Anna Bonnet

Research

My research interests focus mainly on statistical inference for point processes, in particular Hawkes processes. I develop statistical methods motivated by applications in life science: ecology, neuroscience, genetics, microbiota... Recently, I have also been interested in inference for latent variable models. I defended my Habililitation to supervize research (HDR) in October 2026.

Hawkes process with a diffusion-driven baseline: long-run behavior, inference, statistical tests, M. Sadeler Perrin, A. Bonnet, C. Dion-Blanc, A. Samson Submitted, 2026
Hawkes Processes with Variable Length Memory: Existence, Inference and Application to Neuronal Activity, S. Quayle, A. Bonnet, M. Sangnier, Submitted, 2026
Markov switching discrete-time Hawkes process: application to the monitoring of bats behavior, A. Bonnet, S. Robin, Submitted, 2026
Independent Component Discovery in Temporal Count Data , A. Chaussard, A. Bonnet, S. Le Corff, ICML , 2026
TaxaPLN: a taxonomy-aware augmentation strategy for microbiome-trait classification including metadata, A. Chaussard, A. Bonnet, S. Le Corff, H. Sokol, BMC Bioinformatics, 2025
Tree-based variational inference for Poisson log-normal models, A. Chaussard, A. Bonnet, E. Gassiat, S. Le Corff, Statistics and Computing, 2025
Nonparametric estimation of Hawkes processes with RKHSs, A. Bonnet, M. Sangnier, AISTATS, 2025
Testing procedures based on maximum likelihood estimation for Marked Hawkes processes, A. Bonnet, C. Dion-Blanc, M. Sadeler Perrin, Computational Statistics, 2025
Spectral analysis for noisy Hawkes processes inference, A. Bonnet, F. Cheysson, M. Martinez Herrera, M. Sangnier, Scandinavian Journal of Statistics, 2025
Inference of multivariate exponential Hawkes processes with inhibition and application to neuronal activity, A. Bonnet, M. Martinez Herrera, M. Sangnier, Statistics and Computing, 2023
Uniform Deconvolution for Poisson Point Processes, A. Bonnet, C. Lacour, F. Picard, V. Rivoirard, Journal of Machine Learning Research, 2022. The code is available here.
Neuronal Network Inference and Membrane Potential Model using Multivariate Hawkes Processes, A. Bonnet, C. Dion-Blanc, F. Gindraud, S. Lemler, Journal of Neuroscience methods, 2022
Maximum Likelihood Estimation for Hawkes Processes with self-excitation or inhibition, A. Bonnet, M. Martinez Herrera, M. Sangnier, Statistics and Probability Letters, 2021
Modeling genomic interactions with the Hawkes model, A. Bonnet, V. Rivoirard, F. Picard, 2018
Heritability estimation in case-control studies, A. Bonnet, Electronic Journal of Statistics, 2018
Improving heritability estimation by a variable selection approach in sparse high dimensional linear mixed models, A. Bonnet, C. Lévy-Leduc, E. Gassiat, R. Toro, T. Bourgeron, Journal of the Royal Statistical Society, Series C (Applied Statistics), 2018
Heritability estimation in high dimensional sparse linear mixed models, A. Bonnet, E. Gassiat, C. Lévy-Leduc, Electronic Journal of Statistics, 2015

Students

PhD Students:

2024- : Sacha Quayle, co-advised with Maxime Sangnier
2024- : Maya Sadeler, co-advised with Charlotte Dion-Blanc and Adeline Samson
2023-2026 : Alexandre Chaussard, co-advised with Sylvain Le Corff and Harry Sokol
2021-2024 : Miguel Martinez Herrera, co-advised with Maxime Sangnier

Master Students:

2026: Paul Poupeau (M2)
2024: Sacha Quayle (M2), Maya Sadeler (M2)
2023: Alexandre Chaussard (M2)
2022: Noah Veytizouh-Bensoussan (L3)
2020: Emre Anakok (M1), Miguel Martinez Herrera (M2)
2019: Arnaud Trog (M1)

Teaching

Avec Félix Cheysson, Céline Duval et Marie Perrot-Dockès, nous avons monté un groupe de travail pour proposer et partager du matériel pédagogique qui utilise des bases de données en lien avec l'environnement ou le climat. Si le projet vous intéresse, n'hésitez pas à nous contacter ! Voici quelques jeux de données sur lesquels on a travaillé, ainsi que les supports que j'ai rédigés avec Marie Perrot-Dockès :
- Jour du dépassement : TP en R sur la régression linéaire et l'ANOVA, illustré sur les données de Global Footprint Network, qui compare l'empreinte écologique des différents pays
- Alimentation et environnement : TP de statistique descriptive en R et Python, illustrés sur les données Agribalyse de l'ADEME, qui étudie l'impact écologique de l'alimentation
Depuis 2018, j'enseigne et je coordonne les enseignements de mathématiques dans le DU RESPE (Retour aux Etudes Supérieures pour les Personnes Exilées). L'objectif est de proposer une remise à niveau d'un an pour préparer la reprise d'études en France.
- La page du cours de maths contient les différents supports (niveau lycée, adaptés à un public avec un niveau de français B1-B2), rédigés avec l'aide d'enseignants actuels ou anciens du DU RESPE : Nastassia Pouradier-Duteil, Adeline Fermanian, Miguel Martinez Herrera, Anne-Elisabeth Falq...
- Le site web du DU , co-dirigé par Clémentine Vignal et Cécile Braunstein, contient toutes les informations sur la formation.
Autres supports de cours :
- Mise à niveau en R pour le M2 de Statistique de Sorbonne Université.
- Slides d'un cours d'introduction à l'IA, donné dans le cadre d'une école d'été organisée par SCAI pour des lycéennes.
- Notebook et Corrigé sur la simulation et l'estimation de processus de Hawkes en Python.

Research

Responsibilities

Students

Teaching

Outreach