Université de l'Assomption au Congo

18/06/2026

Le Bureau du Jury organise ce samedi 20 juin 2026 une mise au point à l’intention des finalistes sur la projection des activités de fin d’année 2025-2026. Pour en savoir plus, cliquez ici https://uaconline.edu.cd/lecture?uacnews=387

12/06/2026

: L'Université de l'Assomption au Congo (UAC), à travers sa Faculté des Sciences et Technologies, a pris part à la 3e Conférence AfroSAFE 2026, organisée à Lusaka du 8 au 12 juin 2026. Cette rencontre internationale réunit des chercheurs, des ingénieurs, des agences routières et des partenaires académiques engagés dans la construction de systèmes de sécurité routière plus durables pour l’Afrique. Pour en savoir plus, https://uaconline.edu.cd/lecture?uacnews=386

11/06/2026

L’Université de l’Assomption au Congo (UAC) annonce l’ouverture prochaine des candidatures pour son nouveau Master en Ingénierie de Transport, orientation Ingénierie des systèmes de transport routier. Ce programme est développé dans le cadre du projet AfroTrans, une initiative internationale de renforcement des capacités et de modernisation de l’enseignement supérieur en Afrique subsaharienne. Des candidatures sont attendues pour la rentrée académique 2026-2027 prévue en Octobre 2026, conformément au calendrier de la tutelle. Pour en savoir plus, https://uaconline.edu.cd/lecture?uacnews=384

10/06/2026

Une étude portant le titre: "Apprentissage profond explicable et robuste pour la classification des maladies des feuilles de bananier : étude comparative de MobileNet, ResNet50 et EfficientNetB0 avec cartographie d'activation de classe pondérée par gradient (Grad-CAM) et validation statistique" vient d'être publiée par les chercheurs de l'UAC.

Cette recherche montre la culture de la banane est fortement affectée par les maladies fongiques et foliaires, entraînant des pertes de rendement considérables à l'échelle mondiale. Les auteurs pensent qu'une détection précoce et précise est essentielle pour une gestion durable des cultures. Cette étude présente une évaluation comparative de trois architectures de réseaux neuronaux convolutifs (MobileNet, ResNet50 et EfficientNetB0) pour la classification automatisée des maladies des feuilles de bananier à l'aide du jeu de données BananaLSD. Ce jeu de données comprend quatre classes : la tache foliaire à Cordana, la tache foliaire à Pestalotiopsis, la cercosporiose noire et les feuilles saines. Afin d'améliorer la robustesse, une fonction de perte focale et un module d'attention par blocs convolutifs sont intégrés dans une variante améliorée de MobileNet. L'interprétabilité du modèle est obtenue grâce à la cartographie d'activation de classe pondérée par gradient (Grad-CAM), tandis que sa robustesse est évaluée par validation croisée stratifiée à 5 plis. La significativité statistique est évaluée à l'aide des tests de McNemar et de Cochran (Q). Les résultats montrent que ResNet50 atteint la meilleure précision (99,24 %) et la plus grande aire sous la courbe (0,9997), tandis que MobileNet offre des performances comparables (précision de 99,08 % ; aire sous la courbe = 0,9993) avec un coût de calcul nettement inférieur. La validation croisée confirme la stabilité de MobileNet (0,9915 ± 0,0066). L'analyse statistique révèle des différences globales significatives entre les modèles (Q = 29,65, p < 0,001), mais aucune différence significative entre MobileNet et ResNet50 (p = 0,625). Les visualisations GradCAM confirment une localisation des lésions biologiquement pertinente. Ces résultats mettent en évidence MobileNet comme une solution efficace et fiable pour la détection en temps réel des maladies du bananier. Pour en savoir plus, cliquez ici : https://doi.org/10.7759/s44389-026-00114-x

09/06/2026

Nous présentons nos sincères félicitations à nos étudiants qui ont soutenu leurs mémoires en Philosophie ce samedi 6 juin 2026.

07/06/2026

04/06/2026

: Voici quelques images prises lors de la rencontre amicale entre Université de l'Assomption au Congo et University of Dar es Salaam