Vous êtes sur la page 1sur 180

Mathmatiques

Lexplosion continue

Mathmatiques,
lexplosion
continue

Photos :

thinkstock (2013).
Collections cole polytechnique (page 162).
O. Boulanger, J. Cotera, FSMP.

SFdS, SMAI, SMF. Tous droits rservs

Cration

Achev dimprimer en septembre 2013. Dpt lgal : 3e trimestre 2013


ISBN 978 - 2 - 85629 - 375 - 1. Imprim en France

La brochure Mathmatiques, lexplosion continue,


conue par la Fondation Sciences Mathmatiques de Paris (FSMP),
la Socit Franaise de Statistiques (SFDS),
la Socit de Mathmatiques Appliques et Industrielles (SMAI)
et la Socit Mathmatique de France (SMF),
a t ralise grce au soutien financier de CapMaths.

Comit de rdaction
Nalini Anantharaman, Jean-Marc Bardet, Anne de Bouard,
Anne Ggout-Petit, Frdric Lagoutire, Gal Octavia,
Yann Ollivier, Filippo Santambrogio

Coordination
Anne de Bouard

Maquette et couverture
Centre Polymdia, cole polytechnique

FSMP Institut Henri Poincar 11 rue Pierre et Marie Curie 75231 Paris CEDEX 05, France
Tel. 0144276803 http://www.sciencesmaths-paris.fr
SFDS Institut Henri Poincar 11 rue Pierre et Marie Curie 75231 Paris CEDEX 05, France
Tl. 0144276660 http://www.sfds.asso.fr
SMAI Institut Henri Poincar 11 rue Pierre et Marie Curie 75231 Paris CEDEX 05, France
Tl. 0144276661 http://www.smai.emath.fr
SMF Institut Henri Poincar 11 rue Pierre et Marie Curie 75231 Paris CEDEX 05, France
Tl. 0144276796 http://smf.emath.fr

Sommaire
11 Avant-propos

15 Couper, attendrir, trancher, rduire: un conte culinaire


sur la rsolution informatique des problmes difficiles

Nicolas Schabanel, directeur de recherche CNRS lUniversit Paris Diderot


Pierre Pansu, professeur lUniversit Paris-Sud
Comment rpartir ses invits sur deux tables sans placer ensemble ceux qui se
dtestent? Rsoudre ce casse-tte quel que soit le nombre dinvits est un problme extrmement difficile resoudre quand le nombre dinvits augmente.
laide dun peu de programmation gomtrique, on peut trouver une rponse approche de garantie prsume optimale.

23 Garder le contrle

laide des mathmatiques


Karine Beauchard, charge de recherche CNRS lcole polytechnique

Jean-Michel Coron, professeur lUniversit Pierre et Marie Curie

Pierre Rouchon, professeur Mines-ParisTech
Contraindre la trajectoire dun satellite, rguler la temprature de sa maison,
stabiliser le niveau deau dun canal les situations ncessitant que lon contrle
une donne, une quantit, une position, sont omniprsentes. Ces problmes sont
lobjet dune thorie mathmatique trs riche: la thorie du contrle.

31 Le thorme de Green-Tao et autres secrets


des nombres premiers

Michel Waldschmidt, professeur mrite lUniversit Pierre et Marie Curie


Bien que les mathmaticiens sy intressent depuis lAntiquit, les nombres premiers continuent de fasciner. En les additionnant ou en les soustrayant entre eux,
on trouve une mine de problmes dont certains sont longtemps demeurs ouverts
ou restent encore irrsolus.

37 La supraconductivit

Sylvia Serfaty, professeur lUniversit Pierre et Marie Curie


L a supraconductivit, capacit dun mtal laisser passer le courant lectrique sans perte dnergie, peut avoir des applications tonnantes. Ltude
de ce phnomne fait intervenir divers domaines des mathmatiques, comme
le calcul des variations, les quations aux drives partielles, lanalyse
asymptotique. Plusieurs questions ouvertes y sont associes.

43 Inspiration mathmatique :

la modlisation du poumon


Cline Grandmont, directrice de recherche Inria
La complexit de notre systme respiratoire en fait un joli sujet dapplication des
mathmatiques. Le fonctionnement de lappareil respiratoire est dcrit par des
quations qui servent effectuer des simulations venant complter lexprience
et permettant de mieux comprendre ou prvoir les phnomnes qui se produisent
lorsque nous respirons.

51 Le temps quil fera

Claude Basdevant, professeur lUniversit Paris 13 et lcole polytechnique


La prvision mtorologique ou climatique nest pas une mince affaire. Elle implique la modlisation de nombreux phnomnes de natures diffrentes et lintervention de plusieurs sciences, des mathmatiques la biologie, en passant par
linformatique, la physique ou la chimie.

57 Internet, feux de fort et porosit: trouvez


le point commun


Marie Thret, matre de confrences lUniversit Paris Diderot
Echanges de donnes entre internautes, propagation dun feu de fort, infiltration
de leau dans une roche : un modle mathmatique simple utilisant des graphes
permet de mieux comprendre ces phnomnes.

6 Mathmatiques, lexplosion continue

63 A la recherche de la forme idale


Grgoire Allaire, professeur lcole polytechnique

Franois Jouve, professeur lUniversit Paris Diderot
Les objets issus de la fabrication industrielle sont penss de faon optimiser
un certain nombre de paramtres comme le poids ou la solidit. Pour viter de
chercher ttons la meilleure forme possible, on peut aujourdhui compter sur
plusieurs mthodes mathmatiques doptimisation.

69 La biodiversit mise en quations


ou presque


Sylvie Mlard, professeur lcole polytechnique
Prdire lvolution dune population animale sur une longue priode, connatre
le fonctionnement dun cosystme, comprendre lavantage de la reproduction
sexue pour la survie des espces les problmes issus de la biodiversit sont
complexes et leur rsolution fait appel des outils mathmatiques sophistiqus.

77 La restauration de vieux films


Julie Delon, charge de recherche Telecom ParisTech
Agns Desolneux, directrice de recherche CNRS lcole Normale
Suprieure de Cachan
Le papillonnage fait partie des dfauts qui affectent couramment les bandes abmes. travers ce cas particulier, voyons comment les mathmatiques aident
crer des algorithmespermettant de corriger automatiquement les imperfections
des vieux films.

83 Cryptage et dcryptage: communiquer


en toute scurit


Jean-Louis Nicolas, professeur lUniversit Claude Bernard Lyon 1

Christophe Delaunay, professeur lUniversit de Franche-Comt
La scurisation de nos cartes bleues, ainsi que dautres procds de cryptages utiliss couramment, se basent sur limpossibilit, en pratique, de factoriser de trs
grands nombres. Ce type de cryptage pourrait cependant tre dtrn par dautres
mthodes, sa fiabilit tant sans cesse remise en question par les progrs de linformatique.

89 Pourquoi et comment nager dans le miel?

Franois Alouges, Guilhem Blanchard, Sylvain Calisti, Simon Calvet, Paul


Fourment, Christian Glusa, Romain Leblanc et Mario Quillas-Saavedra,
respectivement professeur et lves de lcole polytechnique
La nage dans des milieux trs visqueux comme le miel est un sujet de recherches
actuel, qui touche des disciplines aussi diverses que la mcanique des fluides, les
mathmatiques appliques ou la biologie. Mais pourquoi donc sintresser la
natation dans du miel? Et quelles sont les diffrences entre la nage dans du miel
et celle dans de leau?

Sommaire 7

95 Le thorme du soufflet


tienne Ghys, directeur de recherche CNRS lcole Normale Suprieure de Lyon
Une rgle, un crayon, du carton, des ciseaux et de la colle: il nen faut gure
plus pour procurer aux mathmaticiens du plaisir et de jolis problmes dont
ltude se rvle souvent, aprs coup et de manire inattendue, utile dans dautres
mtiers.

101 La dtection de spams: un jeu denfant?


Tristan Mary-Huard, charg de recherche Inra Inra-AgroParisTech
Comment distinguer automatiquement un spam dun message normal? Les filtres
anti-spams analysent le texte des messages en utilisant des algorithmes de classification en forme darbres. Ceux-ci comportent un nombre optimal de nuds
correspondant autant de questions pertinentes permettant de dterminer la
nature dun message.

107 Lart de couper les ttes sans faire mal


Erwan Le Pennec, charg de recherche Inria lUniversit Paris-Sud
Le principe du scanner implique de savoir retrouver un objet partir dune collection de radiographies de cet objet. Il sagit de ce que lon appelle, en mathmatiques, un problme inverse. Sa rsolution savre difficile et constitue toujours
une source de questions pour les mathmaticiens.

113 Climatologie et statistiques


Pascal Yiou, directeur de recherche au CEA

Philippe Naveau, charg de recherche CNRS lInstitut Pierre Simon Laplace
Ltude du climat et de ses variations est base sur un grand nombre doutils et
concepts statistiques. Ceci se reflte dans le langage employ par les diffrents
rapports du GIEC (Groupe International dExperts sur le Climat), qui mettent
beaucoup laccent sur les incertitudes et leur quantification.

119 Chercher sur le Web: juste un point fixe

et quelques algorithmes

Serge Abiteboul, directeur de recherche Inria lcole Normale Suprieure


de Cachan
Le Web met notre disposition une masse considrable dinformation, plusieurs
dizaines de milliards de documents. Sans les moteurs de recherche, ces systmes
de plus en plus sophistiqus qui nous aident nous focaliser sur un petit nombre
de pages, le Web ne serait quune poubelle ciel ouvert, gigantesque et inutilisable. Le rle de ces systmes est de faire surgir de la masse des internautes une
intelligence collective pour valuer, classer, filtrer les informations. Comment les
moteurs de recherche grent-ils ces volumes dinformation vritablement phnomnaux? Comment aident-ils les utilisateurs trouver ce quils cherchent dans
cette masse? Retour sur un des plus beaux succs du Web.

8 Mathmatiques, lexplosion continue

127 La brouette de Monge ou le transport optimal

Yann Brenier, directeur de recherche CNRS lcole polytechnique


N dun problme concret comment dplacer au mieux un tas de sable le
transport optimal est un outil qui trouve des applications aussi bien lintrieur
des mathmatiques (de la gomtrie lanalyse fonctionnelle) que dans dautres
domaines, comme la gestion de ressources, par exemple.

135 Des statistiques pour dtecter les altrations


chromosomiques
Emilie Lebarbier, matre de confrences,
Stphane Robin, directeur de recherche Inra AgroParisTech

Les altrations chromosomiques sont responsables de nombreuses maladies,
parmi lesquelles certains cancers. La dtection de petites altrations, essentielle
pour le diagnostic du mdecin, fait appel un modle classique en statistiques:
la segmentation.

143 Le piano rv des mathmaticiens


Juliette Chabassier, charge de recherche, quipe Magique 3D, Inria
Comme de nombreux phnomnes physiques, le fonctionnement dun piano peut
tre modlis grce aux mathmatiques. Mais le modle obtenu permet aussi
daller plus loin, de rver de pianos impossibles ou dimaginer des sons nouveaux.
La recherche offre ainsi au compositeur un formidable champ dexploration et de
cration.

149 Comment faire cooprer des individus gostes?


Yannick Viossat, matre de confrences lUniversit Paris-Dauphine
La coopration est au cur de nombreux comportements sociaux ou biologiques.
La thorie des jeux permet dexpliquer le choix de stratgies coopratives et den
comprendre les mcanismes dans des contextes o les individus se trouvent en
concurrence, des situations de guerre la rgulation de la pche.

155 AVC: les mathmatiques la rescousse


Emmanuel Grenier, professeur lcole Normale Suprieure de Lyon
LAVC, qui touche des milliers de personnes chaque anne, est une pathologie
complexe dont le diagnostic et le traitement ncessitent encore dtre amliors.
Cest un des domaines o la modlisation mathmatique peut venir en aide
la recherche mdicale, en compltant notamment lexprimentation sur les animaux.

Sommaire 9

161

Point de vue sur les mathmatiques franaises


depuis ltranger
John Ball, professeur lUniversit dOxford
Les mathmatiques franaises ont la rputation dtre parmi les meilleures au
monde. Quest-ce qui explique leur exceptionnelle qualit ? Voici un dcryptage
de cette particularit hexagonale travers le regard du mathmaticien britannique John Ball.

165

EDP la franaise

169

F.A.Q. (et ides reues) sur les mathmaticiens

John Ball, professeur lUniversit dOxford


Spcialiste des quations aux drives partielles, John Ball raconte ici comment ce domaine des mathmatiques appliques a connu un formidable essor en
France, grce en particulier une fi gure emblmatique : le professeur JacquesLouis Lions.

Quels sont les dbouchs des cursus de mathmatiques ? Comment devient-on


mathmaticien(ne) ? En quoi consiste ce mtier ? Des professionnels, hommes et
femmes, rpondent ces questions et tordent le cou aux ides reues.

10 Mathmatiques, lexplosion continue

Avant-propos
Maria J. Esteban, prsidente de la Socit de Mathmatiques Appliques
et Industrielles 2009-2012
Bernard Helffer, prsident de la Socit Mathmatique de France 2010-2012
Jean-Michel Poggi, prsident de la Socit Franaise de Statistique 2011-2013

Depuis une dizaine dannes, de nombreuses initiatives ont vu le jour en


France pour mieux apprhender le rle
des mathmatiques dans notre socit.
Les mathmaticiens sont ainsi devenus
plus conscients quils se devaient de
mieux faire connatre les spcificits et
lutilit de leur discipline. Une des premires initiatives fut la publication de
lExplosion des Mathmatiques en 2002.
Ce recueil a t largement diffus et traduit en plusieurs langues. Il est maintenant puis mme sil reste accessible
sur le web. Les quelque dix ans qui nous
sparent de cette premire dition ont
vu une volution trs rapide de toutes les
branches des mathmatiques et leur dveloppement croissant dans tous les domaines de la socit: lexplosion continue! Le congrs Maths Venir, dont le
but tait de tmoigner de cette place
grandissante des mathmatiques, a t

en 2009 un vritable succs, auquel se


sont associs de nombreux industriels.
Les fonds recueillis cette occasion nous
permettent une rdition. Cest pourquoi nous avons dcid de publier une
nouvelle brochure reprenant trois articles mis jour de lancienne brochure
et vingt-et-un nouveaux textes tenant
compte des volutions rcentes et de la
diversit croissante des interactions et
applications des mathmatiques.

Avant de laisser le lecteur dcouvrir


ces textes, replaons ce volume dans
son contexte. Nous vivons en effet aujourdhui encore une situation paradoxale. Les mathmatiques sont un
instrument irremplaable de formation
la rigueur et au raisonnement; elles
dveloppent lintuition, limagination,
lesprit critique; elles sont aussi un lan-

Avant-propos 11

gage universel, et un lment fort de la


culture. Elles jouent en outre, par leurs
interactions avec les autres sciences et
par leur capacit dcrire et expliquer
des phnomnes complexes mis en vidence dans la nature et dans le monde
technologique, un rle grandissant dans
notre vie quotidienne. Cet tat de fait est
bien souvent ignor ou du moins minor
par la majorit de nos concitoyens, pour
qui les mathmatiques sont une discipline abstraite, qui nvolue plus, fige
dans une perspective de formation et qui
a peu voir avec le monde rel.

On peut trouver bien sr ce paradoxe


des explications qui tiennent la spcificit des mathmatiques. Cest une discipline qui se nourrit de ses liens avec
les autres sciences, avec la socit et le
monde industriel, mais qui galement
senrichit elle-mme: les nouvelles thories ne dtruisent pas les prcdentes
mais les utilisent, les amliorent ou les
dpassent. Rciproquement, mme si
bon nombre de chercheurs en mathmatiques sont intresss avant tout par le
ct intellectuel voire mme esthtique
de leur discipline, nombreux sont ceux
qui sinvestissent dans des directions
de recherche lies des applications
relles de celle-ci. Ainsi, les applications
enrichissent la recherche en mathmatiques, mais ne peuvent seules la piloter.
Cet quilibre subtil entre les facteurs de
dveloppement interne et externe doit
absolument tre prserv. Vouloir dfinir ou mesurer lactivit ou la recherche

12 Mathmatiques, lexplosion continue

en mathmatiques par ses applications


existantes ou potentielles reviendrait
les faire disparatre. loppos, privilgier laxiomatisation, ltude des
structures et la dynamique interne de la
discipline comme lont fait, certes avec
de beaux succs, les mathmatiques
franaises dans la priode 1940-1970
a conduit retarder le dveloppement
en France des mathmatiques dites appliques, contrairement ce qui se passait au mme moment aux tats-Unis
et en Union Sovitique. Les facteurs de
progrs sont trs souvent aux frontires
de la discipline. Aujourdhui, et nous
nous en rjouissons, les mathmatiques
ont rtabli, et parfois cr, des liens
forts avec de nombreux secteurs conomiques et avec les autres sciences. La
frontire entre mathmatiques pures et
mathmatiques appliques est devenue
permable: les mathmatiques les plus
fondamentales servent rsoudre des
problmes concrets de plus en plus difficiles alors que de nouveaux problmes
thoriques sont poss par des questions
appliques.

Le but du prsent document est de faire


dcouvrir tous les attraits et atouts du
monde des mathmatiques et en particulier la remarquable efficacit des mathmatiques dans la rsolution de problmes socitaux et technologiques; de
montrer les mathmatiques sous leurs
aspects les plus divers scientifiques,
techniques, culturels, sociologiques; de
souligner la diversit et luniversalit

dune discipline qui entretient des liens


aussi bien avec la physique, la chimie,
la mcanique, linformatique, lconomie et la biologie quavec les sciences
humaines ou sociales, en passant par
toutes les facettes de la technologie. Les
mathmatiques sont partout. Sans elles,
pas dordinateurs, pas de systmes dinformation, pas de tlphonie mobile;
pas dateliers de conception pour les
constructeurs automobiles et aronautiques; pas de systmes de localisation
par satellite, de traitement du signal,
de dcryptage du gnome, de prvisions
mto, de cryptographie, de cartes
puce, de robots, de moteurs de recherche
ou de traitements de grandes masses de
donnes

Science Foundation, lorganisme fdral


nord-amricain charg de distribuer les
crdits pour la recherche universitaire)
a augment considrablement son soutien financier aux mathmatiques
partir des annes 2000. Plus rcemment
des pays mergents comme la Chine ont
investi massivement dans ce domaine.

Cest dans ce contexte quil nous a sembl prcieux de complter et mettre


jour cet outil de diffusion et de popularisation des mathmatiques. Nous
souhaitons au lecteur de belles et stimulantes dcouvertes.

Au-del de leur rle de science acadmique et de formation de base lcole,


les mathmatiques sont omniprsentes
dans la socit daujourdhui. Elles
suivent, accompagnent et quelquefois
prcdent les dveloppements scientifiques et technologiques actuels, qui
font aussi bien appel aux rsultats de la
recherche fondamentale contemporaine
la plus rcente quaux dcouvertes accumules dans le pass. Enfin, les besoins en mathmatiques croissent avec
lacclration des mutations et crations
technologiques. On ne peut sen passer,
alors que lon est confront la ncessit dlaborer, de matriser, danalyser
ou doptimiser des systmes de complexit croissante. Les tats-Unis lont
bien compris, puisque la NSF (National

Avant-propos 13

Couper, attendrir,
trancher, rduire:

un conte culinaire sur la rsolution informatique


des problmes difficiles
Nicolas Schabanel, directeur de recherches CNRS lUniversit Paris Diderot
Pierre Pansu, professeur lUniversit Paris-Sud

Comment rpartir ses invits sur deux tables sans placer ensemble ceux
qui se dtestent? Rsoudre ce casse-tte quel que soit le nombre dinvits
est un problme extrmement difficile resoudre quand le nombre dinvits
augmente. laide dun peu de programmation gomtrique, on peut trouver
une rponse approche de garantie prsume optimale.

