Notre production scientifique publiée, accessible, contestable.

Une entreprise qui prétend à un socle scientifique sans produire de publications scientifiques régulières se situe hors du régime scientifique établi. La publication est le mécanisme historique par lequel une discipline se constitue, se documente, se laisse contester par ses pairs et se transmet.

Imagine All The People s'inscrit dans ce régime. Nos travaux sur la génération de populations synthétiques par Maximum Entropy Relaxation, sur les protocoles de calibration, sur les benchmarks NPORS étendus, sur les extensions à grande échelle par Persistent Contrastive Divergence : tout cela est publié dans les archives scientifiques ouvertes (ArXiv), dans les éditions académiques de référence (Frontiers in AI), dans les conférences scientifiques du domaine.

Cette page organise l'accès à ce corpus. Elle référence les publications récentes et à venir signées par nos équipes, les contributions éditoriales que nous portons dans les grandes revues du domaine, ainsi que les travaux historiques de notre cofondateur François Pachet qui constituent la matrice intellectuelle de notre discipline. L'ensemble est accessible via des liens directs vers les publications originales : aucune médiation, aucun résumé promotionnel, accès brut aux textes scientifiques.

Publié en avril 2026 : Maximum Entropy Relaxation of Multi-Way Cardinality Constraints for Synthetic Population Generation. François Pachet et Jean-Daniel Zucker. ArXiv:2603.22558. Article fondateur formalisant l'approche par Maximum Entropy Relaxation pour la génération de populations synthétiques satisfaisant des contraintes multi-dimensionnelles unitaires, binaires et ternaires. Introduction de la formulation duale convexe, du solveur L-BFGS et de la comparaison systématique avec le generalized raking sur les benchmarks NPORS-derived à 4 à 40 attributs. → Lire l'article sur ArXiv

En préparation : Balanced Exact Population Synthesis via Maximum Entropy Repair. François Pachet et Jean-Charles Régin. Article méthodologique en cours de finalisation combinant Maximum Entropy Relaxation et programmation par contraintes exacte pour la génération de populations synthétiques sous contraintes équilibrées. Publication attendue courant 2026.

En préparation : Scalable Maximum Entropy Population Synthesis via Persistent Contrastive Divergence. Extension du framework Pachet-Zucker au régime K supérieur à 20 attributs où le calcul exact des espérances devient intractable, par estimation stochastique via Gibbs sampling. Publication attendue courant 2026, prolongeant les benchmarks NPORS à une classe significativement plus large de configurations réelles.

L'ensemble de ces publications, dès leur mise à disposition, sera référencé ici avec accès direct aux articles originaux sur ArXiv ou dans les revues correspondantes.

Au-delà de la publication d'articles, notre équipe contribue à la structuration éditoriale du domaine émergent des populations synthétiques dans la littérature scientifique internationale.

Coédition du Research Topic Synthetic Populations dans Frontiers in Artificial Intelligence. François Pachet coédite avec Frédéric Kaplan (École Polytechnique Fédérale de Lausanne) et Mirko Degli Esposti (Université de Bologne) le Research Topic Synthetic Populations publié dans Frontiers in Artificial Intelligence. Cette édition rassemble les travaux internationaux les plus significatifs sur la génération, l'usage, la validation et les enjeux éthiques des populations synthétiques. Elle constitue à ce jour la contribution éditoriale la plus structurée à l'émergence de cette discipline scientifique. → Consulter le Research Topic dans Frontiers in AI

Cette coédition matérialise notre positionnement au cœur de la communauté scientifique internationale du domaine : nous ne nous contentons pas de publier nos propres travaux, nous participons à structurer le champ scientifique lui-même en dialogue avec des chercheurs de premier plan de l'EPFL et de l'Université de Bologne.