En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal AgroParisTech Université Paris Saclay

MIA Paris

Laure Sansonnet

Maître de conférences
Équipe SOLsTIS

UMR AgroParisTech / INRAE MIA-Paris

AgroParisTech
16 rue Claude Bernard
75005 Paris

E-mail : laure.sansonnet -- @ -- agroparistech.fr
Tél. : +33 (0) 1 44 08 17 47

Publications

  1. M. Gomtsyan, C. Lévy-Leduc, S. Ouadah and L. Sansonnet Variable selection in sparse GLARMA models  Soumis [arXiv: 2007.08623], 2020.
  2. C. Denis, E. Lebarbier, C. Lévy-Leduc, O. Martin and L. Sansonnet A novel regularized approach for functional data clustering: An application to milking kinetics in dairy goats Journal of the Royal Statistical Society: Series C (Applied Statistics) 69(3): 623-640 [DOI: 10.1111/rssc.12404], 2020.
  3. M. Grandclaudon, M. Perrot-Dockès, C. Trichot, L. Karpf, O. Abouzid, C. Chauvin, P. Sirven, W. Abou-Jaoudé, F. Berger, P. Hupé, D. Thieffry, L. Sansonnet, J. Chiquet, C. Lévy-Leduc and V. Soumelis A quantitative multivariate model of human dendritic cell-T helper cell communication Cell 179(2): 432-447 [DOI: 10.1016/j.cell.2019.09.012], 2019.
  4. X. J. Hunt, P. Reynaud-Bouret, V. Rivoirard, L. Sansonnet and R. Willett A data-dependent weighted LASSO under Poisson noise IEEE Transactions on Information Theory 65(3): 1589-1613 [DOI: 10.1109/TIT.2018.2869578], 2019.
  5. M. Perrot-Dockès, C. Lévy-Leduc, J. Chiquet, L. Sansonnet, M. Brégère, M.-P. Étienne, S. Robin and G. Genta-Jouve A variable selection approach in the multivariate linear model: an application to LC-MS metabolomics data Statistical Applications in Genetics and Molecular Biology 17(5) [DOI: 10.1515/sagmb-2017-0077], 2018.
  6. M. Perrot-Dockès, C. Lévy-Leduc, L. Sansonnet and J. Chiquet Variable selection in multivariate linear models with high-dimensional covariance matrix estimation Journal of Multivariate Analysis 166: 78-97 [DOI: 10.1016/j.jmva.2018.02.006], 2018.
  7. V. Brault, S. Ouadah, L. Sansonnet and C. Lévy-Leduc Nonparametric multiple change-point estimation for analyzing large Hi-C data matrices Journal of Multivariate Analysis 165: 143-165 [DOI: 10.1016/j.jmva.2017.12.005], 2018.
  8. F. Roueff, R. von Sachs and L. Sansonnet Locally stationary Hawkes processes Stochastic Processes and their Applications 126(6): 1710-1743 [DOI: 10.1016/j.spa.2015.12.003], 2016.
  9. L. Sansonnet and C. Tuleau-Malot A model of Poissonian interactions and detection of dependence Statistics and Computing 25: 449-470 [DOI: 10.1007/s11222-013-9443-z], 2015.
  10. L. Sansonnet Wavelet thresholding estimation in a Poissonian interactions model with application to genomic data Scandinavian Journal of Statistics 41(1): 200-226 [DOI: 10.1111/sjos.12009], 2014.