Ce soir, je convie mes amis dner. Cependant, je ne dispose pas dune table assez
grande et je vais devoir les rpartir sur deux
tables. Quels groupes former?
Fermement dcid rsoudre ce problme
de faon rationnelle, jattrape un crayon et
mon bloc-note et appelle Maelys, toujours
la premire informe des derniers potins,
pour savoir qui sest fch avec qui dernirement. Tout en tenant le tlphone dune
main, je me retrouve reprsenter chaque
invit par un petit rond (on dit un sommet en
thorie des graphes) et tracer un trait (une
arte, cest plus chic) entre chaque paire
dinvits quil vaudrait mieux sparer en ce
moment. Je me rends rapidement compte
que la situation est assez complique: il y a
beaucoup plus danimosits entre eux que

je ne le croyais; par exemple, aucun groupe


ne semble se dtacher clairement sur mon
dessin (on dit un graphe).

Figure1. Le graphe des inimitis entre


mes amis

Couper, attendrir, trancher, rduire 15

Je vais donc essayer de trouver la rpartition de mes amis en deux groupes qui minimise le nombre dinimitis lintrieur de
chaque table, ce qui revient maximiser le
nombre dartes allant dune table lautre.
Mathmatiquement, je cherche partitionner les sommets de mon graphe en deux
parties de sorte maximiser le nombre
dartes casses par cette partition, cest-dire cheval entre les deux tables. (Pour
ne pas compliquer inutilement, nous ne
chercherons pas obtenir deux parties de
mme taille. Les techniques de rsolutions
avec ou sans cette contrainte ne diffrent
dailleurs pas significativement.)

Quand est-ce quon mange?


Si jtais physicien, jaurais certainement
mont le dispositif suivant
: pour chaque
invit je prends une bille, et pour chaque
arte je place un gros ressort comprim
simulant linimiti entre les deux billes; puis
je lche le tout dans un couloir, les ressorts
cartent les billes fches qui stalent sur
toute la longueur du couloir, et jobtiens mon
plan de table en coupant le couloir au milieu:
je rpartis les invits sur les deux tables en
fonction du bout du couloir o a atterri leur
bille. Le problme est que je ne disposerais
alors daucune garantie sur la qualit de la
solution que jaurais ainsi trouve.
Un mathmaticien prouverait trs facilement que lon peut trouver une solution
optimale. En effet, jai deux choix possibles
pour chaque invit: le placer la premire
ou la seconde table. Il ny a donc que
2 x 2 x x 2 =2 n faons possibles de rpar-

16 Mathmatiques, lexplosion continue

tir les n invits sur les deux tables. Il me


suffit donc de toutes les numrer et de
garder celle qui coupe le maximum dartes.
Cependant, cette mthode vaut-elle mieux
que la prcdente?
Certes, elle trouvera la solution optimale,
mais au bout dun temps exponentiellement long: 2n essais. Par exemple, avec
60 invits, il faudrait numrer et tester 260
soit environ 1018 partitions, ce qui prendrait
approximativement 10 9 secondes soit peu
prs 100 ans sur un hypothtique processeur surpuissant cadenc 100 GHz. Et si
lon invitait 61 personnes, ce serait 200 ans
quil faudrait attendre, 400 ans pour 62, etc.
Autant dire que cette solution nen est pas
une ds lors que le nombre dinvits augmente un peu: ajouter un seul invit double
le temps de calcul (et ce indpendamment
de la vitesse du processeur)! Inversement,
doubler la vitesse du processeur ne permet
de rsoudre une situation quavec un invit
de plus seulement!

Avec 60 invits, il faudrait numrer et tester 260 soit environ


1018 partitions, ce qui prendrait
approximativement 109 secondes
soit peu prs 100 ans sur un
hypothtique processeur surpuissant cadenc 100 GHz.

Rduire et tomber sur un os


Peut-on trouver la meilleure solution notre
problme dans un temps raisonnable? En
tant quinformaticien, je vous rpondrai que
nous avons de bonnes raisons de penser que

Mthodes efficaces et inefficaces


En informatique, le consensus traditionnel est de considrer quune mthode de
rsolution est efficace si le nombre doprations effectuer est au plus polynomial
en fonction de la taille du problme (au
plus n a pour un problme de taille n, avec
a quelconque). Pour une mthode polynomiale, doubler la taille du problme
augmente le temps de rsolution dun fac1
teur constant 2 a : les variations du temps
de calcul suivent celles de la taille des
donnes dans des proportions bornes.
loppos, leffet de la taille sur un algorithme de rsolution en temps exponentiel (par exemple 2 n) est catastrophique:
le temps de calcul dun algorithme en
temps exponentiel double chaque fois

ce nest pas gagn car ce problme (dont le


nom scientifique est Max-Cut) est un des
plus durs. Voici ce que je veux dire par l.
Pour rsoudre un problme avec un ordinateur, il faut lui donner une recette (le programme) qui le rsolve et ce quelles que
soient les valeurs des paramtres (ici: le
nombre dinvits et la liste des artes dinimiti entre eux). Pour crire cette recette
(je veux dire, ce programme; on parle aussi
dalgorithme), on peut lcrire de toutes
pices, ou bien sappuyer sur dautres
recettes afin dviter de perdre trop de
temps (ou risquer dintroduire de nouveaux
bugs). Par exemple, on peut imaginer que la

que la taille du problme augmente de un


seulement! (2 n+1 = 2 x 2 n). Par exemple,
si la puissance de calcul des ordinateurs
double tous les 18 mois, alors, avec un
algorithme polynomial, on peut esprer
1
rsoudre des problmes 2 a fois plus
grands tous les 18 mois, alors quavec un
algorithme exponentiel, on ne peut esprer rsoudre que des problmes de taille
+1 tous les 18 mois
Le nombre doprations en fonction de la
taille n de lentre du problme rsoudre
est une mesure intrinsque de la complexit dun problme: indpendamment
de la machine utilise, plus cette fonction
crot rapidement, plus il sera difficile de
rsoudre ce problme en grande taille.

recette qui rsoudrait le problme hypothtique A = sortir ce robot de cette pice


pourrait sappuyer sur la recette B = trouver la porte de cette pice et quune fois
la porte trouve il est relativement simple
dy aller pour sortir. Puisquon sait comment
rsoudre A facilement si on sait rsoudre B,
cela dmontre que le problme A est moins
difficile que B. Cest ainsi que les informaticiens dmontrent quun problme A nest
pas plus dur quun autre B: en supposant
connue une recette pour B et en crivant
alors une recette efficace pour A qui utilise
celle de B. On dit alors que la rsolution de
A se rduit celle de B.

Couper, attendrir, trancher, rduire 17

Or, il se trouve que notre problme de placement dinvit (Max-Cut) fait parti du club des
problmes auxquels on peut rduire nimporte quel problme raisonnable: si vous
me fournissez une recette efficace notre
problme Max-Cut, je peux vous crire une
recette qui rsout nimporte quel problme
raisonnable. Cela veut dire que parmi les

problmes que lon pourra rsoudre en un


temps raisonnable, Max-Cut est lun des
plus durs! On dit que Max-Cut est NP-complet (voir lencadr Les problmes les plus
durs: les problmes NP-complets).
La grande question ouverte en informatique
est: est-ce que lon pourra un jour trouver

P =? NP: la mcanisation de lintuition est-elle possible?


Une question fondamentale souleve par
linformatique est exprime par la formule
P =? NP
qui demande sil existe une mthode
de rsolution efficace pour tous les problmes pour lesquels on peut vrifier
efficacement la solution une fois quon la
connat.
P est lensemble des problmes pour lesquels il existe une construction efficace de
la solution (voir lencadr Mthodes efficaces et inefficaces). Pour de nombreux problmes importants (tout particulirement
pour lindustrie), aucun algorithme efficace
nest connu actuellement. Par exemple, sur
les ordinateurs actuels, aucune mthode
connue ne trouve efficacement le chemin le
plus court passant par toutes les villes dun
pays et retournant son point de dpart
avec plus de 1500 villes.
Pourtant, pour la plupart de ces problmes importants, il est trs facile de
vrifier efficacement quune solution

18 Mathmatiques, lexplosion continue

apporte par quelquun est effectivement


correcte ou non (ces problmes sont dits
NP). Par exemple, on ne connat aucune
mthode efficace pour trouver un coloriage dune carte avec trois couleurs de
sorte que deux pays voisins aient des
couleurs diffrentes, mais cette proprit
est trs facile vrifier sur une proposition de coloriage. Cela signifie que pour
les problmes NP, si lon a dabord la
bonne intuition sur ce que devrait tre la
solution, on peut ensuite vrifier efficacement que la solution est effectivement
correcte.
La question P =? NP demande donc si tous
les problmes NP admettent une solution
efficace. Elle rsume ainsi la question
philosophique lintuition est-elle mcanisable ? Cette question figure parmi la
liste des sept problmes mathmatiques
pour le prochain millnaire slectionns
par linstitut Clay en 2000 et dont la rsolution serait rcompense dun million de
dollars. La rponse, aujourdhui inconnue,
aurait un retentissement bien au-del du
seul cadre de linformatique.

Les problmes les plus durs: les problmes NP-complets


La plupart des problmes de calcul
rsoudre dans la vie relle appartiennent
la classe NP, ceux o lintuition peut fonctionner (voir lencadr P =? NP: la mcanisation de lintuition est-elle possible?).

commerce) sont tous NP-complets! La


rsolution dun seul dentre eux entrane
la rsolution de tous les autres ! Cest
par exemple le cas du problme Max-Cut
tudi ici.

Certains problmes NP sont-ils plus difficiles ou plus importants que dautres, au


sens o ils concentreraient toute la difficult des problmes NP? En 1971, de
part et dautre du mur de Berlin, Stephen
A. Cook et Leonid A. Levine ont dmontr quil existait un problme dans NP qui
tait effectivement plus difficile que tous
les autres, au sens que tous les autres
problmes de NP sy ramnent: sil existe
une mthode de rsolution efficace pour
celui-ci, on peut la transformer en une
mthode de rsolution efficace pour tous
les problmes de NP!

La plupart des nombreux problmes tudis en informatique sont soit dans P,


soit NP-complets, et rares sont ceux qui
chappent cette dichotomie parmi eux
cependant un problme emblmatique:
la factorisation des grands entiers, cl de
vote de la scurit sur Internet actuellement avec le protocole RSA (voir larticle
p.83).

Un tel problme est dit NP-complet.


Richard M. Karp a dmontr lanne suivante quen fait de trs nombreux problmes de NP qui navaient a priori rien
voir (coloration dune carte, voyageur de

une solution efficace pour le club des problmes les plus durs? La plupart des chercheurs pensent que non, mais nous navons
pas de rponse claire pour linstant (voir
lencadr P =? NP: la mcanisation de lintuition est-elle possible?).

Malgr des efforts importants, aucune


avance dterminante na t encore
accomplie indiquant lexistence ou limpossibilit dune rsolution efficace daucun de ces problmes NP-complets. Vu
la diversit de ces problmes, la plupart
des chercheurs pensent quil nexiste pas
de moyen efficace pour rsoudre les problmes NP-complets.

Attendrissons notre problme


En attendant que cette question trouve sa
rponse, il faudrait tout de mme que lon
arrive placer nos invits. Si le problme
est trop dur, peut-tre quen assouplissant
quelques contraintes, nous pourrions le

Couper, attendrir, trancher, rduire 19

rendre plus sympathique


! Par exemple,
nous pourrions nous satisfaire dune recette
qui garantisse de couper au moins 99% du
nombre dartes coupes par la solution optimale. Malheureusement, on peut dmontrer
quapprocher 16/17 soit 94,1% le nombre
dartes coupes optimal fait lui aussi partie du club des problmes les plus durs
et na donc probablement pas de recette
efficace.

Si le problme est trop dur, peuttre quen assouplissant quelques


contraintes, nous pourrions le
rendre plus sympathique!
Essayons donc dassouplir encore les
contraintes. Pour cela, nous allons utiliser
une forme originale de programmation: la
programmation gomtrique. Un des problmes principaux avec lapproche physicienne voque au dpart est que les billes
et les ressorts ont beaucoup de mal circuler dans le couloir trop troit et se gnent
les unes les autres, ce qui complique normment la convergence vers un tat dquilibre optimal. Si lon se donnait un peu plus
despace, peut-tre que lon pourrait assurer
une convergence efficace du dispositif vers
un tat dquilibre optimal et mme certifier
la qualit de la solution produite.

chs une origine commune, ceci dans un


espace n dimensions (cela veut juste dire
que nous choisissons de donner n composantes chaque vecteur, afin quil ait de
la place pour bouger notre bille davant
navait quune seule dimension pour se
dplacer: sa position dans le couloir, ctait
trop contraignant). Comme pour les billes,
nous souhaitons loigner deux vecteurs correspondant des invits relis par une arte
dinimiti. Au lieu de relier ces vecteurs par
des ressorts comprims, nous allons chercher les faire pointer dans des directions
opposes. Pour cela, nous allons utiliser le
fait que le produit scalaire entre deux vecteurs est positif sils pointent dans la mme
direction et ngatif dans le cas contraire, et
mme dautant plus ngatif quils pointent
dans des directions opposes. Nous recherchons alors disposer les vecteurs de sorte
de minimiser la somme des produits scalaires entre les vecteurs correspondant
des invits lis par une arte dinimiti. Or,

Un gros oignon et quelques


clous de girofle
Voici comment nous allons procder. Au
lieu de les reprsenter par des billes, nous
allons reprsenter les n invits par autant
de vecteurs de taille 1 (on dit unitaires) atta-

20 Mathmatiques, lexplosion continue

Figure2. Une projection sur un oignon


tridimensionnel de nos n vecteurs n-dimensionnels dans la configuration optimale dtermine par nos contraintes
sur les produits scalaires.

il se trouve que lon dispose dune recette


(un programme) pour rsoudre efficacement ce genre de contraintes portant sur
des produits scalaires entre n vecteurs ndimensionnels, cest la programmation
semi-dfinie gnralisant la programmation linaire.

Le choix dune direction alatoire pour


trancher est un ingrdient essentiel de la
recette. On peut aussi procder sans alatoire, mais cest un peu plus compliqu et
repose paradoxalement de manire cruciale sur lanalyse de la mthode alatoire.
Michel Goemans et David Williamson ont
dmontr en 1994 que cette solution coupe

Tranchons dans le tas


Grce notre recette, nous avons maintenant obtenu une configuration de nos n vecteurs unitaires n -dimensionnels qui minimise la somme des produits scalaires des
vecteurs correspondant aux invits fchs.
Pour les rpartir en deux groupes, il me suffit alors de trancher par un plan (en fait on dit
un hyperplan en dimension n) passant par
lorigine des vecteurs, dans une direction
choisie au hasard: les invits seront sur
lune ou lautre des tables selon que leurs
vecteurs tombent de lun ou lautre ct
du plan.

toujours au moins 87,8 % du nombre optimal dartes. Jai donc rempli ma mission
avec une marge derreur relativement faible,
garantie infrieure 12,2%.

Coupe toujours
De nombreuses variantes de ce problme
existent: on peut chercher couper en deux
parties gales, en k morceaux, ou bien ajouter des poids sur les artes pour pondrer
les inimitis entre individus: la solution propose ci-dessus peut tre adapte.

Figure 3. Une fois tranche suivant une direction alatoire, nous obtenons la partition des
invits ci-dessus, qui coupe effectivement un grand nombre dinimitis (en noir), certifi en
moyenne suprieur 87,8% de loptimum!

Couper, attendrir, trancher, rduire 21

Les problmes de coupes dans les graphes


ont de trs nombreuses applications dans
la vie pratique. On peut citer par exemple
la dtection de communauts dans les
graphes dont les applications sont multiples: en sociologie, o on pourra isoler des
groupes damis (ayant peu dinimiti entre
eux); en marketing, o on pourra suggrer
une personne un achat via son appartenance tel profil de consommation; dans
la conception de micro-processeurs, o on
pourra regrouper les composants en minimisant les cbles qui se croisent
Pour conclure, on peut voir ici un trs joli lien
entre une gomtrie trs continue (je peux
dplacer mes vecteurs petit petit dans lespace) et un problme purement discret (les
solutions possibles sont clairement spares les unes des autres, il ny a pas dintermdiaire possible entre placer un invit
sur une table ou sur lautre). Bien que linformatique soit le royaume du discret (tout
y est cod sous la forme dentiers reprsents en mmoire par des suites finies de

22 Mathmatiques, lexplosion continue

bits, 0 ou 1), il semble que les interactions


entre continu et discret ne se limitent pas
lobtention de bonnes approximations. En
effet, des rsultats rcents tablissent des
connexions intrigantes entre des conjectures sur la difficult de rsoudre informatiquement certains problmes et certaines
conjectures purement gomtriques.

Ces problmes ont de trs nombreuses applications dans la vie


pratique: en marketing, o on
pourra suggrer une personne
un achat via son appartenance
tel profil de consommation; dans
la conception de micro-processeurs, o on pourra regrouper
les composants en minimisant
les cbles qui se croisent
Mais je me rends compte que mes invits
arrivent et quil est temps de passer table
avant de risquer une indigestion mathmatico-informatique!

Garder le contrle
laide
des mathmatiques
Karine Beauchard, charge de recherche CNRS lcole polytechnique
Jean-Michel Coron, professeur lUniversit Pierre et Marie Curie
Pierre Rouchon, professeur Mines-ParisTech
Contraindre la trajectoire dun satellite, rguler la temprature de sa maison, stabiliser le niveau deau dun canal les situations ncessitant que
lon contrle une donne, une quantit, une position, sont omniprsentes.
Ces problmes sont lobjet dune thorie mathmatique trs riche: la thorie
du contrle.

Posons un balai verticalement, lenvers,


sur une surface plane (le bout du balai est
rond). La position o le balai est vertical,
immobile, est une position dquilibre: en
thorie, lorsque le balai se trouve dans cette
configuration, il y reste. En pratique, ce nest
pas ce que lon constate (le balai sloigne
de la verticale et finit par tomber) parce que
le balai nest pas exactement sur la position
dquilibre (il nest pas parfaitement vertical
ni parfaitement immobile). Ainsi, de petites
perturbations produisent de grands effets:
mme si le balai est prs de la position
dquilibre au dbut de lexprience, il finit
par sen loigner normment. On dit alors
que lquilibre est instable.
Maintenant, posons le balai sur notre index.
En bougeant notre doigt habilement, on

peut viter que le balai ne tombe, mme si


cela requiert un certain entranement. Dans
le jargon de la thorie du contrle, le mouvement de notre doigt est une commande qui
agit sur le systme (le balai). En fait, notre
doigt exerce sur le balai une rtroaction,
aussi appele feedback, de faon rendre
stable un quilibre instable. Ce feedback
repose sur le fait que nos yeux voient le
balai tomber et donc si le balai commence
par pencher droite, on bougera notre index
vers la droite, et ce dautant plus vite que
le balai penchera vite. Ainsi la position de
notre index, la commande, dpend chaque
instant dune combinaison de la position et
de la vitesse du balai: cest un feedback stabilisant le balai autour de son quilibre vertical instable.

Garder le contrle 23

Notre doigt exerce sur le balai


une rtroaction, aussi appele
feedback , de faon rendre
stable un quilibre instable.
Ce problme de stabilisation du balai est
typiquement un problme dit de contrle.
La thorie du contrle tudie des systmes
sur lesquels on peut agir au moyen dune
commande. La commande est ici utilise
pour amener le systme dun tat initial
donn un tat final souhait malgr des
perturbations. Le problme de la stabilisation est une question centrale de la thorie
du contrle.

