Antoine De Mathelin : apprentissage automatique fiable pour la conception de produits

Docteur du Centre Borelli (CNRS/ENS Paris-Saclay), Antoine de Mathelin a obtenu en 2025 le 2ᵉ prix de thèse « Maths entreprises & société » pour des travaux situés à l’interface des mathématiques appliquées, de l’apprentissage automatique et de l’ingénierie de la conception. Sa thèse, « Vers un apprentissage automatique fiable sous contrainte de changement de domaine et d’étiquetage coûteux. Application à la conception produits », a été conduite au sein de l’École doctorale Hadamard, sous la direction de Mathilde Mougeot et Nicolas Vayatis, dans le cadre d’un dispositif CIFRE avec Michelin.

Un cadre pour des modèles prédictifs robustes

Les travaux portent sur la construction de modèles de machine learning destinés à servir de modèles substituts pour la conception de systèmes industriels, dans des contextes où les données sont coûteuses à générer et susceptibles de refléter des conditions différentes de celles d’utilisation. La thèse s’intéresse en particulier à la prise en compte du changement de domaine (domain shift) et au recours à des stratégies d’apprentissage actif pour sélectionner de manière économe les nouvelles évaluations nécessaires.

Sur le plan méthodologique, l’auteur combine des outils de quantification d’incertitude, d’adaptation de domaine et d’optimisation séquentielle, avec pour objectif de fournir des prédictions utilisables dans des processus de conception soumis à des contraintes industrielles. Ces contributions s’appuient sur une implémentation logicielle, notamment au travers d’une bibliothèque Python de transfert learning mise à disposition d’équipes de R&D.

Mises en œuvre industrielles

Les méthodes développées ont été évaluées sur des cas d’usage fournis par les partenaires de la thèse. Chez Michelin, elles sont appliquées à des jeux de données issus de différentes campagnes d’essais, dans une perspective d’adaptation de modèles à de nouveaux contextes sans reprise complète des mesures. Chez Renault, elles sont intégrées à des chaînes de conception afin de réduire le nombre de simulations nécessaires à l’exploration de l’espace de conception.

Le jury du prix souligne la variété des contributions (théoriques, expérimentales et logicielles) et la mise en œuvre effective des méthodes au sein d’environnements industriels.

Un exemple de collaboration laboratoire–entreprises

Cette thèse illustre la dynamique de collaboration entre le Centre Borelli, l’ENS Paris-Saclay et leurs partenaires socio-économiques autour de problématiques de modélisation et de décision sous incertitude. En travaillant sur des questions de fiabilité des modèles et de frugalité dans l’acquisition de données, elle s’inscrit également dans les axes de recherche du laboratoire liés à l’optimisation des plans d’expériences et à la soutenabilité des pratiques de calcul scientifique.