B. Alphonse, A. Amrani, J. Azé, T. Heitz, A. Mezaour et al., « Préparation des données et analyse des résultats de DEFT'05, Traitement Automatique des Langues Naturelles" (TALN 2005) -Atelier DEFT'05, pp.99-111, 2005.

A. Amrani, J. Azé, T. Heitz, Y. Kodratoff, M. R. et al., « From the texts to the concepts they contain : a chain of linguistic treatments, Proceedings of TREC'04 (Text REtrieval Conference), National Institute of Standards and Technology, pp.712-722, 2004.

T. J. Azé, S. Bourquard, A. Hamel, D. W. Poupon, and R. , « Using Kendall- Tau Meta-Bagging to Improve Protein-Protein Docking Predictions, Loog et AL., éditeur, PRIB 2011, pp.284-295, 2011.

]. J. Agtn-+-08, L. Azé, C. Gentils, J. Toffano-nioche, V. Loux et al., « Towards a semi-automatic functional annotation tool based on decision-tree techniques » « Mining association rules between sets of items in large databases » « A study of the Effect of Noisy Data in Rule Extraction Systems « A study of the robustness of association rules, S3) Proceedings of the Sixteenth European Meeting on Cybernetics and Systems Research (EMCSR'02) The 2007 International Conference on Data Mining (DMIN'07), pp.207-216, 1993.

N. [. Azé, M. Lucas, ». Sebag-geno, S. Azé, and N. Lucas, « A New Medical Test for Atherosclerosis Detection, p.11, 2004.

J. Azé, M. Roche, Y. Kodratoff, M. Sebag, and .. , « Learning to Order Terms : Supervised Interestingness Measures in Terminology Extraction, International Conference on Computational Intelligence, pp.478-481, 2004.

J. Azé, M. Roche, Y. Kodratoff, M. Sebagars05a, ]. J. Azé et al., « Preference Learning in Terminology Extraction : A ROC-based approach « Bagging Evolutionary ROC-based Hypotheses Application to Terminology Extraction, proceedings of ASMDA'05 (Applied Stochastic Models and Data Analysis), may 2005 proceedings of ROCML (ROC Analysis in Machine Learning), pp.209-219, 2005.

A. Jérôme, R. Mathieu, S. Et-michèle, R. Agrawal, R. Agrawal et al., « Fast algorithms for mining association rules « PDE : A Pareto-frontier differential evolution approach for multi-objective optimization problems, Bagging Evolutionary ROC-based Hypotheses Application to Terminology Extraction. ». ICML 2005 workshop on ROC Analysis in Machine Learning Proc. 20th Int. Conf. Very Large Data Bases Fast Algorithms for Mining Association Rules Proc. 20th Int. Conf. Very Large Data Bases, VLDB, pp.487-499, 1994.

C. Charu, . Aggarwal, Z. Chengxiang, J. Bernauer, J. Azé et al., Une nouvelle mesure de qualité pour l'extraction de pépites de connaissances « Une nouvelle fonction de score pour l'amarrage protéine-protéine fondée sur les diagrammes de Voronoï « A new protein-protein docking scoring function based on interface residue properties « Amarrage protéine-protéine par couplage de la complémentarité de forme et des empreintes Voronoï, Survey of Text Clustering Algorithms ». Mining Text Data proceedings of Journées Ouvertes de Biologie Informatique Mathématiques (JOBIM) Comparing Voronoi and Laguerre tessellations in the protein-protein docking context Sixth International Symposium on Voronoi Diagrams (ISVD) A Collaborative Filtering Approach for Protein-Protein Docking Scoring Functions, pp.77-128, 2003.

B. «. Julie and .. , Utilisation de la tessellation de Voronoï pour l'étude des complexes protéine-protéine ». PhD, pp.1-166, 2006.