Les horloges eau


dAlexandrie
Historiquement, lun des plus anciens
feedbacks construits par lhomme est
celui invent par Ctsibios, ingnieur grec
dAlexandrie au iiie sicle avant J.-C., pour
les horloges eau ou clepsydres, dont le
but est de mesurer le temps qui passe,
problme qui remonte aux premires civilisations. Le principe de la clepsydre est
le suivant: un premier rcipient, perc en
son fond dun trou, est rempli deau. Leau

Figure 1. Quand le niveau baisse, le dbit


diminue.

24 Mathmatiques, lexplosion continue

scoule par le trou dans un autre rcipient.


On peut alors mesurer le temps en mesurant
la hauteur de leau dans le second rcipient.
Cette mthode a t utilise par les gyptiens ds le milieu du deuxime millnaire
avant J.-C. Le problme de cet appareil est
quil est difficile dassurer un dbit constant
du premier rcipient vers le second: plus il
y a deau dans le premier rcipient, plus le
dbit est important, comme illustr sur la
figure 1. Ainsi, le dbit de leau dcrot au
cours du temps et le niveau deau dans le
deuxime rcipient nest pas proportionnel
au temps coul.
Pour pallier ce problme, Ctsibios a introduit au iiie sicle avant J.-C. le dispositif
reprsent sur la figure2. Il y a maintenant
trois rcipients; leau scoule du premier
rcipient vers le second, puis du second
vers le troisime. Cest dans le deuxime
rcipient que se trouve le feedback. Quand
le niveau de leau dans le rcipient 2 est trop
lev, le flotteur rouge vient toucher la coiffe
verte. Cela empche leau de passer du rcipient 1 vers le rcipient 2. Par contre, si le
niveau de leau dans le rcipient 2 est bas,
le flotteur rouge ne restreint pas le dbit de
leau du rcipient 1 vers le rcipient 2. Par
construction, le dbit du rcipient 1 vers
le rcipient 2 est alors suprieur au dbit
du rcipient 2 vers le rcipient 3, donc le
niveau de leau va monter dans le rcipient
2, jusqu ce que le flotteur rouge soit de
nouveau trop haut. On garde ainsi un niveau
deau presque constant dans le rcipient 2,
ce qui assure un dbit constant du rcipient
2 vers le rcipient 3. Le niveau deau dans le
rcipient 3 donne donc une mesure relativement bonne du temps coul.

Le premier rgulateur
industriel
Le premier rgulateur utilis au niveau
industriel est le rgulateur de James Watt
(1736-1819), qui sert rguler la vitesse de
rotation des machines vapeur. On le voit
sur limage 3 et le schma 4. Son fonctionnement est le suivant. Lorsque la machine
tourne, elle transmet (par un systme non
reprsent) son mouvement laxe du rgulateur, qui tourne alors autour de la verticale
une vitesse proportionnelle la vitesse de
rotation de la machine. Le cadre du rgulateur est solidaire de son axe et tourne donc
la mme vitesse. Quand la vitesse de
rotation augmente, les deux boules, sous
laction de la force centrifuge, scartent de
laxe vertical et le manchon rouge monte.
Ce manchon rouge, par un jeu de tringles
non reprsent, agit sur la vanne dadmission de la vapeur dans la machine. Ainsi, si
la machine tourne plus vite que souhait, le

manchon monte: cela provoque une rduction de larrive de vapeur, et la machine


finit par tourner moins vite. Par contre, si
la machine tourne moins vite que souhait,
le manchon descend: cela provoque une
ouverture plus importante de la vanne dadmission, rendant plus importante larrive
de vapeur, et la machine se met tourner
plus vite. Le rgulateur de Watt exerce ainsi
un feedback sur la machine vapeur. Cette
action dpend, chaque instant, de ltat de
la machine vapeur.
Ce nest que quatre-vingts ans plus tard
que la premire analyse mathmatique de
ce type de rgulation sera faite, par James
Clerk Maxwell (1831-1879). Le rgulateur de
Watt y est modlis par une quation diffrentielle.
Dans notre monde actuel, les rgulateurs
sont omniprsents. Par exemple, le thermostat dune maison stabilise la temp-

vers le rcipient 1

rcipient 2

rcipient 3

Figure2. Grce au flotteur rouge, le dbit est maintenant constant.

Garder le contrle 25

Mme si James Watt a russi rguler sa


machine vapeur sans analyse mathmatique, les deux exemples rcents de rgulateurs que nous allons maintenant dcouvrir
reposent de faon cruciale sur des math: le premier stabilise des voies
matiques
navigables, le second des tats quantiques
fragiles.

Des quations de Saint-Venant


dans les cluses

Figure3. Ce rgulateur est install sur la


clbre machine vapeur Lap de la
socit Boulton & Watt. Elle date de 1788
et se trouve actuellement au Science
Museum Londres.

rature de la maison autour de la valeur de


consigne impose par lusager: le thermostat ajuste en temps rel la position de la
vanne, qui dtermine si leau du circuit des
radiateurs entre dans la chaudire (vanne
ouverte) ou repart dans le circuit sans tre
rchauffe (vanne ferme). Les suspensions actives des automobiles ralisent une
stabilisation de lhabitacle par feedback. Les
drones volants sont munis de feedbacks
stabilisants qui les rendent plus faciles
piloter

26 Mathmatiques, lexplosion continue

Les canaux navigables sont constitus


de biefs, cest--dire dune succession de
petits canaux spars dune part par des
vannes mobiles, qui permettent dagir en
temps rel sur le niveau de leau, et dautre
part par des cluses pour le passage des
bateaux (voir figure5). Sur ces canaux navigables, il est important de rguler le niveau
de leau ainsi que son dbit. Pourquoi? Tout
dabord, il faut permettre aux transporteurs
de conteneurs de calculer la charge maximale quils peuvent embarquer sans risque

Figure4. Schma du rgulateur de Watt.

de toucher le fond, ce qui impose de rguler le niveau de leau avec prcision car les
canaux sont souvent peu profonds. Ensuite,
il faut garantir lapprovisionnement des centrales lectriques et des industries consommatrices deau situes sur les berges, ce
qui ncessite une rgulation du dbit.

La commande des vannes dune


cluse se fait de faon automatique. Le processus est gr par
des algorithmes qui reposent sur
un modle de contrle traduisant le comportement de leau
dans les biefs.
La commande des vannes se fait aujourdhui
de faon automatique. Le processus est
gr par des algorithmes qui reposent sur
un modle de contrle traduisant le comportement de leau dans les biefs. Le modle le
plus utilis est celui des quations de Saint

Venant. Son origine remonte au xixesicle.


Adhmar-Jean-Claude Barr de Saint
Venant fut lve de lcole polytechnique,
puis enseigna les mathmatiques lcole
nationale des ponts et chausses. Cest
en tudiant les rivires en crue et le mouvement des mares dans les estuaires quil
publia son modle en 1871. Il sagit dquations aux drives partielles, traduisant la
conservation de la masse et de la quantit
de mouvement dans le fluide.
Pour concevoir des lois de commande
rgissant le comportement des vannes,
on utilise une quantit reprsentative du
comportement global du bief: une fonction
de Lyapunov, cest--dire une fonction qui
atteint son minimum lorsque le systme
est dans ltat dquilibre souhait. Cette
mthode de stabilisation par lutilisation de
fonctions de Lyapunov est trs courante en
thorie du contrle. Elle possde lavantage

Figure5. Vannes mobiles pour la rgulation des canaux. A droite, la vanne a t sortie de leau
pour une opration de maintenance.

Garder le contrle 27

de conduire des comportements robustes


vis--vis des incertitudes de modlisation et
des perturbations extrieures. De plus, ces
lois de commande sont, dans notre exemple,
faciles mettre en uvre concrtement.
Cette mthode danalyse et de conception
du contrle des voies navigables a t utilise notamment pour le rglage des vannes
de la Sambre par ladministration des voies
hydrauliques du ministre de lquipement
et des Transports de la rgion wallonne en
Belgique. On a pu constater des gains de
performance significatifs: lamplitude des
variations de niveau est divise par deux
et les perturbations de dbit sont amorties
deux fois plus vite.

Stabiliser des tats quantiques


de la lumire grce
aux probabilits
Lexprience qui va suivre constitue la premire ralisation exprimentale de feedback sur un systme quantique. Il sagit
dune tape significative vers lordinateur
quantique, pour lequel la protection dtats
quantiques par feedback serait alors une
mthode efficace pour lutter contre les perturbations lies lenvironnement (la dcohrence). Lobjectif de cette exprience est
de stabiliser certains tats quantiques de la
lumire. Ces tats comportent un nombre
entier et bien dtermin de photons. Ils
sont fragiles et difficiles observer, car
trs diffrents de ceux de la lumire qui
nous entoure. Lobjectif est de maintenir
ce nombre de photons. Comme illustr de
faon allgorique sur la figure6, il faut sur-

28 Mathmatiques, lexplosion continue

monter une difficult supplmentaire, car


lchelle quantique, la mesure modifie le
systme.
Dans cette exprience, les photons sont
confins entre deux miroirs supraconducteurs qui se font face, formant ainsi une
cavit ouverte sur les cots, comme lillustre la figure7. La mesure repose sur des
atomes qui traversent lun aprs lautre la
cavit, interagissent avec les photons, et
sont mesurs en sortie. Pour la commande,
on dispose dune source de lumire approprie, utilise entre le passage des atomes.
(Une description bien plus dtaille de cette
exprience se trouve notamment sur le
site http://www.lkb.ens.fr/Un-asservissement-quantique o des animations bases
sur des donnes exprimentales sont galement prsentes.)
Les principes de la mcanique quantique
conduisent une description probabiliste
trs prcise du modle reliant les signaux
de commande et les signaux de mesure.
Cette description mathmatique, bien que
relativement complexe, permet de dterminer un feedback stabilisant qui l encore
repose sur une fonction de Lyapunov.

Bien que les modles utiliss


pour les canaux de navigation
et les tats quantiques de la
lumire soient de natures trs
diffrentes, leurs contrles sappuient sur des mthodes mathmatiques proches, dont lorigine
remonte aux travaux fondamentaux dAlexandre Lyapunov
sur la stabilit.

Ainsi, bien que les modles utiliss pour


les canaux de navigation et les tats quantiques de la lumire soient de natures trs
diffrentes, le premier tant dterministe
en temps continu et le second alatoire et
en temps discret, leurs contrles sappuient
sur des mthodes mathmatiques proches
dont lorigine remonte aux travaux fondamentaux dAlexandre Lyapunov sur la stabilit.

purement techniques ou exprimentales.


Il nat aussi des recherches abstraites de
la thorie mathmatique du contrle. Les
outils mathmatiques qui y sont utiliss
sont trs varis (quations diffrentielles,
quations aux drives partielles, processus stochastiques) et les recherches sy
font souvent linterface avec dautres disciplines (mcanique des fluides, ingnierie
hydraulique, mcanique quantique, optique
quantique).

Dans les problmes de contrle, le progrs


ne vient donc pas uniquement dinventions

Figure6: Les tats quantiques stabiliser sont des tats avec un nombre entier et bien dtermin de photons. Ces derniers rebondissent entre les deux miroirs. La difficult pour le
feedback, ici reprsent de faon allgorique par les deux mains du jongleur, vient du fait
que lobservation de ces photons par le jongleur les perturbe ncessairement. Cette action
en retour supplmentaire due la mesure doit tre prise en compte ds la conception dun
feedback stabilisant.

Garder le contrle 29

Remerciements
Les auteurs remercient Michel Brune pour
les figures6 et7 illustrant le contrle dtats
quantiques.

Bibliographie
Coron J.-M., dAndra-Novel B., BastinG.,
(mars 2008). Penser globalement, agir localement. La Recherche, n417, p.82-83.
Mayr O., (1970). The origins of feedback
control. The M.I.T. Press (Cambridge
Massachusetts, and London, England),
p.vii +151.

Sayrin C., Dotsenko I., Zhou X., Peaudecerf B., Rybarczyk T., Gleyzes S.,
Rouchon P., Mirrahimi M., Amini H.,
Brune M., Raimond J.-M., Haroche S.,
(septembre 2011). Real time quantum
feedback prepares and stabilizes photon
number states. Nature, vol.477, p.73-77.

Figure7. la lumire contrler est un champ lectromagntique dune frquence voisine de


10 GHz confin entre les deux miroirs supraconducteurs qui se font face comme sur la figure.
Ils forment ainsi une cavit ouverte sur les cots. La mesure repose sur des atomes (non
reprsents sur la figure) qui traversent horizontalement la cavit mi-chemin entre les deux
miroirs. Ces atomes interagissent avec le champ lectromagntique et sont mesurs ensuite
leur sortie. Pour la commande, on dispose dune source lectromagntique classique rglable
(non reprsente sur la figure) qui, aprs chaque atome, claire la faon dun flash la cavit.

30 Mathmatiques, lexplosion continue

Le thorme de Green-Tao
et autres secrets
des nombres premiers
Michel Waldschmidt, professeur mrite lUniversit Pierre et Marie Curie

Bien que les mathmaticiens sy intressent depuis lAntiquit, les nombres


premiers continuent de fasciner. En les additionnant ou en les soustrayant
entre eux, on trouve une mine de problmes dont certains sont longtemps
demeurs ouverts ou restent encore irrsolus.

Obtenir tous les nombres entiers positifs en


utilisant les seuls symboles + et 1 est facile:
il suffit dcrire chaque entier n > 0 sous la
forme 1 + 1 + + 1 avec n fois le symbole
1 et (n -1) fois le symbole +.
Remplaons laddition par la multiplication
et le symbole + par le symbole x (ou ).
Pour crire tous les nombres entiers positifs comme des produits, on a donc besoin
de briques lmentaires qui jouent le rle
tenu par 1 pour laddition. Ces briques sont
les nombres premiers, ceux qui ne peuvent
pas scrire comme produits de nombres
entiers plus petits. Chaque entier suprieur
ou gal 2 est produit, de manire unique
( permutations prs), de nombres premiers: cest ce quon appelle le thorme

fondamental de larithmtique. Par exemple


4200 = 2 x 2 x 2 x 3 x 5 x 5 x 7.

Des nombres aussi grands


que lon veut
La liste des nombres premiers commence
par 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37
On trouve le dbut de cette liste sur la toile,
dans lencyclopdie des suites de nombres
entiers, qui est une mine dinformations
pour ce genre de questions. Les nombres
suprieurs 1 qui ne sont pas premiers sont
appels nombres composs. Leur liste commence par 4, 6, 8, 9, 10, 12, 14, 15, 16

Le thorme de Green-Tao et autres secrets des nombres premiers 31

Des proprits additives


tonnantes

Cette deuxime liste comporte entre autres


tous les nombres pairs partir de 4. Il est
donc facile dcrire un nombre compos
aussi grand que lon veut. En revanche,
crire (par exemple sous forme dcimale)
un nombre premier aussi grand que lon
voudrait est une opration que lon ne sait
pas raliser.
Le plus grand nombre premier explicitement connu (depuis le 2 mai 2013) est
257 885 161 1 qui a 17 425 170 chiffres dcimaux. Si on crivait tous ces chiffres avec
disons deux chiffres par centimtre, lcriture de ce nombre stendrait sur plus de
87kilomtres!
Pourtant on sait, depuis Euclide, que la liste
des nombres premiers ne sarrte jamais: il
existe une infinit de nombres premiers. Les
nombres premiers sont donc un exemple
de suite dont on sait quelle est infinie, mais
dont on ne sait pas expliciter des lments
aussi grands que lon voudrait.

32 Mathmatiques, lexplosion continue

Les nombres premiers ont t introduits en


arithmtique pour la multiplication, comme
nous venons de le voir. tudier leurs proprits additives peut sembler une ide
bizarre. Elle mne cependant des problmes profonds, dont ltude a conduit
des thories trs labores dune grande
richesse, ncessitant lutilisation doutils
mathmatiques sophistiqus. Le plus fascinant dans cette thorie est quelle continue
se dvelopper. Elle a permis de rsoudre
un grand nombre de questions qui sont
restes ouvertes fort longtemps, mais elle
nest pas encore suffisamment puissante
pour rpondre certaines questions qui
sont pourtant faciles formuler.
Additionnons deux nombres premiers; on
obtient les valeurs suivantes:
p
2, 3, 5, 7, 11, 13, 17,
p + 2 4, 5, 7, 9, 13, 15, 19,
p + 3 5, 6, 8, 10, 14, 16, 20,
p + 5 7, 8, 10,12, 16, 18, 22,
p + 7 9, 10, 12, 14, 18, 20, 24,
p + 11 13,14, 16,18, 22, 24, 28,

19, 23, 29, 31, 37...


21, 25, 31, 33, 39
22, 26, 32, 34, 40
24, 28, 34, 36, 42
26, 30, 36, 38, 44
30, 34, 40, 42, 48

Les seuls nombres impairs que lon puisse


trouver dans ce tableau figurent sur la premire ligne (celle qui donne les p + 2) et
sur la premire colonne (celle qui donne les
2 + p, puisque le tableau est symtrique). En
effet, la somme de deux nombres impairs
est forcment un nombre pair. Comme 2
est le seul nombre premier pair, les seules
sommes impaires de deux nombres pre-

miers sont celles qui consistent ajouter 2


un nombre premier impair; toutes les autres
sommes sont des nombres pairs.

La diffrence entre deux


nombres premiers: une source
de questions passionnantes

Ce qui est remarquable est quil semble


quon obtienne avec ce tableau tous les
nombres pairs partir de 4. Beaucoup de
nombres pairs sont obtenus de plusieurs
faons diffrentes, par exemple,
10 = 5 + 5 = 7 + 3; 14 = 7 + 7 = 3 + 11

Une autre faon de marier les nombres


premiers avec laddition consiste tudier
la diffrence entre deux nombres premiers
conscutifs.

Que tous les nombres pairs


suprieurs ou gaux 4 puissent
scrire comme somme de deux
nombres premiers est un problme ouvert.

Que tous les nombres pairs suprieurs ou


gaux 4 puissent scrire comme somme
de deux nombres premiers est appel problme binaire de Goldbach; il a t propos par Euler en rponse une lettre de
Goldbach datant de 1742, dans laquelle
Goldbach suggrait que tout nombre entier
suprieur ou gal 7 tait somme de trois
nombres premiers. Ce dernier rsultat,
moins fort que le problme binaire de Goldbach, a t annonc par Harald Helfgott en
mai 2013. Mais le problme binaire de Goldbach est toujours ouvert et cest la source
de nombreuses recherches depuis bientt
trois sicles. Cest un problme difficile, qui
a donn naissance des thories labores
ayant dautres applications. On peut citer par
exemple la thorie additive des nombres,
qui tudie les sommes de nombres entiers
appartenant un ensemble donn (ici les
nombres premiers).

