JAMMELI Haïfa
Professeur Assistante
Professeur Assistante
Title : Professeure Assistante
Département : Management & Stratégie
Biographie : Docteure en Informatique de Gestion (Institut Supérieur de Gestion de Tunis, 2021) et spécialisée en recherche opérationnelle et intelligence artificielle, Haïfa JAMMELI développe une double expertise scientifique et industrielle à la croisée des méthodes quantitatives avancées et de leur application aux défis concrets des organisations.
Passionnée par le pouvoir transformateur des algorithmes et de l'optimisation sur les systèmes complexes, elle consacre ses recherches à une question fondamentale : comment l'intelligence artificielle peut-elle aider les organisations à prendre de meilleures décisions, plus rapidement, en contexte d'incertitude ? Cette conviction guide aussi bien ses travaux de recherche que sa démarche pédagogique.
Son programme de recherche s'organise autour de trois axes complémentaires : l'optimisation multi-objectifs des systèmes logistiques urbains durables (VRP stochastique, distribution à deux niveaux, smart city), l'apprentissage automatique préservant la confidentialité (federated learning, détection de fraude, analytique financière), et l'analyse comportementale et organisationnelle par méthodes d'IA (prédiction de décrochage, aversion algorithmique, gouvernance de l'IA). Ses travaux ont été publiés dans Annals of Operations Research, IEEE Transactions on Engineering Management et Operational Research, et ont été conduits en collaboration avec des collectivités territoriales, des opérateurs de transport et des partenaires académiques internationaux (France, Hongrie, Tunisie, Bahreïn).
Elle est également fondatrice de Solivya Consulting, cabinet spécialisé en optimisation opérationnelle et analytique de données, où elle accompagne les organisations dans leur transformation numérique et la mise en œuvre de solutions d'IA actionnables. Son expérience de six ans en R&D industrielle chez Normasys (Paris) lui a permis de piloter des projets à fort impact sur des réseaux urbains réels.
Son approche pédagogique est fondée sur l'apprentissage par les données réelles, la résolution de problèmes concrets et la mise en situation managériale. À NEOMA Business School, où elle enseigne entièrement en anglais à des cohortes internationales, à l'Université Paris Nanterre et à FERRANDI Paris (Supply Chain Management et Logistique), elle forme des décideurs capables de comprendre, d'évaluer et de déployer des solutions d'IA dans des contextes professionnels réels, et pas seulement de les subir.
Son double ancrage, rigueur scientifique et expérience industrielle, lui confère une vision à 360° de l'IA appliquée aux entreprises, à la croisée de l'excellence académique, de l'innovation pédagogique et des exigences opérationnelles du marché.
Publications :
Articles dans des revues internationales à comité de lecture
[J1] Jammeli, H., & Verny, J. (2025). A multi-objective model for two-level distribution system in the city of Paris. Annals of Operations Research. ABS 3 · FNEGE 3 · doi:10.1007/s10479-025-06844-w
[J2] Alaya, H., Jammeli, H., Ben Abdelaziz, F., Masmoudi, M., & Verny, J. (2024). A multi-objective transportation model for COVID-19 patients: lesson learned from France. International Transactions in Operational Research, 32(4), 2139–2158. ABS 2 · doi:10.1111/itor.13447
[J3] Jammeli, H., Ksantini, R., Ben Abdelaziz, F., & Masri, H. (2021). Sequential Artificial Intelligence Models to Forecast Urban Solid Waste in the City of Sousse. IEEE Transactions on Engineering Management, 70(5), 1912–1922. ABS 3 · doi:10.1109/TEM.2021.3081609
[J4] Jammeli, H., Argoubi, M., & Masri, H. (2021). A bi-objective stochastic programming model for the household waste collection and transportation problem. Operational Research, 21(3), 1613–1639. ABS 2 · FNEGE 3 · doi:10.1007/s12351-019-00538-5
[J5] Argoubi, M., Jammeli, H., & Masri, H. (2020). The intellectual structure of the waste management field. Annals of Operations Research, 294, 655–676. ABS 3 · FNEGE 3 · doi:10.1007/s10479-020-03570-3
Chapitre d’ouvrage / Book chapter
[B1] Alaya, H., Youssef, M., & Jammeli, H. (2024). Deep Learning for Stock and Cryptocurrency Returns Prediction: A Survey. In: Forging Bridges between AI and Operations Research — Applications in Healthcare and Supply Chain Management. Springer.