B. Eric, K. S. Ron, R. Brin, C. Motwani, and .. «. Silverstein, Beyond market baskets : generalizing association rules to correlations, An Empirical Comparison of Voting Classification Algorithms : Bagging, Boosting and Variants Machine Learning Proceedings of ACM SIGMOD'97 Thomas BOURQUARD. « Exploitation des algorithmes génétiques pour la prédiction de structures protéine-protéine ». PhD et J. JANIN. « A docking analysis of the statistical physics of protein-protein recognition, pp.1-38, 1997.

M. Helen, . Berman, W. John, F. Zukan, G. Gary et al., « The protein data bank », Nucleic Acids Research, vol.28, issue.1, pp.235-242, 2000.

C. Jacqueline, D. Stéphane, J. W. Et-joël, P. Church, .. Hanks et al., « Phylogenetic tree information aids supervised learning for predicting protein-protein interaction based on distance matrices », Protein-protein recognition analyzed by docking simulation Word Association Norms, Mutual Information, and Lexicography ». Computational LinguisticsCM02] A. CORNUÉJOLS et L. MICLET. Apprentissage Artificiel -Concepts et algorithmes, pp.271-28022, 1990.

C. Jacob, .. «-a-coefficient, D. Cyril, B. Rolf, M. Et-alexandre et al., « HADDOCK : a protein-protein docking approach based on biochemical or biophysical information », Journal of the American Chemical Society, vol.24, issue.3, pp.37-471731, 1960.

K. «. Deb and .. , Multi-Objective Evolutionary Algorithms, 2003.
DOI : 10.1007/978-3-662-43505-2_49

R. Lee and .. Dice, « Measures of the Amount of Ecologic Association Between Species, Ecology, vol.26, issue.3, pp.297-302, 1945.

D. Michael, . Daily, M. David, S. Arvind, S. Sony et al., « CAPRI rounds 3?5 reveal promising successes and future challenges for RosettaDock, Proteins, vol.60, pp.181-186, 2005.

T. Dandekar, B. Snel, M. Huynen, P. De, V. D. Et et al., Conservation of gene order: a fingerprint of proteins that physically interact, Efficient Prediction of Co-Complexed Proteins Based on Coevolution ». PLoS One, page under submission, 2012. . . . . . . . . . . . . 15, pp.324-328, 1998.
DOI : 10.1016/S0968-0004(98)01274-2

D. M. De, V. Tatiana, G. Olivier, C. Martin, and .. , « A congruence index for testing topological similarity between trees », 23 [FF03] Johannes FÜRNKRANZ et Peter A FLACH. « An analysis of rule evaluation metrics ». Proceedings of the Twentieth International Conference on Machine Learning (ICML-2003), pp.3119-3124, 2007.

.. Ferri, P. Flach, J. Yoav, F. Robert, and E. , Learning decision trees using the area under the ROC curve ». MACHINE LEARNING-INTERNATIONAL WORKSHOP THEN CONFERENCE- « A decision-theoretic generalization of on-line learning and an application to boosting », FkS89] Stanley FIELDS et Ok kyu SONG. « A novel genetic system to detect protein protein interactions ». Letters to Nature, pp.139-146245, 1989.

L. Gentils, J. Azé, P. Bessières, J. Gibrat, V. Loux et al., « Learning Rules for Microbial Genome Annotation ». Dans Automated Function Prediction, pp.82-83, 2006.

G. «. Jean-gabriel and .. Charade, A Rule System Learning System, IJCAI, pp.345-347, 1987.

L. Gentils, J. Azé, C. Toffano-nioche, V. Loux, A. Poupon et al., « Mesures Hiérarchiques pondérées pour l'évaluation d' un système semi-automatique d'annotation de génomes utilisant des arbres de décision, Extraction et gestion des connaissances, pp.133-138, 2008.