La liste des nombres premiers est


( p1, p2, p3) = (2, 3, 5, 7, 11, 13, 17, 19,
23, 29, 31, 37) et la liste ( pn pn-1) des
diffrences entre deux nombres premiers
conscutifs commence par 1, 2, 2, 4, 2, 4,
2, 4, 6, 2, 6
Il est facile de voir qu part la premire
valeur, 1, toutes les autres sont des nombres
pairs: cela provient une fois de plus du fait
que 2 est le seul nombre premier pair. Y
a-t-il une infinit de 2 dans cette liste? On
ne le sait pas encore; cest la conjecture des
nombres premiers jumeaux, qui snonce:
il existe une infinit de nombres premiers
p ayant la proprit que p + 2 est aussi
premier.
On sait que la suite des diffrences entre
deux nombres conscutifs de la suite des
nombres premiers nest pas borne
: il
existe des trous aussi grands quon
veut (ltude des trous dans la suite des
nombres premiers remonte Legendre et
Gauss). On sait aussi estimer lordre de grandeur moyen de tels trous, grce au Thorme des Nombres Premiers, dmontr en
1896 par Hadamard et de la Valle Poussin.
La lgende prtendait que le mathmaticien
qui dmontrerait cette conjecture serait
immortel. Dune certaine manire Jacques

Le thorme de Green-Tao et autres secrets des nombres premiers 33

Hadamard (1865-1963) et Charles de la Valle Poussin (1866-1962) laissent leur nom


dans lhistoire par leur thorme, mais ils
ont aussi ralis la prdiction de faon aussi
complte que possible, puisquils sont dcds presque centenaires.
Rcemment, de nouveaux progrs ont t
accomplis sur la question des trous entre
deux nombres premiers. Le postulat de
Bertrand, dmontr par Tschebycheff vers
1850, affirme quentre un nombre entier et
son double, il y a toujours un nombre premier.
Au lieu du coefficient 2 qui intervient dans
le double, on peut prendre nimporte quel
facteur c > 1: pour n suffisamment grand, il
y a toujours un nombre premier p entre n et
cn. Cela donne dj une information sur les
carts entre deux lments conscutifs de
la suite des nombres premiers. Le thorme
des nombres premiers implique plus prcisment que la diffrence entre le n -ime
nombre premier pn et le suivant pn+1 est de
lordre de grandeur de log pn , le logarithme
nprien de pn.
En 2013, Yitang Xang a dmontr quil existe
une infinit de couples de nombres premiers
dont lcart est infrieur 70 millions.
Cest loin de ce que lon attend, si on pense
la conjecture des nombres premiers
jumeaux ci-dessus, selon laquelle la diffrence entre deux nombres conscutifs de
la liste des nombres premiers devrait tre
2 une infinit de fois. Mais cest un progrs
considrable par rapport ce que lon savait
avant.

34 Mathmatiques, lexplosion continue

Progressions arithmtiques
Ltude des diffrences entre les nombres
premiers peut tre gnralise dune autre
manire, en tudiant les progressions arithmtiques composes de nombres premiers.
Une suite de nombres forme une progression arithmtique si la diffrence entre deux
termes conscutifs de la suite est toujours
la mme: cette valeur est alors la raison de
la progression.
Par exemple la suite 5, 11, 17, 23, 29 est une
progression arithmtique de 5 termes de
raison 6.
La suite 7, 37, 67, 97, 127, 157 est une progression arithmtique de 6 termes de raison 30 et la suite 199, 409, 619, 829, 1039,
1249, 1459, 1669, 1879, 2089 est une progression arithmtique de 10 termes de raison 2100. Dans ces exemples, les termes
de ces suites sont tous des nombres premiers.

Y a-t-il des progressions arithmtiques aussi longues que lon


veut composes uniquement de
nombres premiers?
La plus longue progression arithmtique
explicitement connue compose uniquement de nombres premiers comporte 26
termes, la raison en est le produit de 23 681
770 par 223 092 870; cest la suite 43 142
746 595 714 191 + 23 681 770 223 092 870
n pour n prenant les valeurs de 0 25. Elle a
t trouve par Benot Perichon.


Ben Green

Terence Tao

Y a-t-il des progressions arithmtiques aussi


longues que lon veut composes uniquement de nombres premiers? Pendant longtemps cette question a t ouverte, ctait
encore un dfi de plus pour les mathmaticiens. Cest un travail men en collaboration par les mathmaticiens Ben Green et
Terence Tao qui a conduit finalement la

solution en 2004. Leur thorme dit ainsi


que oui, il existe des progressions arithmtiques, de longueur aussi grande que lon
veut, composes uniquement de nombres
premiers. Leur dmonstration nest pas
constructive, cest--dire quelle ne dit pas
comment construire une telle suite!

Pour aller plus loin

Sur Internet

Tenenbaum G., Mends-France M.,


(1997). Les Nombres premiers; Presses
Universitaires de France (PUF), coll.
Que Sais-je?.

http://www.mersenne.org/
http://primes.utm.edu/largest.html
https://oeis.org/
Le blog de Terence Tao:

Ribenboim P., (2000). Nombres premiers:


mystres et records; Presses Universitaires de France (PUF), coll. Mathmatiques.

http://terrytao.wordpress.com/

Hardy G.H., Wright E.M., (2008). An Introduction to the Theory of Numbers;


Oxford Science Publications, sixth
ed. Oxford: Oxford University Press.
Revised by D. R. Heath-Brown and
J. H. Silverman, With a foreword by
Andrew Wiles.

Le thorme de Green-Tao et autres secrets des nombres premiers 35

La supraconductivit
Sylvia Serfaty, professeur lUniversit Pierre et Marie Curie

La supraconductivit, capacit dun mtal laisser passer le courant lectrique sans perte dnergie, peut avoir des applications tonnantes. Ltude
de ce phnomne fait intervenir divers domaines des mathmatiques, comme
le calcul des variations, les quations aux drives partielles, lanalyse
asymptotique. Plusieurs questions ouvertes y sont associes.

La supraconductivit vient de fter ses 100


ans. Plus exactement, cest en 1911 que
le physicien hollandais Heike Kamerlingh
Onnes a dcouvert quune fois refroidi
une temprature trs proche du zro absolu,
le mercure perdait compltement sa rsistance lectrique: autrement dit, on pouvait
y voir circuler des courants lectriques indfiniment, sans dissipation dnergie ni perte
de chaleur.

sa temprature critique, est soumis un


champ magntique extrieur, il lexpulse littralement. Ceci sappelle leffet Meissner.

Lvitation et tourbillons
La supraconductivit, qui concerne de nombreux mtaux et alliages, entrane dautres
phnomnes surprenants, notamment en
rponse un champ magntique. Lorsquun
supraconducteur, refroidi en-dessous de

Figure1. Supraconducteur en lvitation


au dessus dun aimant: leffet Meissner.
Copyright: J. Bobrov

La supraconductivit 37

Lune des consquences les plus spectaculaires de cet effet est quun aimant pos sur
un supraconducteur est soumis une force
magntique qui le repousse: on voit laimant
lviter au-dessus du supraconducteur!

taine intensit, appele le second champ


critique, les vortex sont tellement serrs les
uns contre les autres quil ny a plus de place
pour la phase supraconductrice, et le matriau retrouve ltat normal.

Cependant, lorsque certains matriaux


supraconducteurs sont soumis un
champ magntique plus intense, la situation change: au-del dun certain seuil de
champ, appel premier champ critique, le
champ magntique commence pntrer
un peu, et aux endroits o il pntre, on
voit se former des tourbillons de vorticit
ou vortex, qui sont comme les tourbillons
dun mini-cyclone, le cur tant dans ltat
normal (non supraconducteur) entour de
phase supraconductrice, autour desquels
tournent des boucles de courant supraconducteur. Plus le champ appliqu est
lev, et plus on voit de vortex. Une fois
devenus nombreux, ceux-ci sorganisent en
rseaux hexagonaux parfaits, comme en nid
dabeille (cf. photo). Mais au-del dune cer-

Un aimant pos sur un supraconducteur est soumis une force


magntique qui le repousse: on
voit laimant lviter au-dessus
du supraconducteur!

Figure 2. Vortex organiss en rseau


dAbrikosov, daprs H. F. Hess et
al., Bell Labs, Phys. Rev. Lett. 62, 214
(1989).

38 Mathmatiques, lexplosion continue

Un potentiel norme en termes


dapplications
Les applications de la supraconductivit
sont potentiellement normes. En effet, ce
phnomne permet en principe de transporter des courants trs forts sans perte
dnergie. Dj, les systmes de trains
sustentation magntique, comme le japonais Maglev, reposent sur la supraconductivit. Ces trains sont quips de bobines
supraconductrices leur permettant de glisser sans frottement en lvitation au-dessus
de rails aimants. Les supraconducteurs
sont galement utiliss pour engendrer de
trs forts champs magntiques, en y faisant circuler des courants de forte intensit, comme par exemple dans le nouvel
acclrateur de particules LHC de Genve.
Ils servent aussi dtecter de trs faibles
champs magntiques, ce qui est utilis
entre autres dans les sous-marins, en
imagerie mdicale, pour la dtection dobjets cachs et dans les nano-circuits. Pour
linstant, la principale limitation est que les
supraconducteurs doivent tre quips de
systmes de refroidissement pour des-

cendre trs basse temprature, ce qui est


coteux et contraignant. Les physiciens,
en partenariat avec les chimistes, continuent donc dexplorer la possibilit de fabriquer des composs chimiques qui soient
supraconducteurs des tempratures plus
leves.

Un peu de physique quantique


Que se passe-t-il dans un matriau qui fait
quil devient supraconducteur basse temprature ? Seule la physique quantique peut
nous lexpliquer. Dans un mtal normal, les
lectrons se comportent comme des ondes
tales sur chaque atome, indpendantes
les unes des autres. Quand le mtal devient
supraconducteur, basse temprature, les
lectrons sassocient par paires, appeles
paires de Cooper. Grossirement, toutes
les paires dlectrons se mettent alors
dans le mme tat quantique pour former
comme une seule onde, un peu comme des
poissons dans un banc. Ce comportement
collectif des lectrons leur permet de traverser le matriau sans tre sensibles aux
obstacles et ainsi la rsistance lectrique
disparat. La condensation dans un seul
tat quantique est dailleurs exactement
ce qui se produit aussi pour les atomes
dans les superfluides (tel lhlium liquide
basse temprature) ou les condensats
de Bose-Einstein, prdits par Einstein et
rcemment mis en vidence exprimentalement. Les superfluides et les condensats
sont deux types de liquides qui perdent
toute viscosit trs basse temprature,
do leur nom de liquides superfluides. Et
lorsquon met un liquide superfluide en

rotation rapide, on y observe, comme dans


les supraconducteurs, des tourbillons de
vorticit.
Dans les annes 30, le physicien London
a fourni le premier modle descriptif de la
supraconductivit, mais ce nest que dans
les annes 50 quest ne la thorie de Ginzburg et Landau, la plus universellement
admise de nos jours, qui dcrit lapparition de
la supraconductivit et le comportement des
supraconducteurs en prsence de champ
magntique. Cette thorie dcrit un supraconducteur par deux fonctions indiquant
son tat local: une fonction donde , et un
champ magntique A, chacun dpendant du
point dans lchantillon o lon se place.
A ces deux fonctions on associe alors, par
une formule explicite, un nombre unique,
dpendant de lintensit du champ appliqu, et qui donne ce qui sappelle lnergie
de Ginzburg-Landau. Les tats stables du
systme, ceux que lon observe lorsquil est
au repos, sont ceux pour lesquels lnergie
de Ginzburg-Landau est la plus basse. En
1956, la thorie BCS de Bardeen, Cooper et
Schrieffer est venue complter la thorie de
Ginzburg et Landau, en expliquant la supraconductivit partir du niveau quantique,
par la formation des paires de Cooper.

Que viennent faire


les mathmatiques
dans tout cela?
Lnergie de Ginzburg-Landau, qui est une
fonction de ltat du systme, constitue une
sorte de fonction mathmatique. En outre,

La supraconductivit 39

de manire pas si surprenante, cest quasiment la mme fonction mathmatique que


celle qui dcrit lnergie dun superfluide ou
dun condensat de Bose-Einstein en rotation. On peut donc faire semblant doublier le
modle physique dont cette nergie provient
et, la regardant avec un il de mathmaticien, ltudier comme fonction mathmatique, laide de dmonstrations, obtenant
ainsi du mme coup des rsultats sur ces
trois problmes physiques. On se demande
alors: quelle est la valeur du minimum de
cette fonction
? quoi ressemblent les
tats qui atteignent ce minimum? Comment
varient-ils en fonction de la valeur du champ
appliqu? Peut-on prdire lapparition des
vortex (caractriss comme les points o la
fonction vaut 0) et leur emplacement?
Il se trouve que le mme genre de questions se pose pour toutes sortes dnergies
qui proviennent de la physique, et mme de
lingnierie, de lconomie o lon cherche
minimiser un certain cot (ou, dans le cas
de lconomie, maximiser un gain ou une
fonction dutilit) et o lon veut comprendre
quels sont les tats ou configurations optimaux. Mathmatiquement, cela relve de la
thorie du calcul des variations, qui remonte
Bernoulli, Euler et Lagrange, et qui nous
dit quand on peut garantir lexistence dun
optimum, et comment le caractriser. Le
plus souvent, celui-ci est caractris par une
quation aux drives partielles, qui nest
autre quune relation exacte entre la fonction
dtat (qui dpend du lieu dans lchantillon)
et ses drives. Or, les mathmaticiens ont
galement dvelopp depuis un sicle une
gigantesque thorie et classification de ces
quations aux drives partielles. Mme si

40 Mathmatiques, lexplosion continue

de nombreuses et difficiles questions subsistent, on sait assez bien dire lesquelles


ont des solutions, comment celles-ci se
comportent qualitativement dans lespace
et dans le temps, etc.

Les mathmaticiens savent dire,


par exemple, comment les vortex
vont se dplacer sous leffet dun
courant appliqu, question importante puisque les mouvements des
vortex entranent de la dperdition dnergie.
Mais revenons cette fameuse nergie
de Ginzburg-Landau
: comment savoir si
cette nergie, propose lorigine sans
dmonstration, est un bon modle pour
dcrire la supraconductivit? Prcisment,
en regardant si, mathmatiquement, elle
prdit le mme comportement que celui qui
est observ dans les expriences. Ce problme se pose dailleurs pour tout modle
physique
: ltude mathmatique permet
dabord de valider le modle, puis au-del,
de prdire le comportement du systme
physique avec plus de dtails, et dans des
situations qui ne sont par exemple pas
accessibles lexprience! Ainsi, le physicien Abrikosov, peu aprs lintroduction
du modle de Ginzburg et Landau, a fait
des calculs, quelque peu formels, qui lont
amen dire que le modle devrait avoir
des solutions avec des vortex disposs
priodiquement, et ainsi prdire que lon
devrait les voir dans les expriences. Les
physiciens ont ensuite essay dobserver
de telles situations et ils ont effectivement
dcouvert les arrangements de vortex en
rseau hexagonal tels que sur la photo de la

page 38. Ceux-ci ont t baptiss rseaux


dAbrikosov.
Par rapport la physique et au calcul formel, les mathmatiques apportent toute
la rigueur et la prcision de leur mthode
hypothtico-dductive. De ce point de vue,
le modle de Ginzburg-Landau est dj trs
largement valid mathmatiquement. On
sait en effet dmontrer pour quelles valeurs
(dites critiques) du champ magntique
appliqu les vortex apparaissent dans les
minimiseurs de lnergie, combien il y en a,
et comment ils se disposent en moyenne.
On retrouve et prcise ainsi le comportement observ ou calcul par les physiciens.
Les mathmaticiens savent aussi dire, par
exemple, comment les vortex vont se dplacer sous leffet dun courant appliqu, question importante puisque les mouvements
des vortex entranent de la dperdition
dnergie.

Lide de lanalyse asymptotique est alors


de forcer le trait : si lon sintresse
aux matriaux pour lesquels les vortex
apparaissent donc pour lesquels cette
constante est grande pourquoi ne pas
regarder ce qui se passe mathmatiquement lorsquon la rend infiniment grande?
Cette ide savre en fait trs fructueuse
dans toute lanalyse dquations ou dnergies provenant de modles physiques. La
philosophie, qui est trs gnrale, est donc
darriver rduire un problme de minimisation compliqu (sur un espace de dimension infinie) un problme plus simple, en
dimension plus petite (cest--dire avec
moins de paramtres possibles examiner).
La difficult est darriver justifier rigoureusement cette simplification (en quelque
sorte, montrer quelle est lgale ) et
donner la formule explicite de lnergie
rduite.

Analyse asymptotique

La meilleure disposition
possible

Lanalyse mathmatique de la supraconductivit fait donc intervenir le calcul des variations, la thorie des quations aux drives
partielles, la thorie spectrale, mais aussi de
manire importante, un autre ingrdient qui
sappelle lanalyse asymptotique. Dans les
supraconducteurs, le comportement des
vortex dpend dune constante K, appele
le paramtre de Ginzburg-Landau, qui est
propre chaque matriau et qui apparat
naturellement dans le calcul de lnergie de
Ginzburg-Landau. En fait, ce nest que dans
les matriaux pour lesquels cette constante
est assez grande que les vortex apparaissent.

Ce nest que trs rcemment que nous


sommes parvenus expliciter, partir de
Ginzburg-Landau, la formule de lnergie simplifie, qui rgit la distribution et la
rpartition des vortex. Cette nergie nest
pas inconnue des physiciens ni des mathmaticiens: elle correspond une interaction
de type lectrostatique entre les vortex.
Ceux-ci se comportent donc comme des
charges lectriques ponctuelles qui se
repoussent entre elles, mais sont en mme
temps confines par une force extrieure
(la force du champ magntique appliqu).
Cest la comptition entre ces deux effets

La supraconductivit 41

qui dicte la rpartition. Par analogie, imaginez des personnes nombreuses qui se
dtestent mais qui sont forces de rester
toutes ensemble dans la mme pice
:
quelle est la meilleure manire que toutes
ont de se positionner pour tre le plus loin
possible les unes des autres?
Ce dernier problme ne se limite pas la
supraconductivit, cest en fait un type de
question courant dans la nature. Pourquoi
les atomes dans un cristal se disposent-ils
exactement selon un rseau cristallin (en
gnral cubique), cest--dire de manire
priodique? De nouveau, cest la somme
de toutes les interactions lectrostatiques
entre les atomes, et entre les atomes et
les lectrons, qui doit dicter la disposition.
On peut mesurer le cot de chaque rpartition via une nergie, dont on pense que
le minimum est justement atteint par un tel
arrangement en rseau. Hlas, on ne sait
pas dmontrer que ces structures cristallines sont bien celles qui minimisent cette
nergie, mme si on les observe clairement
dans la nature Le seul cas o lon sache
dmontrer quelque chose danalogue est
celui o lon cherche la meilleure distribution de boules rigides toutes identiques
dans un plan, telles des boules de billard,
lorsquon veut en mettre le maximum possible par unit de volume. Dans ce cas, il
a t dmontr assez rcemment que la
meilleure configuration est celle en rseau
hexagonal (en dimension 3, le rsultat analogue donne la meilleure manire dempiler
des oranges sur ltal dun marchand!)
Ces questions de priodicit sont donc
gnrales, fondamentales dans la nature,

42 Mathmatiques, lexplosion continue

et constituent un rel dfi mathmatique.


Dans le cas de la rpulsion lectrostatique
qui gouverne linteraction entre les vortex dans Ginzburg-Landau, on pense que
le meilleur arrangement est de nouveau
le rseau hexagonal, toujours le fameux
rseau dAbrikosov! Mais, pour le moment,
on ne sait pas le dmontrer rigoureusement. Le modle de Ginzburg-Landau na
donc pas encore livr tous ses secrets

La meilleure distribution de
boules rigides identiques dans
un plan, telles des boules de billard, est celle en rseau hexagonal (en dimension 3, le rsultat
analogue donne la meilleure
manire dempiler des oranges
sur ltal dun marchand!)

Inspiration
mathmatique:
la modlisation du poumon
Cline Grandmont, directrice de recherche Inria

La complexit de notre systme respiratoire en fait un joli sujet dapplication


des mathmatiques. Le fonctionnement de lappareil respiratoire est dcrit
par des quations qui servent effectuer des simulations venant complter
lexprience et permettant de mieux comprendre ou prvoir les phnomnes
qui se produisent lorsque nous respirons.

Quels sont les phnomnes physiologiques


intervenant au cours dune crise dasthme?
O se dposent les arosols thrapeutiques
ou les particules polluantes mises par les
gaz dchappement dans le poumon? Comment ventiler au mieux un patient ayant
besoin dune assistance respiratoire? Comment lemphysme ou la fibrose, maladies
touchant les tissus pulmonaires, affectent la
ventilation et la diffusion de loxygne dans
le sang?
Toutes ces questions intressent des
mdecins pneumologues, allergologues
des biologistes, des mcaniciens des
fluides mais aussi des mathmaticiens,
qui cherchent y amener des lments de
rponses.

