Return to site

INTERVIEW Pierre ALQUIER - Chercheur

1. Quel est votre parcours et quand avez-vous décider de "faire des maths" ? Une rencontre ? Une évidence ?
Quand j'étais au lycée, j'étais fasciné par les sciences, et en particulier par les expériences incroyables qui sont faites en astrophysique et en physique des particules. Je rếvais de devenir physicien et d'aller bosser au CERN (aujourd'hui encore je place le LHC parmi les quelques réalisations humaines les plus incroyables au même titre les pyramides d'Egypte). Et puis, il y a eu trois profs de maths géniaux en terminale, maths sup et maths spé, et je me suis rendu compte que j'étais beaucoup plus à l'aise pour penser les mathématiques que la physique. J'ai intégré l'ENSAE (Ecole Nationale de la Statistique et de l'Administration Economique), qui a été une super formation en statistique et mathématiques appliquées. Mais dès le jour où j'y suis entré, je savais que je n'avais pas envie de m'arrêter là et que je continuerais en thèse. J'ai donc fpassé mon doctorat sur la statistique théorique pour le machine learning à l'Université Pierre et Marie Curie, et puis j'ai commencé à bosser comme enseignant chercheur, d'abord à l'Université Paris Diderot, ensuite à l'UCD Dublin en Irlande, et puis je me suis finalement retrouvé prof à l'ENSAE en 2014.

Quand je regarde en arrière, j'ai l'impression que quel que soit le projet que l'on ait, il faut s'attendre à ce qu'il change en cours de route. Et que c'est tant mieux! Parce que la science évolue, et les sujets sur lesquels il est intéressant de travailler aujourd'hui ne sont pas forcément ceux sur lesquels ont bossé des années avant ceux qui ont suscité nos vocations. J'ai aussi l'impression d'avoir eu énormément de chance de rencontrer au début de ma thèse des gens (dont mon directeur) qui avaient réalisé qu'il était très important d'étudier le machine learning. A l'époque, on était pas si nombreux, mais il n'y a qu'à voir ce que c'est devenu maintenant!

2. Quel est votre quotidien de chercheur et d'enseignant ?

Il y a un peu de temps passé à donner des cours, et beaucoup plus passé à les préparer. Et la préparation est passionante. Quand on enseigne un sujet aussi récent, il n'y a pas de "programme officiel", chaque enseignant doit décider lui-même de ce qui est important et établir son propre programme, avec son propre point de vue. Normalement, le reste du temps est consacré à la recherche: réfléchir à des moyens d'améliorer certaines méthodes; faire, seul ou avec des collaborateurs, des calculs pour montrer que ça marche; assister à des séminaires pour apprendre en permanence de nouvelles méthodes, et donner moi-même des séminaires pour présenter les résultats de mes propres recherches.

Ca, c'est l'idéal. En pratique, il y a beaucoup trop de temps passé sur des tâches administratives. Pour que les laboratoires aient suffisamment d'argent, il faut en permanence rédiger des demandes de financement. C'est normal de contrôler que les laboratoires obtiennent des résultats avec l'argent qui leur est versé. Mais le niveau actuel de contrôle est totalement contre-productif: on passe plus de temps à rédiger des demandes et des rapports pour justifier notre travail, qu'à le faire effectivement. C'est un énorme gâchis de ressources. Ceci étant dit, je ne veux pas donner tableau trop sombre du monde de la recherche: je crois que c'est un mal qui touche beaucoup de métiers aujourd'hui, mais ça n'empêche pas de dire que c'est un problème très sérieux et qu'il faudrait y remédier.

3. Il y a encore des choses à trouver en maths ?

Tout le monde a déjà entendu parler de certains problèmes non résolus en maths: pensez au théorème de Fermat, resté non prouvé pendant plus de 3 siècles avant d'être démontré par Andrew Wiles dans les années 1990. Il y a des tas de problèmes de ce genre non résolus: l'hypothèse de Riemann par exemple. Mais en plus, l'évolution des sciences et de la technologie pose tous les jours de nouveaux problèmes aux mathématiciens. Par exemple, la théorie sur laquelle je travaille, la théorie du machine learning, explique pourquoi certains algorithmes sont capables d'apprendre à généraliser à partir d'exemples. Eh bien, aujourd'hui, les algorithmes qui généralisent le mieux, ce sont les réseaux de neurones, et cette théorie n'explique toujours pas très bien pourquoi ils marchent!