A. Goh, M. Bogan, D. Joachimiak, F. Walther, and . Cohen, Co-evolution of proteins with their interaction partners, Journal of Molecular Biology, vol.299, issue.2, pp.283-293, 2000.
DOI : 10.1006/jmbi.2000.3732

G. Adrien, A. Jérôme, and B. Et-julie, « Prediction of protein-nucleic acid interactions : building a scoring function with the Voronoi diagram

M. Srinivasa, . Gopal, M. Shayantani, Y. , C. Michael et al., A coarse-grained model for proteins and nucleic acids that preserves near-atomistic accuracy, Proteins, vol.78, pp.1266-1281, 2010.

]. J. Gmw-+-03, S. Gray, C. Moughon, O. Wang, B. Schueler-furman et al., « Protein-protein docking with simultaneous optimization of rigid-body displacement and side-chain conformations », Journal of molecular biology, vol.331, issue.1, pp.281-299, 2003.

I. John and G. , The Estimation of Probabilities : An Essay on Modern Bayesian Methods. The MIT Press Classics Series, p.24, 2003.

J. Jeffrey, M. Gagné, M. Sebag, and M. Schoenauer, « Ensemble learning for free with evolutionary algorithms ? « Neural network ensembles ». Pattern Analysis and Machine, High-resolution protein?protein docking ». Current Opinion in Structural Biology Proceedings of the 9th annual conference on Genetic and evolutionary computation, pp.183-193, 1990.

I. Takashi, T. Kosuke, M. Shigeru, O. Ritsuko, C. Tomoko et al., « Toward a protein?protein interaction map of the budding yeast : a comprehensive system to examine two-hybrid interactions in all possible combinations between the yeast proteins « High-confidence prediction of global interactomes based on genome-wide coevolutionary networks, Proceedings of the National Academy of Sciences 20 [Jac08] P. JACCARD. « Nouvelles recherches sur la distribution florale ». Bulletin de la Société Vaudoise en Sciences Naturelles Data clustering : a review ». ACM computing surveys (CSUR), pp.1143-1147223, 1908.

H. Y. Jansen, D. Greenbaum, Y. Kluger, N. Krogan, S. Chung et al., A Bayesian Networks Approach for Predicting Protein-Protein Interactions from Genomic Data, Science, vol.302, issue.5644, pp.449-453, 2003.
DOI : 10.1126/science.1087361

Y. Kodratoff, J. Azé, M. Roche, O. «. Matte-tailliez, and .. , Des textes aux associations entre les concepts qu'ils contiennent et version complète dans le numéro spécial de la revue RNTI (Revue des Nouvelles Technologies de l'Information)Entreposage et Fouille de données, les actes des XXXVièmes Journées de Statistique (résumé), pp.599-602171, 2003.

K. «. Mehdi and .. , Traitement de données numériques par analyse formelle de concepts et structures de patrons ». PhD, pp.1-135, 2011.

K. Svetlana, M. Stan, N. Richard, E. A. Fazel, and F. «. , Learning and Evaluation in the Presence of Class Hierarchies : Application to Text Categorization, Luc LAMONTAGNE et Mario MARCHAND, éditeurs, Canadian Conference on AI, pp.395-406, 2006.

K. Anders and V. Jesper, Advances in neural information processing systems, Neural network ensembles LERMAN et J. AZÉ. « A New Probabilistic Measure of Interestingness for Association Rules, Based on the Likelihood of the Link », pp.231-238, 1995.

J. [. Lucas, M. Azé, .. «. Sebag, H. R. Lichartge, F. E. Bourne et al., Atherosclerosis Risk Identification and Visual Analysis « An evolutionary trace method defines binding surfaces common to protein families », Journal of Molecular Biology, vol.1, issue.2572, pp.342-358, 1996.

E. Andres, L. Iakes, E. Beatriz, G. Alfonso, V. David et al., A database for the inference of functional interactions in E. coli »Database issue) « Rule Evaluation Measures : A Unifying View « The RosettaDock server for local protein-protein docking », volume 1634 de Lecture Notes in Artificial Intelligence, pp.629-635, 1999.

X. Charles, . Ling, H. Jin, and Z. Harry, « AUC : a better measure than accuracy in comparing learning algorithms ». Advances in Artificial Intelligence, p.10, 2003.

