Mathilde Mougeot, titulaire de la chaire "Industrial Data Analytics & Machine Learning"

Mathilde Mougeot, vous êtes titulaire de la chaire "Industrial Data Analytics & Machine Learning" (IdAML) depuis 2018. Qu'est-ce qui vous a plu dans ce projet ?

C'est un projet complet qui a pour objectif de créer autour de l'ENS Paris-Saclay un écosystème favorable au développement  de nouvelles méthodes mathématiques basées sur des techniques d'apprentissage machine pour répondre à des questions qui ont un lien avec des applications industrielles. Dès les premières discussions, les partenaires de ce projet : Atos, le CEA et Bertin Technologies ont affirmé leur volonté de soutenir la chaire autour de trois axes : l'enseignement, la recherche scientifique, et l'animation de la recherche.

Le soutien, à la fois de la partie enseignement et recherche, me paraissait juste et très important. La perspective de pouvoir créer de la valeur pour des applications industrielles françaises m'a beaucoup plu. Deux grands groupes français intéressés par le projet porté par la chaire IdAML doivent rejoindre très prochainement la chaire.

Dans mon parcours professionnel, j'ai eu l'opportunité de travailler à la fois dans l'industrie, dans l'enseignement et la recherche, et de participer à la création d'une start-up. Le fait de contribuer au développement de cette alchimie regroupant étudiants, chercheurs et use-cases industriels, favorable à l'innovation de rupture, à la création de valeur, correspondait à mes attentes.

Étiez-vous déjà impliquée dans ce projet de chaire à ses débuts ?

J'ai participé avec Nicolas Vayatis aux premières discussions entre l'ENS Paris-Saclay, Atos et le CEA. En septembre 2017, j'ai rejoint l'ENSIIE qui venait de créer, avec l'appui du CEA, une filière d'enseignement autour du calcul haute performance. En 2018, l'ENSIIE et Bertin Technologies ont rejoint ce projet et je suis devenue titulaire de la chaire IdAML.

Comment cette chaire est-elle structurée ?

Au CMLA (Centre de Mathématiques et de Leurs Applications), l'équipe de la chaire IdAML est composée de Nicolas Vayatis, professeur à l'ENS Paris-Saclay, de Julien Audiffren et Argyris Kalogeratos, chercheurs séniors arrivés en septembre 2018 dans la chaire, et de moi-même. Plusieurs doctorants préparent actuellement des thèses au CMLA en relation avec les problématiques liées aux thématiques scientifiques de la chaire. Nous sommes en relation étroite avec un correspondant, pour chacun des partenaires Atos, Bertin Technologies, CEA, ENS Paris-Saclay, ENSIIE.

French-German Summer School on Transfer Learning: from Theory to Applications - 4/06/2018 - ENS Paris-Saclay

Quel est le rôle de chaque établissement impliqué (Atos/Bertin Technologies/CEA/ENS Paris-Saclay/ENSIIE) ?

L'ENS Paris-Saclay est très impliquée dans la formation des étudiants, au sein du Master MVA Mathématiques, vision, apprentissage, l'ENSIIE dans la formation autour du calcul haute performance. Atos, le CEA et Bertin Technologies nous aident à avoir accès à des use-cases, à des données. Tous ces échanges font émerger de nouvelles questions, véritables moteurs du développement scientifique.

Pouvez-vous nous en dire plus sur votre rôle, vos missions, au sein de cette chaire ?

Je travaille autour des trois axes retenus : enseignement, recherche scientifique et animation de la recherche. Par exemple le Master Mathématiques, vision, apprentissage vient de créer un parcours MVA Start-up que j'ai pris en charge. L'objectif de ce parcours est d'accompagner les étudiants qui ont créé une start-up en leur proposant un projet adapté à leurs besoins mais aussi des rencontres professionnelles autour de questions juridiques ou éthiques en science des données. Pour l'ENSIIE, nous développons des cours proposés par les partenaires de la chaire.

Quelles actions à l'international ont été menées ? Quels sont les projets pour 2019 ?

Les partenaires de la chaire nous ont aidés à développer des relations privilégiées avec l'université de Passau en Allemagne et avec la société Siemens. En juin 2018, la chaire a co-organisé avec l'université de Passau une école d'été franco-allemande sur l'apprentissage par transfert : théorie et applications qui s'est tenue sur le campus de l'ENS Paris-Saclay. La prochaine édition aura lieu à Passau, en Allemagne du 3 au 6 juin 2019 et aura pour thème scientifique l'apprentissage par transfert avec en perspective des applications industrielles.

Nous avons également mis en place depuis la création de la chaire un projet Erasmus+ et un double diplôme entre l'ENSIIE et l'université de Passau, pour favoriser les échanges d'étudiants entre la France et l'Allemagne.

Nous allons prendre en charge l'organisation du challenge Industrie qui sera lancé par la région Ile-de-France au printemps 2019 autour de l'intelligence artificielle et destiné aux start-ups, en collaboration avec Atos, un des partenaires de la chaire. Enfin, une conférence sur les "éléments mathématiques pour l'IA" sera organisée par la chaire et l'ENS Paris-Saclay les 14 et 15 mai 2019. L'invité d'honneur sera Robert Azencott, ancien professeur du CMLA ayant initié de nombreux travaux en intelligence artificielle.

Vous avez participé à la création de la startup Miriad Technologies fondée par Robert Azencott, pionnier et visionnaire dans l'utilisation d'éléments mathématiques pour l'apprentissage machine et l'intelligence artificielle. Quelles ont été vos activités au sein de cette start-up ?

En 1999, je me suis mise en disponibilité de mon poste de maître de conférences pour participer à la création de Miriad Technologies. J’étais principalement responsable des études de faisabilité et j'apportais un soutien technique et scientifique au département commercial. Une des réalisations dont je suis le plus fière est le développement d’un logiciel de surveillance et de diagnostic des compresseurs pour Air Liquide [1]. Après une preuve de l’intérêt de la méthode proposée (proof of concept), nous avons été amenés à développer un logiciel pilote qui a été installé pendant six mois à Dunkerque sur un site industriel. En visite sur ce site industriel, un responsable de la filiale Air Liquide America a été intéressé par l'application. Six mois après, nous déployions ce logiciel sur le site opérationnel de Houston, qui supervise l’ensemble des compresseurs de la côte sud-ouest des États-Unis.

Cela a été une expérience absolument unique, et la preuve par l’exemple que des logiciels fondés sur des méthodes d’apprentissage statistique pouvaient servir dans l’industrie et apporter une aide au diagnostic en temps réel.

Qu’est-ce que cette expérience vous a apporté aujourd’hui dans votre métier d’enseignant-chercheur ?

Après mon passage dans le privé, j'ai revu ma manière d'enseigner en "ancrant" systématiquement les concepts enseignés dans une application réelle, et ceci, même à partir de la licence. Aujourd’hui, je ne peux plus introduire un concept de statistique sans faire un lien avec les applications industrielles que j’ai traitées et sans indiquer aux étudiants les différents métiers et domaines où un travail – passionnant ! – sur les données les attend.

Je m’efforce également de présenter aux étudiants des applications potentielles (en devenir) : des applications qui peuvent se développer autour des données, comme par exemple les données liées à l’« Internet des objets » où les métiers de demain sont à construire.

[1] Références : Mathilde Mougeot, Gilles Soltz. La statistique connectée. Statistique et Enseignement, SFdS 2015