Larbre bronchique:
une gomtrie complexe
La respiration fait intervenir des phnomnes physiques nombreux, des chelles
trs diffrentes. La fonction principale
de lappareil respiratoire est dassurer les
changes gazeux entre lair et le sang. Lair,
inspir par le nez ou la bouche, est ensuite
transport dans les voies ariennes: pharynx, larynx, trache, bronches Larbre
bronchique humain prsente une gomtrie dune grande complexit: il se prsente
sous la forme dun arbre dyadique (dont
chaque branche se divise en deux, et ainsi
de suite) environ 23 niveaux de bifurcations, chaque gnration tant constitue
de conduits plus petits que la prcdente,

Inspiration mathmatique: la modlisation du poumon 43

les longueurs diminuant de 10cm (trache)


1mm (dernires bronchioles respiratoires).
Cet arbre est entour dun tissu viscolastique, le parenchyme pulmonaire, constitu
entre autres dlastane, de fibres de collagne et dun rseau de vaisseaux sanguins.

Figure1. Moulage de poumon humain.


Institut dAnatomie, Universit de
Berne, Prof. Ewald R. Weibel.

La premire partie de larbre bronchique,


jusque vers la quinzime gnration, est
purement conductrice et a pour fonction
principale le transport de lair. Au-del, des
alvoles viennent se greffer sur les bronchioles et permettent un change de gaz
(oxygne et dioxyde de carbone) avec les
capillaires sanguins qui tapissent lextrieur
de quelque 300 millions dalvoles. Le mouvement de lair dans ce rseau de tubes est
assur par le dplacement du diaphragme
et de la cage thoracique, vritables moteurs
de la respiration. Cela entrane, linspiration, laugmentation du volume du poumon
et induit une diffrence de pression entre
la bouche (ou le nez) et les alvoles pulmonaires, crant alors un flux dair dans larbre

44 Mathmatiques, lexplosion continue

(de ce point de vue, le poumon ressemble


un soufflet).

On ne sait pas forcment mesurer exprimentalement toutes


les quantits souhaites, et on
ne peut pas non plus rpter
les expriences linfini pour
infirmer ou confirmer certaines
hypothses. Cest pourquoi il
peut tre utile de modliser.
Dcrire, comprendre le transport de lair ou
le dpt de particules dans cette gomtrie
complexe, et dans toute sa gnralit, peut
savrer difficile. On ne sait pas forcment
mesurer exprimentalement toutes les
quantits souhaites, et on ne peut pas non
plus rpter les expriences linfini pour
infirmer ou confirmer certaines hypothses.
Cest pourquoi il peut tre utile de modliser
cest--dire ici de mettre en quations et
simuler sur ordinateur de manire simple
mais reprsentative, certains phnomnes
particuliers tels que les variations du volume
global du poumon au cours des cycles respiratoires. On peut aussi chercher dcrire
plus prcisment une zone particulire, par
exemple la partie suprieure (dite proximale)
de larbre, afin dobtenir une cartographie de
lcoulement de lair dans cette rgion.
La modlisation dpendra bien sr des
besoins qui la motivent. Il pourra sagir de
comprendre un mcanisme global et leffet
de pathologies sur ce mcanisme, ou encore
dobtenir une description tridimensionnelle
de lcoulement pour, notamment, prdire
dans quelles zones de larbre se dposeront
des particules curatives ou polluantes.

Un modle simplifi
Reprenons limage du soufflet. Imaginons
que lon cherche reproduire les rsultats
dune exprience de spiromtrie (du latin
spiro, respirer, et du grec metron, mesure:
mesure de la respiration). Au cours de cette
exprience, on demande au patient dinspirer et dexpirer le plus intensment possible
et on mesure le volume respir, que lon
note V, et le dbit associ (qui nest autre
que la vitesse de variation du volume au
cours du temps), not V .

connu et utilis depuis longtemps, le flux


dair est proportionnel la diffrence entre
la pression alvolaire Pa et la pression la
bouche Patm. La constante de proportionnalit correspond la rsistance R de larbre
bronchique lcoulement (la rsistance
dpend des dimensions du tube et de la viscosit du fluide, en particulier, plus le tube
est long et fin, plus il est difficile de faire
passer lair dedans). On peut exprimer cela
par une quation, appele Loi de Poiseuille
du nom du mdecin franais qui la tablie
en 1844, qui dit que:

Patm Pa = RV
Par ailleurs le volume du ballon dpend
de llastance des tissus (note E ) et des
forces qui lui sont appliques (ici la pression
alvolaire Pa et la pression P exerce par le
diaphragme). Cela sexprime par une autre
quation traduisant lquilibre lastique du
ballon:

Pa P = EV

Figure 2. Evolution du volume respir


au cours du temps (daprs S. Martin,
T.Similowski, C.Straus, B.Maury, ESAIM Proc., vol. 23, 2008, p. 30-47)

Finalement, on combinant nos deux quations, on obtient:

Patm P = RV + EV
qui dcrit lvolution au cours du temps du
volume du ballon.

Imaginons que lon veuille dcrire le comportement global de la dynamique du


volume respir (autrement dit la manire
dont ce volume respir volue au cours
du temps). Le modle mathmatique le
plus simple, trs utilis, auquel lon puisse
penser est ce que lon appelle le modle
monocompartiment. Dans ce modle,

Il sagit dune quation diffrentielle


puisquelle fait intervenir la fois le volume
V et sa variation V , linaire, et on sait en
calculer explicitement la solution.
Pour exploiter un tel modle, si simple soit-il,
il faut trouver les valeurs des paramtres

Inspiration mathmatique: la modlisation du poumon 45

que sont la rsistance des voies ariennes,


llastance des tissus et la pression exerce.
Cette recherche des bons paramtres peut
tre faite la main ou, si lon sait mesurer la pression exerce, de manire systmatique laide de mthodes mathmatiques afin que la solution soit le plus proche
possible du volume mesur.
Caler la main consiste essayer diffrentes valeurs des paramtres afin de reproduire au mieux les mesures de volume et
dbit de lexprience. Si la pression exerce
est mesurable, il est galement possible de
rsoudre un problme de minimisation o
lon va chercher R et E minimisant lcart
entre la pression mesure Pm et la pression
P donne par lquation:

P = Patm RV EV
o V et V nous sont donns par lexprience.
Ainsi, une fois les paramtres cals, en
rsolvant notre quation diffrentielle, on
dispose dune formule mathmatique exprimant le volume en fonction du temps et de
Patm, Pa, P et E:

V (t) = V (0)e R t +

Patm P (s) E (st)


eR
ds
R

46 Mathmatiques, lexplosion continue

qui peut tre enrichi!


Mme si on ne sintresse qu une dynamique globale du volume, ce modle simplifi ne rend pas compte de tous les phnomnes pouvant avoir un impact sur ce que
lon cherche mesurer. En particulier, lexpansion du poumon est limite par la cage
thoracique, larbre bronchique se dforme
au cours des cycles respiratoires, la rsistance lcoulement augmente avec le
dbit Il est donc ncessaire denrichir le
modle.
On peut imaginer que la rsistance R et
llastance E dpendent du volume V et
du dbit V . Mais en tenant compte de
cette dpendance, on obtient finalement
une quation dont on ne sait plus calculer
explicitement la solution. Toutefois, on sait
dire si cette solution existe et il existe des
mthodes permettant den calculer une
approximation. Le travail du mathmaticien
appliqu est donc de comprendre le comportement des solutions et de calculer au
cours du temps et avec laide de lordinateur,
le volume respir.
Si la solution du modle mathmatique et
numrique est proche des expriences spiromtriques, alors cest un bon modle
et lon peut ensuite jouer avec les paramtres et les faire varier afin de reproduire
ou de comprendre les phnomnes en jeu.
La rsistance R augmente lors dune crise
dasthme, llastance E des tissus diminue en cas demphysme. On peut alors
apporter un clairage diffrent de celui
des mesures exprimentales et contribuer rpondre aux questions telles que:

Comment lemphysme ou une crise


dasthme affectent globalement la ventilation?
Bien sr, une telle modlisation ne peut
pas rendre compte de lcoulement de
lair dans toute sa complexit et ne permet
pas de connatre les vitesses de lair dans
la trache ou dans des petites bronches.
Nanmoins, si lon cherche dcrire le
comportement de lair en chaque point de
larbre bronchique, la dmarche du mathmaticien appliqu sera la mme : dterminer un systme dquations capables de
rendre compte le plus fidlement possible
de la ralit, comprendre ces quations et
les proprits des solutions laide doutils mathmatiques, trouver des stratgies
puisquon ne sait pas calculer les solutions exactement pour en dterminer des
approximations numriques, exploiter ces
calculs et les comparer aux mesures exprimentales disponibles pour valider ou invalider le modle

Avec plusieurs niveaux


de description
Supposons donc que lon cherche
dcrire lcoulement de lair dans larbre
bronchique, non plus uniquement grce au
volume respir, mais de manire plus prcise. Par exemple, si on veut dterminer la
vitesse et la pression du fluide en chaque
point de cet arbre au cours dun cycle respiratoire. Compte tenu de la complexit de
la gomtrie, les calculs ne sont, lheure
actuelle, pas envisageables dans la totalit
de larbre. On peut donc dans un premier

temps se restreindre la partie suprieure


de larbre respiratoire (jusqu la dixime
gnration). Appelons cette zone W.

Figure3. Zone

Dans W, il est raisonnable de supposer que


la vitesse et la pression de lair vrifient des
quations bien connues en mcanique des
fluides: les quations de Navier-Stokes (voir
encadr p.49). Cependant, cette vitesse et
cette pression dpendent fortement de ce
qui se passe au del de la dixime gnration, et en particulier du mouvement du
diaphragme et de llasticit des tissus pulmonaires. Il faut donc trouver un moyen de
dcrire mathmatiquement cette partie de
lappareil respiratoire et de la coupler avec
les quations de Navier-Stokes. On peut
sinspirer du modle simple prcdent.
On obtient alors un systme dquations
avec deux niveaux de description: une des-

Inspiration mathmatique: la modlisation du poumon 47

cription fine de W et une plus grossire au


del. Il sagit ensuite dtudier le systme
obtenu: existe-t-il une solution et quelles
sont ses proprits mathmatiques? Comment calculer efficacement des vitesses
et des pressions approches? Ce systme
reprsente-il en partie la ralit?
Les rponses la premire question permettent de donner un cadre, de mieux comprendre le domaine de validit du modle.
Les difficults ici sont que lon est en prsence dquations non-linaires, couplant
diffrentes chelles de description. De plus,
on regarde lcoulement dans une rgion
donne et on coupe artificiellement ce
qui ne nous intresse pas. Il sagit donc dun
systme ouvert dans lequel de la matire et
de lnergie (cintique) peuvent rentrer. Un
des problmes mathmatiques importants
auquel on est alors confront est destimer
cette nergie.

Toutes ces tapes posent de passionnantes questions qui ont leur


intrt mathmatique propre.
Cette problmatique est galement cruciale quand on cherche rpondre la deuxime question, sur le calcul numrique
des vitesses et des pressions. Il sagit dun
calcul approch car, ici encore, on ne sait
pas exhiber de solutions explicites (cest-dire crire la vitesse en chaque point et
en tout temps comme pour le volume dans
la formule p. 46). Pour cela, on va tcher
de dcrire le domaine de calcul W, qui est
obtenu partir de limagerie mdicale et
est propre chaque patient, laide dun
nombre fini de points: des nuds relis par

48 Mathmatiques, lexplosion continue

des artes. Cest ce que lon appelle un maillage. On va prendre limage issue dune IRM
ou de scanner et on va la segmenter et
la mailler, ce qui ncessite ici encore des
dveloppements mathmatiques importants, tout particulirement pour ces gomtries complexes, courbes avec plusieurs
embranchements telles celle de larbre
bronchique.

Figure4. Maillage de la zone

Cest en ces nuds que lon va ensuite


dterminer la vitesse et la pression du fluide.
Enfin, calculer numriquement les valeurs
approches des vitesses et pressions en
ces points de lespace et en un nombre
finis dinstants demande la conception
de mthodes spcifiques et adaptes au
modle, et qui par exemple traitent efficacement le fait que le systme soit ouvert.

Toutes ces tapes posent de passionnantes


questions qui ont leur intrt mathmatique
propre et qui font aujourdhui lobjet de
recherches actives. Malgr tout, ces modlisations ne peuvent se faire sans comparer
les rsultats des simulations des expriences. Les mathmaticiens interagissent

avec les spcialistes de la respiration, qui


leur disent si les modles labors sont
pertinents, et comment ils peuvent tre
amliors. Lobjectif terme est dobtenir
des outils de prdiction fiables et dapporter
un clairage complmentaire ce que lon
obtient via les expriences in vivo ou in vitro.

Les quations de Navier-Stokes


Les quations de Navier-Stokes utilises ici dcrivent lcoulement dun fluide visqueux
incompressible, et relient donc la vitesse u de ce fluide sa densit et la pression p.
Elles scrivent

t u + (u )u u + p = 0

u=0

La premire quation exprime le principe fondamental de la dynamique de Newton en


labsence de force extrieure, tandis que la seconde traduit lincompressibilit du fluide,
dont la viscosit est note . Il faut, pour pouvoir rsoudre ces quations numriquement, se donner la vitesse sur le bord du domaine o on les applique, ainsi que dans
tout le domaine linstant initial.

Inspiration mathmatique: la modlisation du poumon 49

Le temps quil fera


Claude Basdevant, professeur lUniversit Paris 13 et lcole polytechnique

La prvision mtorologique ou climatique nest pas une mince affaire. Elle


implique la modlisation de nombreux phnomnes de natures diffrentes
et lintervention de plusieurs sciences, des mathmatiques la biologie, en
passant par linformatique, la physique ou la chimie.

Derrire les petits nuages gris ou soleils


radieux qui parsment la carte de France au
bulletin mto du soir, il y a longtemps quil
ny a plus de grenouille et de thermomtre,
mais des ordinateurs super puissants, auxquels on a fait absorber un grand nombre
de mesures (obtenues principalement par
satellite), beaucoup de lois de la mcanique
et de la physique, mais aussi beaucoup de
mathmatiques, parfois trs rcentes.
Pour que les ordinateurs fournissent des
prvisions, il faut laborer au pralable ce
quon appelle un modle numrique de prvision du temps. Schmatiquement, un tel
modle de prvision lchance de huit
dix jours reprsente ltat de latmosphre
chaque instant par les valeurs des paramtres mtorologiques (vitesse du vent,

temprature, humidit, pression, nuages,


arosols, etc.) aux centres de botes
denviron deux vingt kilomtres de ct et
de quelques dizaines quelques centaines
de mtres de hauteur. Ce dcoupage imaginaire de toute latmosphre en botes est
invitable, car il est impossible de spcifier
les paramtres mtorologiques en tous les
points de latmosphre (ces points sont en
nombre infini!). En principe, plus les botes
sont petites et donc nombreuses , plus
la description de ltat atmosphrique est
prcise, et plus les prvisions le seront
aussi. Mais en pratique, les botes ne font
pas moins de quelques kilomtres pour une
prvision rgionale courte chance, et
quelques dizaines de kilomtres pour une
prvision dix jours qui est ncessairement
sur toute la plante; en de, la puissance

Le temps quil fera 51

des plus gros ordinateurs ne suffirait pas:


il faut bien que le calcul sachve en temps
utile, cest--dire en nettement moins de
24heures!
Partant de ltat de latmosphre suppos
connu au dbut de la priode prvoir, le
modle fait calculer par lordinateur son volution future en utilisant les lois de la dynamique et de la physique. Lvolution dans le
temps est calcule pas pas, par intervalles
de quelques minutes. Tel est le principe de la
prvision numrique du temps, un principe
connu depuis le dbut du xxesicle mais qui
a attendu les annes 1940-1950 et les premiers ordinateurs avant dtre mis en uvre.

Des mesures inexploitables


directement
Premier problme dans le schma idal
de prvision qui vient dtre dcrit: savoir
construire ltat initial de latmosphre. Les
observations sont loin dtre bien adaptes
cet exercice. Les stations mto au sol
sont fort mal rparties sur le globe et fournissent trs peu de mesures en altitude.
Quant aux satellites, ils sont pour la plupart
dfilement, cest--dire quils balayent
continment la Terre. Leurs mesures ne
sont donc pas obtenues au mme instant en
tous points. De plus, les satellites mesurent
des quantits intgres sur toute lpaisseur de latmosphre (il sagit en gnral
des flux dnergie reus dans une certaine
gamme de longueurs donde) et non pas les
grandeurs mtorologiques (vent, temprature, humidit, etc.) qui entrent en jeu dans
les quations des modles.

52 Mathmatiques, lexplosion continue

On dispose donc dune masse de donnes


disparates, mal distribues la surface du
globe, tales sur 24heures, connues avec
des incertitudes variables, avec lesquelles
il faut initialiser une prvision, cest--dire
construire un tat mtorologique initial
dont le modle simulera lvolution. Or
grce aux travaux sur loptimisation dynamique, domaine auquel ont beaucoup
contribu le chercheur russe Lev Pontriaguine (1908-1988) et lcole mathmatique
franaise, on a pu mettre au point, dans les
annes 1980, des mthodes dites dassimilation variationnelle qui permettent de
reconstruire de faon optimale ltat initial.
Lide sous-jacente ces mthodes, oprationnelles depuis lanne 2000 MtoFrance, est dobliger en quelque sorte la
trajectoire du modle numrique passer
prs des donnes observes pendant
les 24 heures prcdentes tout en prservant lquilibre du modle. Lassimilation
variationnelle nest dailleurs pas la seule
technique mathmatique moderne qui
a boulevers le traitement des observations: lutilisation des rseaux neuromimtiques ou des ondelettes, invents dans les
annes 1980, a donn lieu des gains spectaculaires en efficacit, prcision et rapidit
dans le traitement des donnes fournies par
les satellites.

On dispose donc dune masse


de donnes disparates, mal
distribues la surface du globe,
tales sur 24 heures, connues
avec des incertitudes variables.

Quand lanalyse numrique


entre en action
Une fois connu ltat atmosphrique initial
dont a besoin le modle numrique de prvision, reste crire le programme informatique capable de calculer le temps futur
partir de cet tat initial et des lois de la physique. Ces lois reposent sur une description
continue de lespace et du temps. Or notre
modle numrique, lui, ne connat quun
nombre, certes grand, mais fini, de botes.
De plus, les intervalles de temps entre deux
tats calculs sont de plusieurs minutes
on dit que le problme a t discrtis.
Passer des quations continues des schmas numriques pour le modle discrtis,
tout en gardant la meilleure prcision possible, tel est le domaine de lanalyse num-

rique, une branche des mathmatiques qui


a explos depuis larrive des ordinateurs.
Lanalyse numrique a pour but de savoir
rsoudre des quations et mener les calculs
jusquau bout, cest--dire jusqu lobtention de valeurs numriques prcises,
en investissant le moins de temps et defforts possible. Elle est indispensable pour
que simulation ne soit pas synonyme de
simulacre et pour valuer lincertitude des
prvisions. Par exemple, des progrs trs
importants ont t obtenus rcemment
concernant les mthodes permettant
de simuler le dplacement des espces
chimiques ou des particules dans la turbulence atmosphrique. Ces avances ont
significativement amlior ltude et la prvision de la pollution de lair.