X. Charles, . Ling, H. Jin, Z. Harry, P. Lenca et al., « Critères d'évaluation des mesures de qualité des règles d'association ». Revue des Nouvelles Technologies de l'information (RNTI) RNTI, Loe47] J. LOEVINGER. « A systematic approach to the construction and evaluation of tests of ability, pp.519-524123, 1947.

C. Simon, . Lovell, L. David, .. Robertson, O. Lallich et al., « Évaluation et validation de l'intérêt des règles d'association « Évaluation et validation de l'intérêt des règles d'association Distance and environment-dependent, coarsegrained , knowledge-based potentials for protein-protein docking » « A probabilistic framework towards the parameterization of association rule interestingness measures « Evolution : a guide to perturb protein function and networks » « Information assessment on predicting protein-protein interactions », An Integrated View of Molecular Coevolution in Protein Protein Interactions ». Molecular Biology and Evolution Assessing the Limits of Genomic Data Integration for Protein-Protein Interactions » Seminars in nuclear medicine, pp.2567-25751, 1978.

M. John, F. Krzysztof, K. Andriy, and T. Et-anna, « Critical assessment of methods of protein structure prediction (CASP)?round IX, Proteins, vol.79, issue.3, pp.1-5, 2011.

M. Venkatraman, C. Alan, . Gibbs, D. Maxwell, . Cummings et al., « Docking : successes and challenges », Current Pharmaceutical Design, vol.11, pp.323-333, 2005.

J. C. Mitchell, R. Kerr, and L. .. Ten-eyck, Rapid atomic density methods for molecular shape characterization, Journal of Molecular Graphics and Modelling, vol.19, issue.3-4, pp.325-355, 2001.
DOI : 10.1016/S1093-3263(00)00079-6

M. Juliette and L. Richard, « Arbitrary protein-protein docking targets biologically relevant interfaces », BMC Biophys, vol.57, issue.1 3, 2012.

O. David and M. Richard, 11 [Pea00] K. PEARSON. « On a criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can reasonably be supposed to have arisen from random sampling, Popular ensemble methods : An empirical study 24 [Pea88] J. PEARL. Probabilistic Reasoning in Intelligent Systems : Networks of Plausible Inference, pp.169-198, 1900.

E. Pellegrini, M. Marcotte, D. Thompson, . Eisenberg, and T. Et, « Assiging protein functions by comparative genome analysis : protein phylogenetic profiles, pp.4285-4288, 1999.
DOI : 10.1073/pnas.96.8.4285

URL : http://www.ncbi.nlm.nih.gov/pmc/articles/PMC16324

P. Anne, V. Voronoi, P. Florencio, J. A. Ranea, J. David et al., « Assessing Protein Co-evolution in the Context of the Tree of Life Assists in the Prediction of the Interactome « Similarity of phylogenetic trees as indicator of protein?protein interaction, Current Opinion in Structural Biology J. Mol. Biol. Protein Engineering, vol.14, issue.25, pp.233-241, 2001.

Y. Qi, Z. Bar-joseph, and E. J. Klein-seetharaman, Evaluation of different biological data and computational classification methods for use in protein interaction prediction, Proteins: Structure, Function, and Bioinformatics, vol.431, issue.Database issue, pp.490-500, 2006.
DOI : 10.1002/prot.20865

M. Roche, J. Azé, Y. Kodratoff, and E. M. Sebag, « Learning Interestingness Measures in Terminology Extraction. A ROC-based approach, Proceedings of "ROC Analysis in AI" Workshop (ECAI 2004), 22 Août, pp.81-88, 2004.

E. [. Ravikant-et-ron, PIE??????Efficient filters and coarse grained potentials for unbound protein??????protein docking, Proteins: Structure, Function, and Bioinformatics, vol.61, issue.2, pp.400-419, 2010.
DOI : 10.1002/prot.22550

R. Jüri, H. Shirley, J. Shobhit, L. Brian, D. Gary et al., Domainmediated protein interaction prediction : From genome to network « Recent progress and future directions in protein-protein docking. », FEBS Letters Curr Protein Pept Sci, vol.3, issue.91, pp.1-131, 2008.

