2026
Exact Synthetic Populations for Scalable Societal and Market Modeling
Thierry Petit & Arnault Pachot. Prépublication arXiv, acceptée pour CPAIOR 2026.
PDF
Chercheur & entrepreneur
Je construis des entreprises, des logiciels et des modèles d'IA.
Fondateur d'Emotia, fondateur d'OpenStudio de 2006 à 2023, docteur en informatique et co-auteur d'un livre sur l'IA et l'environnement.
J'ai créé OpenStudio, accompagné sa croissance jusqu'à 110 personnes, puis soutenu une thèse sur l'IA, les données ouvertes et la résilience industrielle. Aujourd'hui je dirige Emotia, où nous travaillons sur les populations synthétiques, la simulation de décision et les utilisateurs virtuels.
2006-2023
OpenStudio
2023
Doctorat en informatique
2024-
Emotia
Entreprendre
Transformer une direction scientifique en produits utiles.
J'ai fondé OpenStudio en 2006 et dirigé l'entreprise jusqu'en 2023. Nous avons développé des plateformes numériques, installé une culture open source, travaillé sur l'innovation responsable et atteint 7,6 M€ de chiffre d'affaires avec 110 salariés.
Avec Emotia, je construis une entreprise de recherche appliquée en intelligence artificielle : simulation comportementale, populations synthétiques exactes, orchestration de modèles de langage et aide à la décision pour des organisations confrontées à des systèmes complexes.
Mon parcours entrepreneurial s'est construit avec un Executive MBA à emlyon, une direction générale de croissance, des pratiques RSE documentées, des rapports intégrés, des certifications, et une conviction constante : la technologie doit rester reliée aux usages, aux données et à ses effets réels.
G2
Cotation Banque de France 2022 très satisfaisante +
216e
Champion de la Croissance Les Échos / Statista 2023
47e
Deloitte Technology Fast 500 EMEA 2014
EY
Nommé au prix Entrepreneur de l'Année 2014
Recherche
IA, résilience industrielle, populations synthétiques.
Mon doctorat étudie comment les données ouvertes et l'intelligence artificielle peuvent soutenir une industrie plus résiliente : recommandations de diversification, relations clients-fournisseurs, relocalisation, symbiose industrielle et mesure des vulnérabilités territoriales.
Mes travaux récents avec Emotia élargissent ce cadre : créer des populations virtuelles contrôlées, interroger des utilisateurs synthétiques et évaluer des scénarios sans exposer de données individuelles.
Ces travaux ont aussi été présentés dans des cadres scientifiques, industriels et publics : Open Source Experience, Entretiens Jacques Cartier, Université de Sherbrooke, Minalogic, fondation E5T, RCF, We Do Green IT et formations exécutives sur la transition énergétique.
2025
LLMs, Virtual Users, and Bias
Enzo Sinacola, Arnault Pachot & Thierry Petit. International Conference on Machine Learning and Computing.
Springer2023
Les données ouvertes et l'IA peuvent-elles favoriser la mutation de l'industrie française ?
Thèse de doctorat, Université Clermont Auvergne.
HALPublications
Une bibliographie à la jonction IA, industrie, environnement et simulation.
Sélection au format APA. Les références complètes sont aussi disponibles en BibTeX.
- Petit, T., & Pachot, A. (2026). Exact synthetic populations for scalable societal and market modeling. CPAIOR 2026. Prépublication arXiv:2512.07306.
- Sinacola, E., Pachot, A., & Petit, T. (2025). LLMs, virtual users, and bias: Predicting any survey question without human data. In Proceedings of the 17th International Conference on Machine Learning and Computing (pp. 396-407). Springer Nature Switzerland.
- Petit, T., Pachot, A., Conan-Vrinat, C., & Dubarry, A. (2025). A declarative framework for large language model integration: Towards a new theory of task-specific AI orchestration. In Proceedings of the 17th International Conference on Machine Learning and Computing (pp. 474-488). Springer Nature Switzerland.
- Pachot, A. (2023). Les données ouvertes et l'intelligence artificielle peuvent-elles favoriser la mutation de l'industrie française vers un système productif plus résilient ? [Thèse de doctorat, Université Clermont Auvergne]. HAL.
- Pachot, A., & Patissier, C. (2023). Towards sustainable artificial intelligence: An overview of environmental protection uses and issues. Green and Low-Carbon Economy. https://doi.org/10.47852/bonviewGLCE3202608
- Verdier, C., Perriot, S., & Pachot, A. (2023). Weighted cross-entropy to tackle overlapping in fraud detection. In 2023 15th International Conference on Machine Learning and Computing (pp. 211-216).
- Pachot, A., Albouy-Kissi, A., Albouy-Kissi, B., & Chaussé, F. (2022). Decision support system for distributed manufacturing based on input-output analysis and economic complexity. arXiv:2201.00694.
- Pachot, A., Albouy-Kissi, A., Albouy-Kissi, B., & Chaussé, F. (2022). Identify potential diversification to companies through collaborative filtering. In 9th International Multidisciplinary Conference on Economics, Business Engineering and Social Sciences.
- Pachot, A., Albouy-Kissi, A., Albouy-Kissi, B., & Chaussé, F. (2021). Production2Vec: A hybrid recommender system combining semantic and product complexity approach to improve industrial resiliency. In 2021 2nd International Conference on Artificial Intelligence and Information Systems.
- Cortial, K., & Pachot, A. (2021). Sodinokibi intrusion detection based on logs clustering and random forest. In 2021 2nd International Conference on Artificial Intelligence and Information Systems.
- Pachot, A., Albouy-Kissi, A., Albouy-Kissi, B., & Chaussé, F. (2021). Multiobjective recommendation for sustainable production systems. In Proceedings of the 1st Workshop on Multi-Objective Recommender Systems.
Développement
Une trajectoire de développeur avant tout.
J'écris du logiciel depuis plus de 25 ans. J'ai travaillé avec C++, Java, PHP, Python et des architectures web, piloté des projets SaaS, contribué à des logiciels libres et fait du code un outil d'expérimentation scientifique.
Cette culture technique influence ma manière d'entreprendre : tester rapidement, instrumenter, publier, ouvrir quand c'est utile, puis transformer les prototypes qui tiennent en plateformes maintenables.
Livres
IA et environnement : comprendre les promesses et les coûts.
J'ai co-écrit Intelligence artificielle et environnement : alliance ou nuisance ? aux éditions Dunod. Le livre examine les apports possibles de l'IA pour les transitions environnementales, mais aussi ses impacts matériels, énergétiques et sociaux.
Un premier ouvrage numérique, Intelligence Artificielle et Protection de l'Environnement, posait déjà ce paradoxe : une technologie énergivore peut aider à analyser le climat, l'énergie, les mobilités, l'industrie ou l'agriculture, si ses usages sont choisis avec discernement.
Cette double exigence guide encore mon travail : construire de meilleurs instruments de décision, tout en gardant visibles leurs hypothèses, leurs limites et leurs externalités.
Contact