Figure1. Vue dartiste des botes de calcul dun modle de prvision du temps ou du climat.
(L. Fairhead LMD/CNRS)

Le temps quil fera 53

Les prvisions mto


sont-elles fiables?
Un des grands dfis de la prvision mtorologique est de pouvoir estimer la qualit de ses prvisions; sont-elles fiables
lchance de trois, quatre, voire dix jours?
Au-del de lintrt pour tout un chacun
voulant organiser ses loisirs ou son activit,
cette question a des impacts humains ou
conomiques forts, que ce soit pour la prvision dvnements extrmes qui peuvent
tre dvastateurs ou pour la gestion de productions dnergie ou de crmes glaces!
Si les progrs constats a posteriori sont
trs importants, il reste difficile destimer
a priori la fiabilit des prvisions. Depuis

quelques annes, des outils issus du croisement entre la thorie des systmes dynamiques et celle des probabilits ont permis
de dvelopper ce qui sappelle la prvision
densemble: celle-ci consiste ne plus faire
une prvision partir dun seul tat initial
mais faire en parallle un grand nombre
de prvisions (50 en gnral) partir dtat
initiaux perturbs. La thorie des systmes
dynamiques permet de choisir les perturbations initiales les plus sensibles, alors que
la thorie des probabilits permet dextraire
de la divergence des simulations une information sur la fiabilit de celles-ci et de calculer la probabilit quun vnement prcis
se produise.

Figure2. Concentrations dozone en surface le 6 juillet 2011 donnes par le systme de prvision national de la qualit de lair PREVAIR (INERIS/IPSL/Mto-France). En couleurs, les
concentrations prvues par le modle de chimie-transport CHIMERE; les valeurs numriques
sont les pics de concentration observs dans la journe par le rseau de surveillance.

54 Mathmatiques, lexplosion continue

Peut-on prdire le temps longtemps lavance? Non, indique


la thorie des systmes dynamiques.
On a voqu jusquici la prvision du temps
courte chance, de huit dix jours. Mais
pourquoi ne fait-on pas des prvisions plus
longue chance? Le mtorologue amricain Edward N. Lorenz, dans un clbre
article de 1963, a montr que ctait probablement sans espoir. Latmosphre est un
systme chaotique, cest--dire que toute
erreur sur ltat mtorologique initial, aussi
petite soit-elle, samplifie rapidement au
cours du temps; si rapidement quune prvision lchance dune dizaine de jours
perd toute sa pertinence. Nanmoins, cela
ne veut pas dire que lon ne peut pas prvoir
le climat cest--dire faire une prvision
de type statistique plutt que dterministe,
sintresser la moyenne des tempratures
ou des prcipitations sur une priode et une
rgion, plutt quau temps prcis quil fera
sur Quimperl en Bretagne tel jour du mois
de juillet. Lenjeu est dimportance: notre
climat futur est menac par les rejets de gaz
dus aux activits humaines et il faut prvoir
leffet long terme de ces perturbations,
consquences de leffet de serre. Cest
la thorie des systmes dynamiques qui
donne des outils pour justifier cette modlisation du climat. Ce domaine, pour lequel le
mathmaticien Henri Poincar, au dbut du
xx esicle, fut un grand prcurseur, a connu
des progrs trs importants dans les dernires annes du xxesicle. La thorie des
systmes dynamiques permet par exemple
de dgager ce que les mathmaticiens
appellent des attracteurs, ou des rgimes

de temps pour les mtorologues. Elle permet aussi de savoir quels sont les rgimes
de temps les plus prvisibles et ceux qui
sont les plus instables. Dans les situations
dinstabilit, un bon outil serait la modlisation probabiliste du climat, cest--dire la
conception de modles prenant explicitement en compte le caractre alatoire de
la prvision. Encore peu dveloppes, les
modlisations de ce type doivent sappuyer
sur des outils trs rcents de la thorie des
quations aux drives partielles stochastiques et des statistiques.

Des prvisions
mtorologiques
aux prvisions climatiques
Les modles numriques de prvision du
climat ressemblent comme des frres aux
modles de prvision du temps, deux
diffrences essentielles prs. Pour des raisons de temps de calcul, leurs botes
sont ncessairement plus grandes (100
300 km de ct); les temps simuls allant
de quelques mois des centaines voire des
milliers dannes, il est impossible dtre
plus prcis. Mais la diffrence importante
tient au fait que les variations climatiques
ont lieu de longues chelles de temps,
et quil nest alors plus possible de ngliger
dans les interactions entre latmosphre,
locan, les glaces de mer, la biosphre les
volutions de ces autres domaines. Cest
pourquoi un modle de climat doit combiner un modle datmosphre, un modle
docan, un modle de glaces de mer, un
modle de biosphre et tous les cycles
dchanges dnergie, de quantit de mou-

Le temps quil fera 55

vement, dhumidit, de gaz, ainsi que les


couplages chimiques entre ces milieux.
Au-del de la complexit informatique dune
telle construction, se posent de dlicats
problmes mathmatiques sur la bonne
manire de coupler ces domaines et sur la
spcification des conditions aux interfaces
atmosphre-ocan,
ocan-glaces,
etc.
Et pour que le calcul dans les grandes
botes reste significatif, il faut valuer leffet statistique, lchelle de ces botes, de

processus qui se produisent des chelles


beaucoup plus petites (par exemple: quel
est leffet statistique, sur le bilan dnergie
dune bote de 300 km de ct, des petits
cumulus de quelques km de diamtre qui
sy dveloppent?). Il reste, dans toutes ces
questions, encore beaucoup de matire
dveloppements interdisciplinaires dans lesquels les mathmatiques tiennent une place
importante.

Bibliographie
Jouzel J., Debroise A., (2004). Le climat:
jeu dangereux, quelques prvisions pour
les sicles venir, d. Dunod.
Le Treut H., Jancovici J.-M., (2004). Leffet de serre: allons-nous changer le climat?, d. Flammarion.
Sadourny R., (2002). Le climat est-il devenu fou?, d. Le Pommier.
, (2003). Peut-on croire la mto?,
d. Le Pommier.
, (2005). Do viennent les temptes?,
d. Le Pommier

56 Mathmatiques, lexplosion continue

TemamR., WangS., (2000). Mathematical


Problems in Meteorology and Oceanography, Bull. Amer. Meteor. Soc., 81,
p.319-321.
Autres rfrences possibles:
Joussaume S., (2000). Le Climat: dhier
aujourdhui, CNRS Editions.
Hauglustaine D., Jouzel J., Le Treut H.,
(2004). Climat: chronique dun bouleversement annonc, d. Le Pommier.

Internet, feux de fort


et porosit: trouvez
le point commun
Marie Thret, matre de confrences lUniversit Paris Diderot

Echanges de donnes entre internautes, propagation dun feu de fort, infiltration de leau dans une roche : un modle mathmatique simple utilisant
des graphes permet de mieux comprendre ces phnomnes.

Quel est le point commun entre une fort,


un rseau de communication et une roche
poreuse? Pour prserver les forts, il est
important de comprendre comment se
propage un feu, ou une maladie, darbre
en arbre. Pour amliorer les rseaux de
communication, il faut savoir comment
les donnes circulent entre les diffrents
utilisateurs. Pour tudier la porosit dune
roche, il faut dcrire la faon dont leau
peut scouler lintrieur. Ces trois problmes trs concrets, bien quayant des
formulations diffrentes dans le langage
courant, peuvent se reprsenter par un
mme modle mathmatique: le modle
de percolation.

Propagation dune maladie


dans une fort
Concentrons-nous sur lexemple de la fort
pour dcrire ce modle. On souhaite tudier
la propagation dune maladie: la contamination cause par un arbre malade va-t-elle
rester circonscrite dans une petite rgion,
ou risque-t-elle de stendre des arbres
situs trs loin de la zone de contamination
initiale? Lapproche que lon adopte est celle
de la physique statistique: pour comprendre
un phnomne macroscopique, cest--dire
grande chelle, on sintresse aux lments microscopiques qui composent le
systme. Le systme tudi est la fort tout

Internet, feux de fort et porosit: trouvez le point commun 57

entire, constitue dun trs grand nombre


dlments microscopiques (cest--dire
ici de trs petite taille par rapport celle de
la fort), les arbres.

Il faut commencer par dcrire comment se


fait la contagion dun arbre lautre. On suppose que la contamination directe ne peut
avoir lieu quentre arbres assez proches, et
quelle a un certain risque de se produire
qui dpend uniquement de la virulence de
la maladie (et non pas des caractristiques
individuelles des arbres, ni de la zone o ils
se trouvent). Ces hypothses sont la fois
crdibles du point de vue biologique, et suffisamment simplificatrices pour permettre
un traitement mathmatique efficace.
On forme un graphe dont chaque arbre est
un sommet, et o lon relie deux arbres par
une arte sils sont suffisamment proches
pour se contaminer lun lautre.

Figure1. Deux graphes trs utiliss en thorie de la percolation : le rseau carr et le rseau
triangulaire

58 Mathmatiques, lexplosion continue

Le graphe obtenu dcrit comment la maladie pourrait se propager dans le pire scnario, si chaque arbre infectait tous ses voisins. Mais on veut tenir compte du fait que
la transmission de la maladie ne se produit

que de manire alatoire. Il y a donc une


certaine probabilit de contamination entre
voisins, et on colorie une arte en rouge
quand la contamination a lieu.

Figure 2. Les artes sont colories alatoirement, indpendamment les unes des autres,
lorsque la contamination entre deux arbres voisins a lieu. Cette contamination est suppose
instantane: en particulier, lordre dans lequel on colorie les artes na pas dimportance.
gauche: Larbre A contamine larbre B, ainsi que dautres arbres situs plus loin. Ceci se produit
typiquement quand la probabilit de transmission est leve. droite: Larbre A ne contamine
que 3 autres arbres. Il ne contamine pas B. Ceci se produit typiquement quand la probabilit
de transmission est faible.

Ce que lon vient de dcrire est le


modle de percolation par arte
:
partant dun graphe donn, on colorie alatoirement chaque arte avec
une certaine probabilit, indpendamment les unes des autres.

contaminations entre voisins ont lieu simultanment, instantanment, et indpendamment les unes des autres. Les artes
non colories correspondent aux couples
darbres entre lesquels la maladie ne se
transmet pas.

Notons que ce modle simplificateur ne


rend pas compte de laspect temporel de
la propagation de la maladie: toutes les

Ce que lon vient de dcrire est le modle


de percolation par arte. Pour traduire la diffrence dchelle entre larbre et la fort, on
peut considrer quil y a une infinit darbres

Internet, feux de fort et porosit: trouvez le point commun 59

dans la fort, cest--dire que le graphe


tudier est infini. Les questions que lon se
pose sur la transmission de la maladie se
reformulent dans ce contexte: pour savoir
si lpidmie cause par un arbre malade
va rester circonscrite, ou au contraire si elle
risque de toucher des arbres trs lointains,
il faut regarder quels sommets du graphe
sont relis par un chemin de couleur rouge
au site correspondant larbre malade initialement. On se demande en particulier si
ces arbres contamins sont en nombre fini
ou infini. Notre modle dpend dun unique
paramtre: la probabilit de contamination
entre voisins, et il sagit dtudier, selon les
valeurs de ce paramtre, les proprits du
graphe alatoire dcrit ci-dessus.
Ce modle est galement pertinent pour
dcrire un rseau de communication ou
une roche poreuse. Dans le premier cas, les
artes du graphe sont les cbles du rseau,
qui sont en bon tat (artes colories) ou
dficients (artes non colories), et on peut
tudier qui est transmise une information
envoye par un utilisateur. Dans le deuxime cas, les artes du graphe sont des
tubes microscopiques dans la roche, qui
peuvent laisser passer leau mais aussi se
boucher. On sintresse alors la zone de la
roche qui est mouille si leau sinfiltre tel
ou tel endroit. Le terme percoler signifie,
pour un liquide, passer travers des matriaux poreux: cest donc cette interprtation
du modle en terme de roche poreuse qui a
donn son nom au modle mathmatique
de percolation, et cest effectivement pour
modliser un milieu poreux que ce modle a
t introduit par Broadbent et Hammersley
en 1957.

60 Mathmatiques, lexplosion continue

Un modle simple mais riche


Le modle de percolation est trs simple
mais aussi trs riche.
Dune part, parce quil prsente une transition de phase, cest--dire un changement brutal de comportement quand le
paramtre du systme la probabilit avec
laquelle une arte du graphe est colorie dpasse une certaine valeur critique. En
effet, si chaque arte est colorie avec une
probabilit suffisamment grande, la transmission des maladies se fait lchelle du
systme tout entier, cest--dire quun arbre
malade peut infecter dautres arbres arbitrairement loigns de lui. Mathmatiquement,
ceci sexprime en disant qu il existe une
composante connexe infinie dans le graphe
alatoire . Mais ds que la probabilit de
transmission passe au dessous dun certain
seuil, la transmission des maladies reste
locale, cest--dire que linfection est limite de petits domaines de la fort: il
nexiste pas de composante connexe infinie (voir les figures de la page suivante).
Ce thorme a t dmontr par Broadbent
et Hammersley.
Dautre part, parce que malgr sa simplicit,
il soulve de nombreuses questions qui
restent encore sans rponses, commencer par la plus vidente: comment calculer
cette valeur critique? De grandes avances
dans ltude de la percolation ont eu lieu
ces dernires annes, notamment grce
lutilisation doutils issus de lanalyse complexe, autre branche des mathmatiques
(citons notamment les travaux de Lawler,
Schramm et Werner dans les annes 2000),
et la recherche continue.

Malgr sa simplicit, ce modle


soulve de nombreuses questions
qui restent encore sans rponses,
commencer par la plus vidente
: comment calculer la
valeur critique?

Pour une tude plus prcise de ces phnomnes, Hammersley et Welsh ont introduit en 1965 un modle plus complexe, le
modle de percolation de premier passage.
Au lieu de colorier alatoirement les artes
du graphe, ils leur associent un temps ala-

(a)

(b)

(c)

Figue3. Phnomne de transition de phase (simulations informatiques): on regarde le systme


grande chelle, chaque pixel reprsente ici un arbre de la foret. Un arbre contamine ceux qui
sont situs dans la mme tache de couleur que lui. (a): La probabilit de transmission vaut ici
0,4. Les taches de couleur sont de petite taille: un arbre malade ne contamine quune petite
rgion autour de lui. (b): p=0,506, lgrement au dessus de la valeur critique. La tache verte
est de taille infinie: un arbre peut contaminer des arbres situs arbitrairement loin de lui. (c):
p=0,5, rgime critique, cest la transition entre les deux autres, le rgime le moins bien connu.
Les taches sont de tailles finies, mais trs grosses. Simulations numriques par R. Cerf.

Internet, feux de fort et porosit: trouvez le point commun 61

toire (le temps ncessaire au feu pour se


propager entre deux arbres ou leau pour
traverser un tuyau) ou une capacit alatoire
(la quantit maximale dinformation qui peut
traverser un cble par seconde). Les questions souleves sont alors encore plus nombreuses : combien de temps faut-il pour que
de leau se propage travers une couche de
roche poreuse? Quels sont les arbres touchs par un feu de fort dans ses premires
vingt-quatre heures? Quelle est la quantit
maximale dinformation quun utilisateur
dun rseau peut envoyer un destinataire
par seconde? De nombreux thormes ont
dj t obtenus (citons les rsultats prsents dans les annes 80 par Kesten, et
plus rcemment les travaux de Benjamini,
Kalai et Schramm en 2003 et Chatterjee et
Dey en 2009), mais il reste encore beaucoup de dfis relever!

62 Mathmatiques, lexplosion continue

Pour aller plus loin


Duminil-Copin H., La Percolation, jeu de
pavages alatoires,
http://images.math.cnrs.fr/La-percolation-jeu-de-pavages.html
Grimmett G., (1989). Percolation. Springer-Verlag.

A la recherche
de la forme idale
Grgoire Allaire, professeur lcole polytechnique
Franois Jouve, professeur lUniversit Paris Diderot

Les objets issus de la fabrication industrielle sont penss de faon optimiser un certain nombre de paramtres comme le poids ou la solidit. Pour
viter de chercher ttons la meilleure forme possible, on peut aujourdhui
compter sur plusieurs mthodes mathmatiques doptimisation.

Nos socits modernes sont prises de


design, ce mot anglais sans quivalent en
franais, qui traduit notre volont dallier le
beau lutile. Le grand public connat bien les
designers clbres et mdiatiques comme
Pininfarina ou Starck, mais beaucoup moins
les scientifiques, ingnieurs ou chercheurs,
qui font de la conception optimale (optimal
design en anglais): loin de toute proccupation esthtique, ils amliorent les formes
des objets industriels (structure mcanique,
profil arodynamique, composants lectroniques, etc.) afin den augmenter les performances (solidit, efficacit) tout en tenant
compte de contraintes, parfois contradictoires, comme leur poids ou leur cot. Il
est clair par exemple que la solidit dune
structure varie linverse de son poids (ce
qui est lourd est plus solide que ce qui est

lger). Ainsi, loptimisation de la robustesse


dun avion est limite par la contrainte dune
consommation minimale de carburant, qui
est directement lie au poids. Un problme
classique en mathmatique consiste justement chercher la solution optimale dun
problme doptimisation dune fonction
(appele fonction objectif ) tout en respectant des contraintes.

Il est clair que la solidit dune


structure varie linverse de son
poids (ce qui est lourd est plus
solide que ce qui est lger).
La mthode traditionnelle doptimisation
procde par essais et erreurs, suivant le
savoir faire et lintuition de lingnieur: on
choisit une forme dont on calcule la perfor-

A la recherche de la forme idale 63

mance puis, en fonction de cette dernire,


on la modifie pour essayer de lamliorer
et on recommence jusqu obtention dune
forme satisfaisante ( dfaut dtre optimale). Cette faon de faire manuelle est
trs lente, coteuse et peu prcise. Grce
au formidable dveloppement de la puissance de calcul des ordinateurs, ainsi quau
progrs mathmatique, cet empirisme est
de plus en plus souvent remplac par des
logiciels numriques qui automatisent ce
processus doptimisation.

Optimiser la gomtrie
avec la mthode dHadamard
Tout algorithme doptimisation est itratif:
on construit une nouvelle forme partir
dune variation de la prcdente. Puis on
calcule la performance de cette nouvelle

forme, que lon compare celle de la premire. Enfin, si la performance de la structure savre amliore, on retravaille partir
de la nouvelle forme.

Il faut deviner la bonne topologie imposer notre forme de


dpart, or cela est impossible
dans la plupart des cas.
En 1907, le mathmaticien Jacques Hadamard a propos une mthode de variation
de forme qui porte dsormais son nom et
qui, bien que dorigine thorique, sapplique
en pratique pour simuler certains problmes
sur ordinateur. La mthode consiste, en
partant dune forme initiale, dplacer
ses bords petit petit, sans en crer de
nouveaux. Cette mthode modifie donc
la gomtrie de la forme initiale mais elle
prserve sa topologie: en effet les formes

Figure1. Initialisation ( gauche), itration intermdiaire (au centre) et forme optimale ( droite)
dune console, obtenues par la mthode dHadamard.

64 Mathmatiques, lexplosion continue

obtenues successivement conservent toujours le mme nombre de trous, comme on


peut le voir sur les illustrations reprsentant
les rsultats numriques de la mthode
dHadamard.
Le fait que la topologie ne change pas
constitue une limitation assez gnante.
En effet, cela signifie quil faut deviner la
bonne topologie imposer notre forme de
dpart, puisquon ne pourra pas la modifier
pour amliorer la performance. Or, cela est
impossible dans la plupart des cas. Do la
motivation des mathmaticiens pour inventer dautres mthodes capables doptimiser galement la topologie, cest dire le
nombre de trous.
De plus, la mthode dHadamard prsente
aussi le dsavantage dtre trs coteuse
en temps de calcul.