W. David, . Ritchie, J. L. Graham, . W. Kemp-d, V. Ritchie et al., « Ultra-fast FFT protein docking on graphics processors « Impact studies and sensitivity analysis in medical data mining with ROC-based genetic learning, Protein docking using spherical polar Fourier correlations ». PROTEINS : Structure, Function and Genetics Proceedings of the Third IEEE International Conference on Data MiningSch99] R SCHAPIRE. « A brief introduction to boosting ». International joint Conference on artificial intelligence ROC-based Evolutionary Learning : Application to Medical Data Mining Proceedings of the 6th International Conference on Artificial Evolution, pp.178-1942398, 1999.

S. Tetsuya, Y. Yoshihiro, K. Minoru, and T. Et-hiroyuki, -evolutionary analysis is improved by excluding the information about the phylogenetic relationships [Toz05] Valentina TOZZINI. « Coarse-grained models for proteins », VC06] Miha VUK et Tomaz CURK. « Roc curve, lift chart and calibration plot ». Metodoloski zvezki, pp.3482-3489, 2005.
URL : https://hal.archives-ouvertes.fr/hal-01292504

]. Wu, V. Kumar, Q. Ross, J. Ghosh, Q. Yang et al., Top 10 algorithms in data mining, Knowledge and Information Systems, vol.9, issue.2, pp.1-37, 2008.
DOI : 10.1007/s10115-007-0114-2

W. Chun and S. Joan-emma, Coarse-grained models for protein aggregation », Current Opinion in Structural Biology, vol.21, pp.209-220, 2011.

W. Chu, S. Ora, E. David, and B. .. , « Improved side-chain modeling for protein-protein docking » « Selected-fit versus induced-fit protein binding : Kinetic differences and mutational analysis, Protein Science Proteins, vol.14, issue.1, pp.1328-1339, 2003.

Y. Elizabeth, A. Mark, and A. Et-paul, « Challenges and advances in computational docking : 2009 in review, Journal Of Molecular Recognition, vol.24, pp.149-164, 2011.

T. Zhang, Association rules, 24 PARTIE I CURRICULUM VITAE Sommaire Situation Professionnelle Informations Personnelles Domaine de recherche NOTICE INDIVIDUELLE Situation Professionnelle, pp.245-256, 2000.

. Fouille-de-données, . Apprentissage, and . Bioinformatique, Qualité des données, Algorithmes évolutionnaires , Annotation fonctionnelle de protéines, Docking de protéines. Sommaire Situation actuelle Titres Universitaires Parcours post-doctoral Thèse Parcours de premier et second cycle PARCOURS ET FORMATION UNIVERSITAIRE Situation, 2011.

. Encadrement-de-post-docs, Exploitation des algorithmes génétiques pour la prédiction de structure de complexe protéine-protéine " L'objectif de cette thèse était de concevoir et mettre en oeuvre un système performant de modélisation gros-grain des complexes protéine-protéine, ainsi qu'un système d'évaluation des complexes modélisés. Ce travail s

?. Abdelkader and H. Du, Annotation fonctionnelle des protéines par apprentissage actif, 2010.

?. Du, Modélisation des complexes protéine-ARN, 2011.

?. Depuis-janvier, Biology and Bioinformatics of Signalling Systems, INRA de Tours), p.46, 2004.

D. M. De-vienne and J. Azé, Efficient Prediction of Co-Complexed Proteins Based on Coevolution, PLoS ONE, vol.61, issue.11
DOI : 10.1371/journal.pone.0048728.s001

URL : https://hal.archives-ouvertes.fr/hal-00756120

J. Sarel and . Fleishman, Community-Wide Assessment of Protein-Interface Modeling Suggests Improvements to Design Methodology, Journal of molecular biology, 2011.