A ce propos, une idée reçue fausse: on s'imagine souvent que les maths, ça consiste juste à résoudre des problèmes, parfois très difficiles comme le théorème de Fermat. Mais ce qui fait la difficulté en recherche, ça n'est pas toujours de résoudre le problème une fois qu'il est posé. C'est avant tout de trouver quel est le problème important à résoudre pour faire avancer les choses!

4. Vous travaillez sur un sujet très populaire en ce moment : le traitement de gros volumes de données. Que pensez-vous de l'évolution ces dernières années du domaine, et quels impacts voyez-vous au quotidien et pour l'avenir ?

Entre le moment où j'ai commencé ma thèse et maintenant, il y a eu une évolution incroyable: un tel engouement des industries et des pouvoirs publics a entraîné une grande évolution des moyens, le nombre d'étudiants dans certains masters a été multiplié par 10... c'est certes très bien, mais c'est aussi risqué de tout miser sur un seul sujet. Il ne faut pas abandonner la recherche sur d'autres domaines des mathématiques et des sciences en général.

Toute cette recherche aura des retombées positives sur la vie de tous les jours: les domaines de la santé, des transports en commun par exemple vont bénéficier énormément des récents progrès en intelligence artificielle. Mais il y aura aussi beaucoup de nuisances. La publicité va devenir beaucoup plus intrusive, par exemple. C'est important de se protéger.

5. Quel est votre prochain défi ?

J'utilise le mot "défi" quand je fais du sport: pour moi ça veut dire me battre contre moi-même, dont c'est un jeu et ça n'est pas si important pour le reste du monde, au final. Pour mes recherches, et mon travail, je préfère parler d'objectifs: si je les réalise, j'espère que ça bénéficiera à plus de monde qu'à moi seul! J'ai quelques objectifs concernant ma recherche actuelle. Je travaille sur une famille d'algorithmes appelés "approximations variationelles", ces méthodes sont très utilisées en pratique mais on commence tout juste à comprendre pourquoi elles marchent, et j'ai très envie de continuer à comprendre pourquoi!

Ma recherche ayant été très théorique jusqu'ici, j'ai aussi envie de travailler sur des problèmes plus appliqués, en statistiques pour la médecine par exemple, ou pour l'industrie.

Une dernière chose très importante pour moi: la communication sur les sciences. On ne forme pas assez de scientifiques aujourd'hui. Les étudiants sont mal orientés, on ne leur dit pas assez les connaissances dont le monde a besoin. Faire des maths, c'est important, pour être mathématicien, mais aussi pour faire de la physique, de la biologie, de l'économie, de l'informatique... On ne peut pas comprendre les grands problèmes du monde sans une formation scientifique. Je veux aller dire ça aux jeunes. Je veux aussi leur dire de ne pas s'auto-censurer dans leur choix. Par exemple, combien de fois j'ai entendu des lycéens de milieux modestes dire "une prépa, c'est pas pour moi, je serai jamais pris" alors qu'il y a des places libres dans certaines prépas tous les ans! Il faut tenter, apprendre, progresser. Bref, je ne sais pas sous quelle forme ce sera, mais c'est une chose à laquelle je réfléchis beaucoup.

6. Tenté par l'industrie des GAFA ?

Il ne faut jamais dire jamais, mais, pour le moment, non. D'abord, je me sens bien dans mon travail actuel. C'est vrai que parfois, je suis tenté d'aller vers des problèmes plus appliqués, ce qui pourrait se faire en partant dans un centre de recherche et développement d'une entreprise privée. Mais il y a plein d'autres industries qui ont besoin de statistique et de machine learning: AIRBUS, par exemple, va collaborer avec des data scientists de l'institut 3IA de Toulouse sur les problèmes posés par les IA embarquées. L'industrie pharmaceutique a toujours besoin de statisticiens. Et EDF a de très grandes équipes de recherche en statistiques pour prédire correctement la consommation d'électricité et éviter le gaspillage d'énergie. Je trouve que ce sont des sujets extrêmement importants pour la société, il n'y a pas que les GAFA dans la vie d'un stateux!

Merci Pierre ! :)

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