Prix de l'AMIES 2025 | Antoine De Mathelin : développer des modèles de machine learning pour optimiser la conception de produits industriels

Parrainé par les sociétés savantes Société Française de Statistique (SFDS), la Société de Mathématiques Appliquées et Industrielles (SMAI) et la Société Mathématique de France (SMF), le prix de thèse 2025 a été remis lors de la 14^èmeédition du Forum Entreprises & Mathématiques, le mardi 7 octobre 2025.

• Titre de la thèse : Towards reliable machine learning under domain shift and costly labeling, with applications to engineering design
• Université de délivrance : Université Paris-Saclay
• Directrice & directeur de thèse : Pr. Mathilde Mougeot (Centre Borelli ENS Paris-Saclay et ENSIIE), co-direction de Pr. Nicolas Vayatis (Centre Borelli ENS Paris-Saclay).
• Encadrant industriel : Dr François Deheeger (Michelin)
• Entreprise : Michelin
• Actuellement : Postdoctoral Research Fellow au Sloan Kettering Institute for Cancer Research (New York)

Qu’est-ce qui vous a motivé à faire une thèse en lien avec le monde socio-économique ?

J’étais en stage R&D chez Michelin, au moment où un partenariat avec l’ENS Paris-Saclay commençait. L’opportunité de poursuivre avec une thèse s’est rapidement présentée après le stage. Le sujet de recherche m’intéressait, l’équipe était motivante, et j’ai eu confiance dans la direction scientifique du projet.

Pouvez-vous nous parler de votre sujet de thèse ?

Ma thèse est directement motivée par des applications concrètes chez Michelin. Nous avons commencé à développer des modèles de machine learning pour améliorer le design industriel des pneumatiques et optimiser leurs performances. Cependant, nous avons constaté que les modèles entraînés sur des données historiques de tests ne généralisaient pas bien sur les nouveaux produits : c’est un problème dit de “changement de domaine”.

Or, dans la conception industrielle, ce point est crucial : on s’appuie justement sur les prédictions des modèles pour concevoir de nouvelles gammes de produits. Mon travail a donc consisté à proposer des solutions pour corriger ces changements de domaine, notamment en adaptant les modèles ou en délimitant leur zone de validité. Dans l'ensemble mon travail de thèse propose des outils et méthodes pour une utilisation fiable des modèles de machine learning dans le contexte de la conception de produits industriels.

Quels ont été les principaux défis que vous avez rencontrés lors de votre recherche ?

L’un des principaux défis a été de trouver l’équilibre entre la recherche académique et les attentes industrielles. La rédaction d’articles scientifiques demande du temps : il faut maîtriser l’état de l’art, construire des benchmarks pertinents, et développer la théorie. Parallèlement, il fallait produire un code de qualité, exploitable par les équipes, avec un niveau de fiabilité proche de la production. Cette double exigence fût très formatrice.

De quelle manière votre travail a-t-il bénéficié aujourd’hui ou bénéficiera dans le futur au monde socio-économique ? 

Du côté de l’entreprise, certains éléments développés durant la thèse ont été intégrés dans la chaîne de production et de validation des modèles de machine learning. Plus largement, le travail a permis de sensibiliser les équipes aux enjeux du changement de domaine et de la quantification de l’incertitude, en donnant une meilleure compréhension des mécanismes sous-jacents.

Sur le plan scientifique, les contributions publiées apportent des avancées dans les domaines du transfer learning, de l’active learning et de la quantification d’incertitude. Aujourd’hui, ces thématiques jouent un rôle important dans le développement du machine learning, aussi bien dans l’industrie que dans la bio-informatique.

Quels conseils donneriez-vous à des jeunes souhaitant orienter leurs recherches en mathématiques vers des applications concrètes ?

Je leur conseillerais d’apprendre à bien programmer et à produire du code de bonne qualité. Une grande partie de l’application des mathématiques passe aujourd’hui par l’informatique. L’IA aide beaucoup, certes, mais pour devenir expert dans son domaine, il faut comprendre ce qui se passe derrière les outils. Cette compétence technique est très utile pour transformer une idée mathématique en solution concrète.

Comment voyez-vous le rôle des mathématiques dans la résolution de problématiques sociétales actuelles ? 

Même si les mathématiques simplifient la réalité, elles offrent une meilleure compréhension du monde et des lois sous-jacentes. Je pense que cette connaissance est déjà un bien en soi. Ensuite, pour la résolution des problèmes concrets d’aujourd’hui, des domaines comme la santé, l’agriculture, l’industrie ou le loisir bénéficient des avancées en mathématiques, ne serait-ce que par l’optimisation de certains processus.

Cela dit, je pense que certains défis actuels, comme l’isolement ou la marginalisation dans nos sociétés occidentales, ne pourront pas être résolus uniquement par la technologie. Ils exigent des changements sociétaux plus profonds. Ce ne sont pas des problèmes que l’on peut simplement “mettre en équation”.

En tant que jeune chercheur, comment percevez-vous l’évolution du lien entre la recherche académique en mathématiques et le monde socio-économique ? 

Je pense qu’aujourd’hui, avec les progrès de l’IA, le monde socio-économique est de plus en plus lié à la recherche académique. On observe que certains développements théoriques trouvent très rapidement des applications pratiques. Il existe de plus en plus de partenariats entre les groupes de recherche académique et les entreprises. Certaines entreprises privées contribuent également à l’animation scientifique, notamment à travers le financement de conférences ou la publication de travaux de recherche.

Quels sont vos projets pour la suite ?

Je réalise actuellement un postdoctorat dans le domaine de la santé, où je développe des méthodes similaires à celles explorées dans ma thèse, mais appliquées au design de nouvelles thérapies contre le cancer. Je pourrais continuer dans ce domaine ou revenir vers les applications industrielles. L’enseignement m’intéresse également.