T. Bourquard and J. Bernauer, A Collaborative Filtering Approach for Protein-Protein Docking Scoring Functions, PLoS ONE, vol.41, issue.4, p.18541, 2011.
DOI : 10.1371/journal.pone.0018541.t007

URL : https://hal.archives-ouvertes.fr/inria-00625000

J. Bernauer, J. Azé, J. Janin, and A. Poupon, A new protein protein docking scoring function based on interface residue properties, Bioinformatics, vol.23, issue.5, pp.555-62, 2007.
DOI : 10.1093/bioinformatics/btl654

URL : https://hal.archives-ouvertes.fr/inria-00431697

J. Bernauer, A. Poupon, J. Azé, and J. Janin, A docking analysis of the statistical physics of protein???protein recognition, Physical Biology, vol.2, issue.2, pp.17-23, 2005.
DOI : 10.1088/1478-3975/2/2/S02

URL : https://hal.archives-ouvertes.fr/inria-00431699

J. Azé, M. Roche, Y. Kodratoff, and M. Sebag, Learning to order terms : supervised interestingness measures in terminology extraction In IJCI, Revised version of proceedings of ICCI (International Conference on Computational Intelligence), pp.104-107, 2004.

J. Azé, Y. Kodratoff, H. Briand, M. Sebag, R. Gras et al., Extraction de "pépites" de connaissance dans les données : une nouvelle approche et une étude de la sensibilité au bruit. Numéro spécial de la revue RNTI "Mesures de qualité pour la fouille de données, pp.247-270, 2004.

H. Israël-césar-lerman-et-jérôme-azé, M. Briand, R. Sebag, F. Gras, and . Guillet, Indice Probabiliste Discriminant de Vraisemblance du Lien pour des Données Volumineuses. Numéro spécial de la revue RNTI "Mesures de qualité pour la fouille de données, pp.69-94, 2004.

J. Azé, S. Guillaume, and P. Castagliola, Évaluation de la Résistance au Bruit de quelques Mesures Quantitatives, et dans le numéro spécial de la revue RNTI "Entreposage et Fouille de données, pp.133-136159, 2003.

Y. Kodratoff, J. Azé, and M. Roche-et-oriane-matte-tailliez, Des textes aux associations entre les concepts qu'ils contiennent, les actes des XXXVièmes Journées de Statistique (résumé) et dans le numéro spécial de la revue RNTI "Entreposage et Fouille de données, pp.599-602171, 2003.

Y. Kodratoff, J. Azé, and L. Fontaine, CorTag, Information Retrieval in Biomedicine : Natural Language Processing for Knowledge Integration, pp.177-189, 2009.
DOI : 10.4018/978-1-60566-274-9.ch010

J. Israël-césar-lerman and . Azé, A New Probabilistic Measure of Interestingness for Association Rules, Based on the Likelihood of the Link, pp.207-236, 2007.

H. Salas, J. Azé, S. Bringay, and F. Cernesson, Frédéric Flouvat, Nazha Selmaoui-Folcher and Maguelonne Teisseire. Finding Relevant Sequences With The Least Temporal Contradiction Measure : Application to Hydrological Data the 15th AGILE International Conference, p.2012

J. Azé, T. Bourquard, S. Hamel, A. Poupon, and D. Ritchie, Using Kendall- Tau Meta-Bagging to Improve Protein-Protein Docking Predictions The 6th, IAPR International Conference on Pattern Recognition in Bioinformatics (PRIB'2011), pp.284-295, 2011.

T. Bourquard, J. Bernauer, J. Azé, and A. Poupon, Comparing Voronoi and Laguerre Tessellations in the Protein-Protein Docking Context, 2009 Sixth International Symposium on Voronoi Diagrams, pp.225-232, 2009.
DOI : 10.1109/ISVD.2009.11

URL : https://hal.archives-ouvertes.fr/inria-00429618

J. Azé, P. Lenca, S. Lallich, and B. Vaillant, A study of the robustness of association rules, The 2007 International Conference on Data Mining (DMIN'07), pp.132-137, 2007.

