Return to site

Christian Paroissin

Chercheur, membre du laboratoire de maths de l'UPPA

INTERVIEW

> Pouvez-vous présenter votre parcours ?

Après un DEA de statistique et modèles aléatoires en économie et finance à Paris, j'ai continué en thèse sur le domaine des probabilités appliquées (toujours à Paris). Bien que purement académique, les modèles étudiés prenaient leur inspiration dans des préoccupations industrielles. Une fois la thèse soutenue, j'ai fait un séjour post-doctoral pendant 6 mois à Santiago, au Centre de Modélisation Mathématique (CMM) de l'Université du Chili. Le CMM est un des premiers laboratoires reconnus par le CNRS hors de France. Une super expérience, et d'excellentes conditions de travail ! Puis, j'ai obtenu un poste de maître de conférences à l'UPPA.

> Quel est votre sujet de prédilection en maths ? Sur quoi portent vos recherches ?

De manière globale, mes recherches portent sur les probabilités et statistique appliquées. Pour moi, les applications sont importantes dans ce domaine et ne peuvent pas être négligées. Le Laboratoire de Mathématiques et de leurs Applications - Pau (LMAP), là où je fais ma recherche, a d'ailleurs une spécificité dans le paysage universitaire français : le nombre de contrats de collaboration de recherche avec les entreprises et les thèses CIFRE y sont importants. Beaucoup d'entre nous ont donc ce goût des applications. En ces temps de rigueur budgétaire (baisse des moyens récurrents), cela a son importance...

L'essentiel des applications sur lesquelles je travaille se trouvent dans l'industrie : fiabilité et sûreté de fonctionnement (analyse des durées de vie, politique de remplacement et de maintenance, étude de disponibilité, par exemple), contrôle qualité, etc. C'est dans ce cadre là que j'ai pu travailler avec de grandes entreprises, implantées localement (comme TOTAL et Safran Helicopter Engines) ou pas (comme EDF R&D). Mais, par curiosité (une qualité à cultiver pour un chercheur ?), j'ai aussi eu l'opportunité de travailler avec des biologistes et des médecins.


> Selon vous, comment les modèles mathématiques peuvent-ils être utiles aux entreprises et industries ?

Il est difficile de répondre à cette question en abordant les mathématiques dans son ensemble. Néanmoins, schématiquement, les modèles mathématiques permettent de mieux comprendre des phénomènes, ceux-ci pouvant se retrouver liés aux activités d'une entreprise. Mieux comprendre ces phénomènes permet aux entreprises, par exemple, d'améliorer la performance d'un produit, d'assurer une meilleur qualité de conception, etc. Par exemple, modéliser les écoulements et la dynamique des fluides dans un turbomoteur, cela permet d'améliorer son rendement énergétique. Étudier les données issues d'un retour d'expérience peut aider à prendre des décisions sur les actions optimales de maintenance à mener tout en conservant des niveaux élevés de sécurité. Les entreprises et industries ont donc tout intérêt à travailler avec les universitaires, et inversement !


> Quelle conviction pourriez-vous partager sur l’avenir du Machine Learning ?

Vaste question... puisque cela suppose de définir d'abord le machine learning. Je ne sais pas si deux personnes prises au hasard et censés travailler sur le sujet en donneraient la même définition (au moins, dans les grandes lignes). Je trouve que, dans le machine learning, on retrouve à la fois de vieilles techniques et des plus modernes. De manière indéniable, l'essor du machine learning est à relier aux développements techniques informatiques (matérielles et logicielles). En conséquence, le machine learning a encore un long avenir devant lui, avec le développement de nouvelles méthodes statistiques alliées à des moyens informatiques de plus en plus performants. Cependant, pour moi, la "révolution" du machine learning est plus dans la démarche que dans les méthodes statistiques ou les développements informatiques. Avant, c'était plus l'ère de la débrouille. Maintenant, les données sont au cœur d'une démarche plus globale, plus intégrée, allant de la collecte des données (avec éventuellement leurs diversités) à une exploitation finale en passant par l'analyse statistique et la visualisation. Les entreprises ont bien compris les enjeux derrière ce paradigme et c'est pourquoi on voit apparaître depuis quelques années des profils hybrides, mélangeant des compétences en statistique et en informatique, mais aussi des connaissances métiers.

Merci !

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OKSubscriptions powered by Strikingly