout en mettant en avant le sens humain et la responsabilité éthique et en encourageant la retenue interprétative lors de l’établissement de conclusions à partir des données. L’objectif est de permettre la compréhension de la vie sans perdre de vue les personnes et les contextes qui se cachent derrière les données.
Publication clés
M. D. Siampou, S. Choudhury, S. L. Hsu, N. Arora, et C. Shahabi, "Mobility-Embedded POIs: Learning What a Place Is and How It's Used from Human Movement". Forty-third International Conference on Machine Learning (ICML), Seoul, South Korea, Juillet 2026.
C. Chu and C. Shahabi, "Geo2Vec: Shape- and Distance-Aware Neural Representation of Geospatial Entities". The 40th Annual AAAI Conference on Artificial Intelligence (AAAI), Singapore, Janvier 2026
C. Chu, C. Shahabi, E. Tung, and K. Shafique, "One Model, Many Cities: A Transferable Social Relationship Inference Framework for Human Mobility Data", Proceedings of the 33rd ACM International Conference on Advances in Geographic Information Systems (SIGSPATIAL), Minneapolis, Minnesota, Novembre 2025
|
|
|
|
|
|