J. Azé, A clustering approach for analysing association rules. In ASMDA'07, special session Quality Measures in Data Mining, International Symposium on " Applied Stochastic Models and Data Analysis, 2007.

J. Azé, M. Roche, Y. Kodratoff, and M. Sebag, Preference Learning in Terminology Extraction : A ROC-based approach, ASMDA'05, International Symposium on " Applied Stochastic Models and Data Analysis, pp.17-20, 2005.

J. Mathieu-roche, O. Azé, Y. Matte-tailliez, and . Kodratoff, Mining texts by association rules discovery in a technical corpusAdvances in Soft Computing, Proceedings of IIPWM'04 (Intelligent Information Processing and Web Mining), pp.89-98, 2004.

M. Sebag, J. Azé, and N. Lucas, Impact studies and sensitivity analysis in medical data mining with ROC-based genetic learning, Third IEEE International Conference on Data Mining, pp.637-640, 2003.
DOI : 10.1109/ICDM.2003.1250996

M. Sebag, N. Lucas, and J. Azé, ROC-Based Evolutionary Learning: Application to Medical Data Mining, Proceedings of the 6th International Conference on Artificial Evolution, pp.384-396, 2003.
DOI : 10.1007/978-3-540-24621-3_31

J. Azé and Y. Kodratoff, A study of the Effect of Noisy Data in Rule Extraction Systems, Proceedings of the Sixteenth European Meeting on Cybernetics and Systems Research, EMCSR'02, pp.781-786, 2002.

J. Azé, L. Gentils, C. Toffano-nioche, V. Loux, J. Gibrat et al., Towards a semi-automatic functionnal annotation tool based on decision tree techniques, Proceedings of the International Workshop on Machine Learning in Systems Biology (MSLB'07), 2007.

J. Mathieu-roche, Y. Azé, M. Kodratoff, and . Sebag, Learning Interestingness Measures in Terminology Extraction. A ROC-based approach, Proceedings of " ROC Analysis in AI " Workshop ECAI 2004 (European Conference on Artificial Intelligence, pp.81-88, 2004.

A. Amrani, J. Azé, T. Heitz, Y. Kodratoff, and M. Roche, From the texts to the concepts they contain : a chain of linguistic treatments, Proceedings of the 13th Text REtrieval Conference, pp.16-19, 2004.

J. Azé, N. Lucas, and M. Sebag, A Genetic ROC-based Classifier In Proceedings of "Physiological Data Modeling Contest, workshop of the The Twenty-First International Conference on Machine Learning, 2004.

J. Azé, N. Lucas, and M. Sebag, A new medical test for atherosclerosis detection : Geno, Proceedings of Discovery Challenge, workshop of The 7th European Conference on Principles and Practice of Knowledge Discovery in Databases, pp.22-26, 2003.

N. Lucas, J. Azé, and M. Sebag, Atherosclerosis risk identification and visual analysis, Proceedings of Discovery Challenge, workshop of The 6th European Conference on Principles and Practice of Knowledge Discovery in Databases, pp.19-23, 2002.

T. Bourquard, J. Azé, A. Poupon, and D. W. Ritchie, Amarrage protéineprotéine par couplage de la complémentarité de forme et des empreintes Voronoï, 12èmes Journées Ouvertes Biologie Informatique Mathématiques, pp.9-16, 2011.

L. Gentils, J. Azé, C. Toffano-nioche, V. Loux, A. Poupon et al., Mesures hiérarchiques pondérées pour l'évaluation d'un système semi-automatique d'annotation de génomes utilisant des arbres de décision, Revue RNTI, Numéro spécial conférence Extraction et Gestion des Connaissances (EGC'08), pp.133-138, 2008.

J. Bernauer, J. Azé, J. Janin, and A. Poupon, Une nouvelle fonction de score pour l'amarrage protéine-protéine fondée sur les diagrammes de Voronoï, proceedings of Journés Ouvertes de Biologie Informatique Mathématiques, pp.459-469, 2005.