De limportance des matriaux


composites
Dans les annes 1990, les mathmaticiens
ont invent une mthode doptimisation
topologique de forme, dite mthode dhomognisation, qui est dsormais largement utilise par les ingnieurs dans de
nombreux logiciels industriels.
Lide sous-jacente est de transformer
un problme doptimisation de formes en
un problme doptimisation dune densit
de matire.
En tout point de lespace, la densit de
matire est une valeur comprise entre 0 et 1.

La valeur 0 correspond un trou ou du vide


(pas de matire), la valeur 1 correspond du
matriau plein et les valeurs intermdiaires
(par exemple la valeur 0.5) correspondent
un matriau composite poreux, comme
une ponge par exemple. Plus la valeur est
proche de 0, et plus la proportion de trous
dans le matriau est donc importante.
Ici, on remplace donc le problme original
doptimisation discrte du type 0 ou 1 (en
chaque point de lespace, on a soit du vide,
soit de la matire), par un nouveau problme
doptimisation continue, o la variable optimiser, la densit de matire, parcourt lintervalle complet [0,1].

Lide sous-jacente est de transformer un problme doptimisation de formes en un problme


doptimisation dune densit de
matire.
Avec cette nouvelle approche, on nest plus
prisonnier de la paramtrisation des formes
propose par Hadamard: la topologie va
pouvoir changer et des trous vont pouvoir
apparatre ou disparatre au gr des variations de la densit.
Notons que la densit de matire ne suffit
pas caractriser compltement un matriau composite: pour une densit donne, la
forme des trous compte aussi pour valuer
les proprits effectives du matriau. Par
exemple, la rigidit quivalente dun matriau composite ne sera pas la mme pour
une structure lamine que pour une structure en nid dabeilles. La mthode dhomognisation se propose donc doptimiser

A la recherche de la forme idale 65

non seulement la densit de matire mais


aussi la microstructure (la forme des trous)
du matriau composite.

Figure2. Exemple de matriau composite

Un autre avantage de la mthode dhomognisation est que sa rsolution numrique est plus rapide: elle demande moins
de calculs. Lune des raisons cela est que
pour changer la densit en un point donn,
lalgorithme ne va utiliser que les valeurs
de la densit autour de ce point, et non les
valeurs des points plus loigns, comme
ctait le cas pour la mthode dHadamard.

Nous traons la densit de matire, reprsente par un niveau de gris (le noir correspondant du matriau plein, le blanc
du vide). La solution optimale prsente de
larges zones de gris, correspondant du
matriau composite, quil est difficile dinterprter comme une forme. Pour retrouver une forme classique proche de la
forme composite optimale, une solution est
de pnaliser les matriaux composites
la fin de loptimisation numrique, cest-dire de rajouter des contraintes dans lalgorithme pour que la solution optimale soit
plutt compose de zones soit pleines, soit
vides, que de zones composites.

La console optimale
Voici un problme doptimisation de forme
classique, celui de la console optimale. Ici,
le bord de gauche de la console est fix tandis quune force verticale est applique au
milieu du bord de droite.
Figure 4. Console optimale composite
(le niveau de gris indique la densit de
matire).

66 Mathmatiques, lexplosion continue

Figure5. Console optimale aprs pnalisation et sans composites

Le rsultat est impressionnant: la zone composite se transforme en un treillis de barres,


qui rappelle de nombreuses structures en
gnie civil ou mcanique.
Ces mthodes doptimisation gomtrique
et topologique de formes sont utilises
quotidiennement dans lindustrie automobile ou aronautique, par exemple quand
il sagit de trouver la forme dune structure qui soit la fois rigide et lgre. De
nombreuses pices mcaniques (triangles
de suspension, longerons, etc.) dans les
voitures ou les avions sont ainsi allges
par optimisation afin de rduire, in fine, la
consommation de carburant.

Optimisation dun pignon de roue.

Pour aller plus loin


Site web:
http://www.cmap.polytechnique.fr/~optopo
Allaire G., (2007). Conception optimale de
structures, Collection Mathmatiques et
Applications, vol.58, Springer Verlag.
Henrot A., Pierre M., (2005). Variation et
optimisation de formes, Collection Mathmatiques et Applications, vol. 48,
Springer Verlag.
Hildebrandt S., Tromba A., (1986). Mathmatiques et formes optimales, Pour la
Science, Belin, Paris.

Optimisation dun pont.

A la recherche de la forme idale 67

La biodiversit mise
en quations
ou presque
Sylvie Mlard, professeur lcole polytechnique

Prdire lvolution dune population animale sur une longue priode,


connatre le fonctionnement dun cosystme, comprendre lavantage de la
reproduction sexue pour la survie des espces les problmes issus de la
biodiversit sont complexes et leur rsolution fait appel des outils mathmatiques sophistiqus.
After years, I have deeply regretted
that I did not proceed far enough at
least to understand something of the
great leading principles of mathematics: for men thus endowed seem
to have an extra-sense.

(Les annes passant, jai profondment regrett de ne pas tre all


assez loin pour comprendre quelques
aspects des principes essentiels des
mathmatiques
: car les hommes
dots dun tel entendement semblent
possder un sixime sens.)
Charles Darwin,
Autobiography

Il peut sembler tonnant dassocier les


mathmatiques, vues souvent comme
une succession de formules figes, et la
biodiversit, associe la vie fourmillante
des cosystmes. Pourtant, la complexit
extrme qui apparat ds que lon se penche
sur la biodiversit justifie lintrt des
mathmatiques et des mathmaticiens pour
ce domaine. Lenjeu est de simplifier intelligemment les phnomnes pour pouvoir
les mettre en quations et construire ainsi
des modles mathmatiques novateurs. Le
but est de pouvoir en dduire des quantits calculables telles que, par exemple, le
temps dextinction dune espce, lestimation dune abondance despce, la vitesse
dinvasion dun parasite ou encore de
dvelopper des algorithmes de simulation
qui sont des outils dexprimentation tho-

La biodiversit mise en quations ou presque 69

rique indispensables pour prdire certains


comportements. Cest vrai en particulier
pour les trs grandes chelles de temps de
lvolution, pour lesquelles les observations
nexistent pas. Les simulations sont aussi
un support visuel qui facilite les changes
scientifiques avec les biologistes. La modlisation peut enfin servir construire des
outils statistiques permettant de prdire et
quantifier diffrents scnarios de la biodiversit au vu des donnes observes.
Au

et dbut du xxe sicle, de nombreux


modles, principalement dterministes,
cest--dire pour lesquels une mme cause
provoque toujours le mme effet, ont t
dvelopps pour tudier la dynamique
des populations (Malthus, Verhulst, Lotka,
Volterra). Dautres modles plus probabilistes, cest--dire faisant intervenir le
hasard, ont galement t proposs, pour
tudier la gntique des populations (Fisher,
Haldane, Wright). Dans les dernires
dcennies, les biologistes se sont largement concentrs sur la biologie molculaire
et sur la formidable masse de donnes que
les nouvelles technologies leur ont permis
dobtenir. Les mthodes de squenage ont
apport beaucoup dinformation quil a fallu
trier, classifier, ordonner et analyser. Forts
de ces donnes, les biologistes ressentent
de nouveau la ncessit de crer des
modles pour leur donner une cohrence et
en dduire des prdictions sur les comportements biologiques et cologiques.
xix e

La complexit des problmes issus de


la biodiversit ncessite donc des outils
mathmatiques sophistiqus. Rciproquement, les mathmaticiens vont puiser dans

70 Mathmatiques, lexplosion continue

ces problmes une motivation et une inspiration pour crer de nouveaux modles
et thormes dune grande richesse, qui
permettront de comprendre certains phnomnes cologiques.

Quelques problmatiques
dcologie
Voici quelques exemples de questions
poses par les cologues et auxquelles les
mathmaticiens sefforcent de donner des
lments de rponses:
Quel est le comportement dune population en temps long? Va-t-elle se stabiliser
ou steindre? Si elle steint, quel sera le
temps dextinction?

Les espces cohabitent et interagissent
dans une comptition pour les ressources,
dans un rseau hte-parasite ou une
chane alimentaire, ou au contraire cooprent pour leur survie. Comment ces
rseaux voluent-ils?

Quel est limpact de la migration et de
la fragmentation de lhabitat sur la biodiversit?

Quel est lavantage de la reproduction
sexue pour la biodiversit et la survie
des espces? En effet, mme si la reproduction sexue apporte de la variation
gntique par recombinaison, nourrir les
mles, rechercher des partenaires, sexposer la prdation pendant lacte sexuel
sont des arguments qui rendent plus favorable la reproduction asexue.

Quel est limpact des variations de lenvironnement sur la biodiversit?


Quel est le lien entre lADN des populations, leurs interactions et leur volution?

La notion despce
et les modles probabilistes
Pour comprendre la biodiversit, il faut
commencer par comprendre ce quest une
espce.
La notion despce a volu au cours du
temps. Dj, Maupertuis (1698-1759),
mathmaticien et naturaliste, soulignait
lapparition au hasard de mutants qui se

dveloppent et forment une nouvelle population: Nous voyons paratre des races de
chiens, de pigeons, de serins qui ntaient
point auparavant dans la nature. Ce nont
t dabord que des individus fortuits; lart
et les gnrations rptes en ont fait des
espces. Dans luvre de Lamarck (17441829), limage linaire de la grande chane
des tres est remplace par un arbre buissonnant . Finalement, dans son fameux
ouvrage On the origin of species by natural selection, Darwin (1809-1882) introduit
lide de slection naturelle et darbre des
espces, avec disparition de certaines
espces par slection des plus adaptes,
et apparition de nouvelles, telles les diffrentes espces de pinsons quil met en vidence sur les les Galapagos.

Figure1. Arbre des espces, avec disparition de certaines espces et apparition de nouvelles,
daprs C. Darwin, On the origin of species by means of natural slection.

La biodiversit mise en quations ou presque 71

Cest cette dynamique de la biodiversit


que lon souhaite mieux apprhender,
grce des modles mathmatiques et en
particulier des modles probabilistes qui
prennent en compte les naissances et les
morts alatoires des individus et que lon
appelle de manire gnrique processus de
branchement ou processus de naissance et
mort. Le prototype en est le processus de
Galton-Watson (voir encadr). Il peut permettre de calculer la probabilit dextinction
dune espce.
Une dmarche inverse, que le squenage
de lADN a beaucoup stimule, consiste
reconstruire lhistoire de vie dune population. tant donn un groupe dindividus,
quelle poque se situait leur plus rcent
anctre commun? Comment retrouver les
lignes ancestrales des individus
? Cette
dmarche est celle des gnticiens des
populations et a conduit au modle de
Wright-Fisher (voir encadr).
Cette dualit entre la dynamique des populations au cours du temps et la reconstruction des gnalogies permet ainsi destimer
la biodiversit passe en fonction des relations de parent des espces actuelles.

Des modles construits


sur les comportements
individuels et leurs
interactions cologiques
Les modles cits prcdemment sont
mathmatiquement trs simples. Mme
si les processus de Galton-Watson et les
modles de Wright-Fisher jouent un rle

72 Mathmatiques, lexplosion continue

fondamental leur simplicit permettant


de faire des calculs et de donner certaines
rponses quantitatives ils ne permettent
pas de prendre en compte la diversit gntique et les interactions cologiques. Aussi,
les recherches actuelles des biologistes
thoriciens et des mathmaticiens ont pour
but dintroduire de la diversit gntique
(ADN) et de linteraction (comptition, coopration, prdation) dans les paramtres
dmographiques des modles.

Les recherches actuelles ont


pour but dintroduire de la
diversit gntique et de linteraction.
Les modles les plus anciens introduisant
de la comptition sont des modles dterministes dcrivant le comportement de
grandes populations. Le plus clbre est
lquation logistique, qui dcrit la dynamique de la taille dune population:

n (t) = n(t)(b cn(t))

Dans cette quation, le paramtre b dcrit


le taux de croissance de la population et c
mesure la comptition entre deux individus
pour le partage des ressources. Pour des
temps t trs grands, cette taille se stabilise
sur la valeur limite b/c, appele capacit
de charge. Si la population comporte des
individus de plusieurs types, elle est alors
dcrite par un systme dquations. Dans le
modle de proies-prdateurs par exemple,
si n1(t) et n2 (t) sont le nombre de proies
et de prdateurs au temps t, alors on peut
crire les quations:

Exemple dune population


caractrise par la taille
des individus la naissance

n1 (t) = a n1 (t) b n1 (t) n2 (t)


n2 (t) = c n2 (t) + d n1 (t) n2 (t)
On observe alors un comportement cyclique de ces dynamiques.
Dans le cas dun continuum de types (la
taille la naissance, lge la maturit),
la dynamique dune grande population sera
dcrite par des quations plus compliques
(quations aux drives partielles ou intgro-diffrentielles) reliant les types des individus et le temps.
Ces modles dterministes sont des
modles
macroscopiques
(cest--dire
quils considrent le comportement global
dun ensemble dindividus) et ne prennent
pas en compte les comportements individuels, ni les naissances alatoires dindividus mutants. Ils ne sont pas reprsentatifs
des comportements des petites populations
pour lesquels les fluctuations alatoires sont
essentielles. Ils ne peuvent pas non plus
rendre compte de toutes les chelles de
temps auxquelles lon peut tre confront:
par exemple le lien entre lchelle cologique (les temps de naissance et de mort
des individus) et celle de lvolution (apparition et fixation des mutations). Pour pouvoir
intgrer ces vnements au modle, il est
important de revenir une description du
comportement alatoire de chaque individu
en prenant en compte ses propres caractristiques. Les modles probabilistes sont
alors des gnralisations du processus de
Galton-Watson.

Dans cet exemple, les individus sont caractriss par leur taille x la naissance, qui
varie par exemple entre 0 et 4. Le temps
quun individu de taille x met se reproduire est une variable alatoire de moyenne
b(x). On peut supposer par exemple que
b(x) = 1/(4 x), ce qui traduit le fait quun
grand individu dpense beaucoup dnergie
se nourrir et en a moins pour se reproduire.
A chaque reproduction, lindividu transmet
hrditairement son type x, mais il arrive
que son descendant mute en un individu de
type y. Ce dernier va se reproduire et crer
ensuite sa propre sous-population de type y.
Les mutations introduisent ainsi de la variabilit gntique dans le modle. Par ailleurs,
la mort de lindividu dpend de ses propres
paramtres gntiques, mais aussi de la
comptition pour les ressources quil subit
de la part de ses congnres. Par exemple,
un individu de type y > x consommera plus
de ressources, au dpend de celui de trait
x qui va ainsi voir ses possibilits de survie
samoindrir.
La slection naturelle, qui va permettre la
population de sadapter et entrainer son volution, est donc le rsultat dun compromis
entre le fait de favoriser les petits individus
pour accrotre leurs capacits de reproduction et celui de favoriser les gros individus
pour leur permettre dtre plus forts dans
la comptition pour les ressources. Cest
ce type doptimisation volutive que les
mathmaticiens cherchent comprendre

La biodiversit mise en quations ou presque 73

ainsi que les mcanismes mathmatiques


qui peuvent expliquer lapparition de nouvelles espces.
Le modle dcrit ci-dessus peut expliquer
la diversit des pinsons de Darwin travers la taille de leur bec. La figure ci-dessous montre une simulation du modle (voir
figure2) qui explique lapparition de quatre

espces partir dune espce unique, dans


une trs longue chelle de temps.
Il est bien sr totalement illusoire de vouloir
rduire la biodiversit de simples quations, mais les modles mathmatiques
peuvent fournir un nouvel angle dtude et
un point de vue dpassionn et objectif des
cosystmes.

Figure2. Simulation du modle des pinsons de Darwin.

74 Mathmatiques, lexplosion continue

Le processus
de Galton-Watson
Le processus de Galton-Watson est une
suite de variables alatoires ( Zn) dcrivant
lvolution dune population qui, chaque
gnration, se reproduit alatoirement. Si
Zn est la taille de la population la nime
gnration, alors Zn+1 = X1 + + X Zn , o
Xi est le nombre denfants du i me individu. Les variables Xi ont toutes la mme
loi X, et en particulier le nombre moyen
m denfants par individu est constant.
La probabilit dextinction est alors obtenue comme limite dune suite rcurrente
(dont le terme gnral donne la probabilit dextinction la gnration n), et est

solution de lquation g ( p) = p, o g (s) est


la moyenne de sX . On peut montrer que si
m est un nombre suprieur 1, la population peut exploser exponentiellement,
alors que si m est infrieur ou gal 1,
la population va steindre. Par exemple,
sachant que le nombre moyen des petits
de baleines noires est estim 0,976 et
que labondance des femelles tait estime 150 en 1994, on peut montrer par
ce modle quil y a 99% de chances pour
que ces baleines aient totalement disparu
en 2389.

Figure3. Une ralisation du processus de Galton-Watson.

La biodiversit mise en quations ou presque 75

Le modle de Wright-Fisher
Dans ce modle, la taille de la population N est constante et, chaque gnration,
chaque individu choisit son anctre uniformment au hasard dans la gnration prcdente. Ainsi la probabilit que deux individus aient le mme parent est 1/N, qui tend
vers 0 quand N tend vers linfini. Il faut donc changer lchelle de temps pour observer
les gnalogies pour une grande population et prendre des temps de gnration proportionnels N. Dans ce cas, on construit un objet limite appel coalescent de Kingman
qui est un objet gomtrique probabiliste dcrivant les lignes ancestrales.

Figure 4. Le coalescent de Kingman comme limite dchelle darbres gnalogiques


(daprs B. Mallein, Culture Math, ENS Ulm, 2011)

Pour aller plus loin


Bacaer N., (2008). Histoires de mathmatiques et de populations. Le sel et le fer,
Cassini.

ht tp: // w w w.m ath.ens.fr/culturem ath /


articles-ens/mallein11/coalescent-de-kingman.html

Haccou P., Jagers P., Vatutin V.A., (2005).


Branching Processes: Variation, growth
and extinction of populations, Cambridge University Press.

Tangente Hors srie n 42 (2011). Mathmatiques et biologie Lorganisation du


vivant.

Istas J., (2000). Introduction aux modlisations mathmatiques pour les sciences
du vivant. Springer.
Mallein B., (2011). Gnalogie de populations: le coalescent de Kingman, Culture
Math, ENS Ulm.

76 Mathmatiques, lexplosion continue

Darwin online
h t t p: / / d a r w i n - o n l i n e . o r g . u k / c o n te n t /
frameset?pageseq=60&itemID=F1497&viewtype=side

La restauration
de vieux films
Julie Delon, charge de recherche CNRS Telecom ParisTech
Agns Desolneux, directrice de recherche CNRS lcole Normale Suprieure
de Cachan

Le papillonnage fait partie des dfauts qui affectent couramment les bandes
abmes. travers ce cas particulier, voyons comment les mathmatiques
aident crer des algorithmespermettant de corriger automatiquement les
imperfections des vieux films.

Lapparition des techniques de numrisation permet aujourdhui daccder une


part importante de lhritage cinmatographique. Cependant, le processus de numrisation doit tre accompagn dune restauration des nombreux dfauts qui altrent les
films et les vidos. Parmi ces dfauts, citons
en particulier le papillonnage (appel aussi
flicker pour reprendre le terme anglais), qui
se traduit par des variations artificielles de
lintensit de limage, les rayures, la drive
des couleurs, les blotches (petites taches
dues la prsence de poussire ou la
perte de morceaux de glatine sur la pellicule), etc.

environ 130000 images. Pour le restaurer


compltement en un temps raisonnable, et
pour viter un investissement humain trop
important, des algorithmes de restauration
rapides et les plus automatiques possibles
deviennent indispensables. Le dveloppement de tels algorithmes est dautant plus
critique que la tendance actuelle vers des
rsolutions dimages toujours plus hautes
(TV HD ou support blu-ray par exemple)
accentue la visibilit du moindre dfaut dans
les images.

