Pour Johan Mathe, jeune ingénieur diplômé de l’UTC et pas­sion­né par les méth­odes d’optimisation math­é­ma­tique, des prob­lèmes com­plex­es de natures très dif­férentes se résol­vent à l’aide d’une méth­ode sim­i­laire : opti­miser un sys­tème pour fournir un résul­tat accept­able. Un mod­èle qu’il applique pour déplac­er à l’aide du vent des bal­lons antennes pour Google ou pour éla­bor­er un algo­rithme de recon­nais­sance de mal­for­ma­tions car­diaques à par­tir d’ultrasons.

Google ne fait pas comme les autres ? Dans les lab­o­ra­toires de recherche de Google X à San Fran­cis­co, un nou­veau pro­jet acquière ses let­tres de noblesse non pas quand l’équipe de développe­ment réus­sit à démon­tr­er sa fais­abil­ité mais quand elle échoue à démon­tr­er son infais­abil­ité ! « Pour le pro­jet Loon, visant à con­necter les 4 mil­liards de per­son­nes aujourd’hui non con­nec­tées par le biais de bal­lons stratosphériques gon­flés à l’hélium, l’équipe ini­tiale d’une dizaine d’ingénieurs s’est éver­tuée à démon­tr­er l’impossibilité de posi­tion­ner avec suff­isam­ment de pré­ci­sion les cen­taines de bal­lons néces­saires » explique Johan Mathe, diplômé de l’UTC et ancien ingénieur pour l’équipe Loon. 

 Faire vari­er l’altitude pour utilis­er les vents est le seul moyen de déplace­ment dont les ingénieurs dis­posent pour déplac­er et posi­tion­ner avec pré­ci­sion ces bal­lons antennes relais pour la télé­phonie mobile. Pen­dant plusieurs années l’équipe s’est donc éver­tuée, en mod­élisant et en expéri­men­tant, à démon­tr­er l’extrême dif­fi­culté de posi­tion­ner ain­si ces bal­lons d’une quin­zaine de mètres de diamètres et évolu­ant à une ving­taine de kilo­mètres d’altitude. « Le pro­jet a fail­li capot­er car il s’avérait dif­fi­cile d’obtenir une pré­ci­sion de plus de 200 km, alors que ces bal­lons antennes n’émettent que dans un ray­on de 40 km » souligne Johan Mathe. 

 Une approche locale

 Alors que l’équipe est sur la bonne voie pour démon­tr­er l’infaisabilité du pro­gramme, deux inno­va­tions vien­nent chang­er la donne. « La pre­mière idée a con­sisté à prof­iter des couch­es de vents atmo­sphériques en changeant l’altitude du bal­lon afin de lui per­me­t­tre de lou­voy­er » explique Johan Mathe à l’origine de l’algorithme per­me­t­tant au bal­lon de remon­ter un vent a pri­ori con­traire. Maîtris­er ain­si les dif­férentes strates demande une con­nais­sance pré­cise des con­di­tions météorologiques locale. La sec­onde idée con­siste donc à utilis­er des bal­lons équipés de cap­teurs chargés de fournir ces informations. 

Résul­tat, une pré­ci­sion de 500 mètres est atteinte lors d’un vol de 15 jours entre la Nou­velle Zélande et le Chili. Le vol a été pour­suivi pen­dant trois mois, per­me­t­tant au bal­lon de faire plusieurs fois le tour de la terre. 

 Des ballons à la détection de malformations cardiaques

 Un suc­cès pour Google et aus­si pour les méth­odes d’optimisation math­é­ma­tiques mis­es en œuvre par Johan Mathe pour cal­culer des tra­jec­toires dans un con­texte aus­si com­plexe et incer­tain. « Les out­ils d’optimisation util­isés sont sus­cep­ti­bles de s’appliquer à toutes sortes de prob­lèmes de nature très dif­férentes » explique l’ingénieur qui choisit de quit­ter Google pour s’atteler à un tout autre domaine : détecter à l’aide d’outils d’échographie des anom­alies car­diaques afin de prévenir de futures mal­adies. Sen­si­bil­isé sur le sujet par des antécé­dents famil­i­aux, il rejoint alors la start-up Bay­labs dévelop­pant des algo­rithmes de recon­nais­sance basés sur des procédés de « deep learn­ing », des méth­odes d’ap­pren­tis­sage automa­tique inno­vantes. « Ces procédés s’appuient sur des out­ils de recon­nais­sance visuelle très per­for­mants, aujourd’hui util­isés dans des domaines aus­si var­iés que le développe­ment de véhicules autonomes ou les logi­ciels de ges­tion de pho­tos » souligne Johan Mathe. Pour lui, recon­naître une anom­alie con­siste alors à opti­miser un résul­tat par­mi un ensem­ble de possibles. 

 L’échographie étant un moyen peu onéreux d’investigation, le développe­ment d’un out­il de recon­nais­sance capa­ble d’aider des prati­ciens non spé­cial­isés, comme les médecins général­istes, à détecter facile­ment des anom­alies car­diaques con­stitue une avancée non nég­lige­able. D’autant que les mal­adies du cœur con­stituent une impor­tante cause de mor­tal­ité et que de nom­breuses anom­alies ne sont aujourd’hui détecta­bles qu’à l’aide d’outils onéreux, maniés par des spécialistes. 

De la télé­phonie par bal­lons stratosphériques à la détec­tion de mal­for­ma­tions du cœur, l’optimisation math­é­ma­tique mon­tre toute sa magie en four­nissant un même for­mal­isme sus­cep­ti­ble d’appréhender des réal­ités physiques très différentes.