A. Amrani, J. Azé, and Y. Kodratoff, Logiciel d'aide à l'étiquetage morpho-syntaxique de textes de spécialité. Revue RNTI, Numéro spécial conférence EGC'05, RNTI-E-3, pp.673-678, 2005.

J. Israël-césar-lerman and . Azé, Une mesure probabiliste contextuelle discriminante de qualité des règles d'association. Revue RSTI série RIA-ECA, Numéro spécial conférence EGC'03, pp.247-262, 2003.

J. Azé, Une nouvelle mesure de qualité pour l'extraction de pépites de connaissances. Revue RSTI série RIA-ECA, Numéro spécial conférence EGC'03, pp.171-182, 2003.

J. Azé and M. Roche, Une application de la fouille de textes : l'extraction des règles d'association à partir d'un corpus spécialisé. Revue RSTI série RIA-ECA, Numéro spécial conférence EGC'03, pp.283-294, 2003.

J. Azé, N. Lucas, and M. Sebag, Fouille de données visuelle et analyse de facteurs de risque médical. Revue RSTI série RIA-ECA, Numéro spécial conférence EGC'03, pp.183-188, 2003.

O. Mathieu-roche, J. Matte-tailliez, Y. Azé, and . Kodratoff, Extraction de la Terminologie du Domaine : Étude de Mesures sur un Corpus Spécialisé Issu du Web, Proceedings of JFT'03 (Journées Francophones de la Toile 2003), pp.279-288, 2003.

M. Sebag, J. Azé, and . Lucas, Apprendre et optimiser la courbe ROC, Proceedings of Conférence d'Apprentissage Plate-forme AFIA 2003, pp.315-330, 2003.

J. Azé and Y. Kodratoff, Évaluation de la résistance au bruit de quelques mesures d'extraction de règles d'association. Revue RSTI-ECA (Numéro spécial EGC, pp.143-154, 2002.

J. Azé, H. Richy, and G. Lorette, Interface-stylo de correction en ligne de documents électroniques : Application aux pages web, Colloque International Francophone sur l'Ecrit et le Document, pp.261-269, 2000.

Y. Kodratoff, O. Matte-tailliez, M. Roche, J. Azé, and A. Amrani, Une chaîne complète pour le traitement de quantités de textes : des textes bruts à l'extraction de l'information, Actes de l'atelier "Acquisition, apprentissage et exploitation de connaissances sémantiques pour l'accès au contenu textuel" à la plateforme AFIA 2003, 2003.

O. Matte-tailliez, M. Roche, J. Azé, and Y. Kodratoff, Extraction automatique de la terminologie en biologie moléculaire : une étape fondamentale pour l'extraction d'information. In Actes de l'atelier "Fouille de textes en génomique, 2003.

A. Guilhot-gaudeffroy, J. Azé, and J. Bernauer, Prediction of protein-nucleic acid interactions : building a scoring function with the Voronoi diagram, Stanford-Sweden multiresolution Molecular simulation workshop, poster, 2011.

T. Bourquard, J. Azé, A. W. Ghoorah, A. Poupon, and D. W. Ritchie, Using Voronoï fingerprints to rescore Hex protein-protein docking models, Colloquium Bioinformatique du LIX, poster, 2010.

C. Rouveirol and . Froidevaux, Learning rules for microbial genome annotation, 7èmes Journées Ouvertes en Biologie, Informatique et Mathématiques (JOBIM), poster, pp.73-74, 2006.

L. Gentils, J. Azé, P. Bessières, J. Gibrat, V. Loux et al., Learning rules for microbial genome annotation, In Automated Function Prediction poster, pp.82-83, 2006.

Y. Kodratoff, O. Matte-tailliez, M. Roche, J. Azé, and A. Amrani, Extraction de règles d'association de concepts à partir de différents corpus spécialisés, plateforme AFIA, 2003.