La varit des dfauts observs dans les


films rende leur restauration particulirement difficile. Un film de 90 minutes contient

Concentrons-nous sur un dfaut trs frquent dans les films anciens: le papillonnage (ou flicker). Ce dfaut consiste en

Le papillonnage

La restauration de vieux films 77

Figure1. Trois images extraites du film The Cure (1917) de Charlie Chaplin. Limage centrale
est nettement plus sombre que les deux autres. Cest ce dfaut de luminosit, appel papillonnage ou flicker, qui donne limpression que le film clignote, et que lon va chercher
corriger de faon automatique.

des variations non naturelles de contraste


dune image lautre du film: les images
deviennent artificiellement sombres ou
claires, alternativement. Ces variations de
contraste peuvent tre dues la fois la
dgradation chimique du support du film
(qui cre alors des zones plus sombres ou
plus claires lors du visionnage), mais aussi
une variation du temps dexposition (temps
pendant lequel la pellicule est expose
la lumire) dune image lautre. Ceci est
en particulier vrai pour les films tourns
lpoque o la pellicule tait entrane
manuellement.
Contrairement dautres dfauts couramment observs dans les films (rayures,
poussires, etc.), le papillonnage ne fait
pas apparatre de nouvelles structures dans
les images. Sa particularit est donc dtre
transparent, voire quasiment invisible sur
une image isole. Seul le visionnage des
images successives du film permet de se
rendre compte de sa prsence. Par consquent, la restauration dun tel dfaut ne peut
pas se faire sur chaque image indpendamment des autres, il faut imprativement uti-

78 Mathmatiques, lexplosion continue

liser plusieurs images successives du film


et chercher en moyenner le contraste.
Afin de corriger ce dfaut, les films sont
dabord numriss, ce qui veut dire que
la pellicule est scanne, image par image,
et que cette suite dimages numriques
est stocke sur un ordinateur. En gnral,
une seconde de film comporte 24 images.
Un film dune heure, une fois scann,
contient donc 86400 images numriques.
Une image numrique en noir et blanc est
modlise mathmatiquement comme une
fonction dfinie sur une grille rectangulaire
de carrs (appels pixels pour la contraction
de picture elements ) et valeurs dans
lensemble des nombres positifs. La valeur
de limage en un pixel est appele le niveau
de gris de ce pixel.

Changement de contraste
Une fois le film numris, on peut appliquer
toutes ses images ce quon appelle des
changements de contraste (nous verrons
plus loin comment les construire pour li-

Figure2. Une image numrique et un zoom sur un petit morceau de cette image, faisant apparatre quelques pixels et leurs niveaux de gris.

miner le papillonnage). Dire quune image

I subit un changement de contraste veut


dire quelle est transforme en f(I) o f est
une fonction croissante sur lensemble des
nombres positifs: chaque pixel de coordonnes (x,y) voit son niveau de gris I(x,y)
devenir f(I(x,y)). Ainsi, deux pixels ayant des
niveaux de gris identiques dans limage I
auront encore des niveaux de gris identiques
dans la nouvelle image f(I). Lintrt et la
ncessit dutiliser une fonction f croissante
est quelle conserve lordre des niveaux de
gris: si un pixel est plus sombre quun autre
pixel dans limage I, cette proprit reste
vraie dans limage f(I). En consquence, un
changement de contraste ne modifie pas le
contenu gomtrique dune image, cest--

dire quon voit la mme chose dans limage


avant et aprs un changement de contraste.
Il ny a pas dapparitions de nouveaux objets
dans limage.

Un changement de contraste ne
modifie pas le contenu gomtrique dune image, cest--dire
quon voit la mme chose dans
limage avant et aprs un changement de contraste.
Les changements de contraste utiliss pour
supprimer le papillonnage dun film sont
construits de la manire suivante. Imaginons que lon souhaite restaurer la nime
image du film, note In. Pour chaque pixel

La restauration de vieux films 79

Figure3. Changement de contraste. Limage de droite est obtenue en appliquant un changement de contraste limage de gauche. On peut observer que le contenu gomtrique de
limage na pas chang.

(x,y) de In, on regarde quel est le rang R


de ce pixel dans limage In lorsque tous
les pixels de cette image sont ordonns
de faon croissante suivant leur niveau de
gris (on suppose que ce rang est le mme
pour des pixels de niveaux de gris gaux).
Regardons maintenant, dans les 10 images
qui prcdent In et dans les 10 images qui
la suivent dans le film (voir lencadr Le
nombre dimages), quels sont les niveaux
de gris des pixels ayant aussi le rang R
(ou le rang le plus proche de R ) dans ces
images. Ces pixels ont des valeurs de gris
qui peuvent tre trs diffrentes de celle de
In(x,y). On prend donc la moyenne de tous
ces niveaux de gris (21 valeurs en tout), ce
qui dtermine la nouvelle valeur f(In(x,y)) au

80 Mathmatiques, lexplosion continue

pixel (x,y), pour la nime image du film. Cette


correction sappuie sur lobservation suivante: si un objet du film voit ses niveaux de
gris changer dune image lautre, le rang
des pixels quil contient varie trs peu dune
image lautre. Par exemple, les pixels de
niveau median (tels quil y ait autant de
pixels plus sombres queux que de pixels
plus clairs queux dans limage) correspondront vraisemblablement aux mmes objets
dans les diffrents images du film (voir lencadr Lhistogramme cumul des niveaux
de gris).
On a ainsi ralis une galisation de
contraste travers les images du film, ce qui
fait disparatre limpression de papillonnage.

Figure4. Les trois images du film de Charlot The Cure aprs restauration automatique du
contraste par la mthode dcrite dans cet article. Ces trois images ont maintenant des luminosits similaires, et leffet de papillonnage (qui se traduisait par une impression de clignotement) du film a disparu.

Bibliographie
Cet article est inspir de celui que nous
avions crit pour le site Images des Mathmatiques:

Handbook of Mathematical Models in Computer Vision, Edited by Nikos Paragios, Chen


Yunmei, et Olivier Faugeras, Springer, 2005

Delon J., Desolneux A., (2011) Papillonnage et mathmatiques des images


Images des Mathmatiques, CNRS.

Handbook of Mathematical Methods in Imaging, Edited by Otmar Scherzer, Springer,


2011

En ligne, URL: http://images.math.cnrs.fr/


Papillonnage-et-mathematiques-des.html

Le nombre dimages
Le nombre dimages utilises pour la restauration (on a pris ici les 10 images prcdentes et les 10 images suivantes) est un choix heuristique que lon peut faire varier.
Plus ce nombre est grand, plus on prend en compte un grand nombre dimages dans le
film pour restaurer limage courante, et plus on limine les fluctuations dues au papillonnage. En contrepartie, prendre un nombre trop grand dimages na pas forcment
de sens si le film comporte beaucoup de mouvements de camra ou dobjets qui se
dplacent.

La restauration de vieux films 81

Lhistogramme cumul des niveaux de gris


Le changement de contraste appliqu limage In du film sinterprte de manire
prcise grce la notion dhistogramme cumul (appel aussi fonction de rpartition)
des niveaux de gris de cette image. Lhistogramme cumul des niveaux de gris dune
image est dfini comme tant la fonction qui chaque valeur de niveau de gris (cest
dire gnralement chaque nombre entre 0 et 255) associe le nombre de pixels dans
limage ayant un niveau de gris infrieur cette valeur. Cest donc une fonction croissante du niveau de gris. Lopration qui consiste moyenner les niveaux de gris des
pixels de mme rang R dans les 10 images qui prcdent et qui suivent chronologiquement In dans le film revient en fait changer lhistogramme cumul de In en la moyenne
harmonique (inverse de la moyenne arithmtique des fonctions inverses) des histogrammes cumuls des 21 images considres. Dautres types de moyenne seraient
ventuellement envisageables, en particulier la moyenne arithmtique, mais on aurait
alors apparition dartefacts, comme lillustre la figure5. En fait, on peut montrer que la
moyenne harmonique est la seule qui garantit que, sur un film fait uniquement dune
image fixe, on moyenne correctement le contraste.

h1

H1

m1

h2

H2

m2

m1

(a) Image u1 , son histogramme et son histogramme cumule

m2

(b) Image u2 , son histogramme et son histogramme cumule

h
m1

m2

m1

m2

(c) Image obtenue en moyennant les histogrammes

m1

m2

m1

m2

(d) Image midway

Figure 1 Dierence entre moyenne arithmetique et moyenne harmonique des histogrammes cumules. Exemple sur deux degrades.
Figure 5. (a) Image dun dgrad sombre, avec son histogramme et son histogramme cumul.
(b) Image dun dgrad clair, avec son histogramme et son histogramme cumul. (c) Image
obtenue si on avait utilis la moyenne arithmtique pour changer le contraste: on a ici cr
une discontinuit dans le dgrad. (d) Image obtenue avec la moyenne harmonique des histogrammes cumuls: le rsultat est conforme ce quon attend - cest un dgrad de niveau
de gris moyen.

82 Mathmatiques, lexplosion continue

Cryptage et dcryptage:
communiquer
en toute scurit
Jean-Louis Nicolas, professeur lUniversit Claude Bernard Lyon 1
Christophe Delaunay, professeur lUniversit de Franche-Comt

La scurisation de nos cartes bleues, ainsi que dautres procds de cryptages utiliss couramment, se basent sur limpossibilit, en pratique, de factoriser de trs grands nombres. Ce type de cryptage pourrait cependant
tre dtrn par dautres mthodes, sa fiabilit tant sans cesse remise en
question par les progrs de linformatique.

1 et par eux-mmes. Le secret dune carte


bancaire est constitu prcisment par ce
couple de nombres premiers; les calculer
partir de N tait pratiquement impossible

En mars 2000, un gros titre avait fait la une


des journaux: Alerte la scurit des
cartes bancaires. Que stait-il pass? En
France, le secret des cartes puce tait protg depuis 1985 grce une mthode de
cryptage faisant intervenir un grand nombre
N, constitu de 97 chiffres. Ce nombre N
doit tre le produit de deux grands nombres
premiers, cest--dire de nombres qui,
comme 7 ou 19, ne sont divisibles que par

dans la dcennie 1980. Mais avec laugmentation de la puissance des ordinateurs


et lamlioration des mthodes mathmatiques, la taille des nombres N dont on
peut calculer les facteurs premiers en un
temps raisonnable a dpass la centaine
de chiffres dans les annes 1990 (le record
actuel, obtenu en dcembre 2009, est la
factorisation dun nombre de 232 chiffres).
Ainsi, un informaticien astucieux, Serge
Humpich, avait pu trouver les deux nombres
premiers ultra-secrets dont le produit valait
le nombre N dalors. Pour garantir la scurit de nos petits rectangles de plastique,
lorganisme de gestion des cartes ban-

Cryptage et dcryptage: communiquer en toute scurit 83

caires avait t oblig de construire aussitt


de nouveaux nombres N, nettement plus
grands. La page web de Paul Zimmerman
(voir les rfrences en fin darticle) offre une
mise jour des diffrents records de factorisation des entiers.

La taille des nombres N dont on


peut calculer les facteurs premiers en un temps raisonnable
a dpass la centaine de chiffres
dans les annes 1990.

La cryptographie moderne, au
croisement des mathmatiques
et de linformatique
Cette priptie illustre limportance considrable que revt aujourdhui la science du
cryptage, cest--dire du codage de messages en vue de les rendre illisibles par des
personnes indiscrtes. Crypter et dcrypter des messages secrets est une activit

vieille de plusieurs sicles, voire millnaires.


Et cette activit a largement dbord du
cadre strictement diplomatique ou militaire
pour investir des pans entiers de lunivers
des communications civiles
: procdures
dauthentification, transactions bancaires,
commerce lectronique, protection de sites
et fichiers informatiques, etc.
La cryptographie a connu beaucoup davances au cours des dernires dcennies.
Ce faisant, elle est devenue une science
complexe, o les progrs sont gnralement le fait de spcialistes ayant reu une
formation pousse en mathmatiques et en
informatique.
Cette spcialisation sest manifeste ds
la Deuxime guerre mondiale. On le sait
aujourdhui, le dchiffrage par les Allis
des messages cods par les fameuses
machines allemandes Enigma a jou un
rle dterminant dans ce conflit. Or cest un
minent mathmaticien britannique, Alan
Turing, par ailleurs lun des pres de linformatique thorique, qui a apport une contribution essentielle ce dcryptage.
Dans les annes 1970, la cryptographie a
connu une petite rvolution: linvention de
la cryptographie cl publique, avec la
mthode RSA. De quoi sagit-il? Jusque-l,
les correspondants voulant changer des
messages secrets devaient partager une
cl secrte, et le risque dinterception de
cette cl par lennemi tait grand. Le protocole RSA, nomm ainsi daprs ses trois
inventeurs (Ronald Rivest, Adi Shamir et
Leonard Adleman), rsout ce problme.
Cette mthode utilise deux cls: une cl de

84 Mathmatiques, lexplosion continue

cryptage publique elle peut tre connue


de tous et une cl de dcryptage, qui reste
secrte. Elle est fonde sur le principe (utilis par la suite pour protger les cartes bancaires, comme on la vu plus haut) quil est
possible de construire de grands nombres
premiers (de cent, mille chiffres, voire
plus), mais quil est extrmement difficile
de retrouver les facteurs premiers p et q
dun grand nombre N = p x q lorsque lon
connat seulement N. Schmatiquement, la
connaissance de N revient celle de la cl
publique de cryptage, tandis que la connaissance de p et q revient celle de la cl
secrte de dcryptage.
videmment, si quelquun trouvait une
mthode pour dcomposer rapidement en
leurs facteurs premiers de grands nombres,
le protocole RSA deviendrait caduc. Mais il
se pourrait aussi que les mathmaticiens
prouvent quune telle mthode nexiste pas,
ce qui renforcerait la scurit du protocole
RSA. Ce sont l des sujets de recherche
dcisifs.

dans un domaine parfaitement pur, larithmtique, et de navoir rien fait qui puisse
tre considr comme utile. Ses travaux
taient peut-tre inutiles son poque.
Cest faux aujourdhui.

Courbes elliptiques:
la gomtrie algbrique
au service des agents secrets
Et cela ne concerne pas uniquement la
thorie des nombres. Dautres domaines
des mathmatiques, auparavant considrs comme dpourvus dapplications,
contribuent la science du cryptage. Des
mthodes cryptographiques prometteuses
et fondes sur des principes voisins de ceux
du protocole RSA sont apparues au cours
des dernires annes. Il en est ainsi de la
mthode dite du logarithme discret. Celle-ci
a servi son tour concevoir des mthodes
qui sappuient sur les proprits des courbes
elliptiques. Il ne sagit pas de courbes ayant
la forme dune ellipse, mais de courbes dont
ltude a dbut au xixesicle pour rsoudre

Les mthodes qui, comme le protocole


RSA, font intervenir de la thorie des
nombres labore, apportent une grande
leon: des recherches mathmatiques (sur
les nombres premiers notamment) tout
fait dsintresses peuvent se rvler, des
annes ou des dcennies plus tard, cruciales pour telle ou telle application; et ce
de manire imprvisible.
Dans son livre Lapologie dun mathmaticien, le grand thoricien des nombres britannique G. H.Hardy (1877-1947), qui tait
un fervent pacifiste, se targuait de travailler

Cryptage et dcryptage: communiquer en toute scurit 85

le problme difficile du calcul du primtre


dune ellipse. Ces courbes, dont les coordonnes (x, y ) de leurs points vrifient une
quation de la forme y 2 = x 3 + ax + b, ont
dintressantes proprits dont ltude fait
partie de la gomtrie algbrique, trs vaste
domaine des mathmatiques actuelles. Par
exemple, laide dune construction gomtrique approprie, il est possible de dfinir
une addition entre les points dune courbe
elliptique (voir figure ci-dessous).

Plus gnralement, les objets gomtriques que sont les courbes elliptiques possdent des proprits arithmtiques que
lon continue dexplorer susceptibles de
rendre service la cryptographie. Cest ainsi
qua t dveloppe une mthode cryptographique intitule logarithme discret sur les
courbes elliptiques. De faon anecdotique,
les courbes elliptiques fournissent aussi une
mthode originale pour factoriser les entiers
(cependant, des mthodes bien plus techniques sont ncessaires pour obtenir les
records actuels).

Les objets gomtriques que sont


les courbes elliptiques possdent
des proprits arithmtiques
susceptibles de rendre service
la cryptographie.

Lordinateur quantique: loutil


de demain?

Le graphe de la courbe elliptique


dquation y2 = x 3 + 1. Les courbes
elliptiques ont une proprit remarquable: on peut additionner leurs
points selon le procd reprsent
sur le dessin. L addition ainsi dfinie respecte les lois arithmtiques
attendues, telles que (P1 + P2) + P3 =
P1 + (P2 + P3). Certaines mthodes modernes de cryptographie font appel aux
courbes elliptiques et leurs proprits
algbriques.

86 Mathmatiques, lexplosion continue

Une autre direction, totalement diffrente,


est apparue assez rcemment. Il sagit de
la cryptographie quantique. Que signifie ce
terme? Il y a quelques annes, des physiciens et des mathmaticiens ont imagin
quil serait un jour possible de raliser un
ordinateur quantique, cest--dire dont le
fonctionnement exploiterait les lois bizarres
de la physique quantique, celles qui rgnent
dans le monde infiniment petit. Or, on sest
rendu compte quun tel ordinateur, sil tait
ralisable, serait capable de factoriser trs
vite de grands nombres et rendrait ainsi
totalement inefficace la mthode RSA
(dans ce contexte, lors du congrs international des mathmaticiens Berlin en 1998,

Peter Shor, des laboratoires AT & T, obtenait


le prix Nevanlinna pour ses travaux sur la
factorisation laide des ordinateurs quantiques). Des recherches visant la ralisation
concrte dun ordinateur quantique ont dailleurs t publies dans la revue britannique
Nature (cf. rfrence ci-dessous). Dun autre
ct, des chercheurs ont labor des protocoles de cryptographie quantique, cest-dire des mthodes de cryptage utilisant
des objets (photons, atomes) obissant
aux lois de la physique quantique. Ces protocoles quantiques garantissent (du moins
thoriquement) une scurit infaillible. Tout
cela est ltude et risque de devenir oprationnel dans un futur proche (par exemple,
un cble de communication quantique
reliant la ville de Genve Lausanne fonctionne dj depuis plusieurs annes).

Pour aller plus loin


La page web de Paul Zimmerman sur les records de factorisation des entiers:
www.loria.fr/~zimmerma/records/factor.html
Kahn D., (1980). La guerre des codes secrets (Interditions).
Stern J., (Jacob O. 1998). La science du
secret.
Singh S., (Latts J.-C., 1999) Histoire des
codes secrets.
Delahaye J.-P., (2000). Merveilleux nombres
premiers (Belin/Pour la Science).
Stinson D. (Vuibert, 2001). Cryptographie,
thorie et pratique.
Vandersypen L. M.K., et al., (2001) Experimental realization of Shors quantum factoring algorithm using nuclear magnetic
resonance, Nature, vol.414, p.883-887.

Cryptage et dcryptage: communiquer en toute scurit 87

Pourquoi et comment
nager dans le miel?
Franois Alouges, Guilhem Blanchard, Sylvain Calisti, Simon Calvet, Paul
Fourment, Christian Glusa, Romain Leblanc et Mario Quillas-Saavedra,
respectivement professeur et lves de lcole polytechnique

La nage dans des milieux trs visqueux comme le miel est un sujet de recherches actuel, qui touche des disciplines aussi diverses que la mcanique
des fluides, les mathmatiques appliques ou la biologie. Mais pourquoi
donc sintresser la natation dans du miel? Et quelles sont les diffrences
entre la nage dans du miel et celle dans de leau?

Qui donc pourrait vouloir nager dans du


miel
? Personne. Si lon sintresse la
nage dans le miel, ou dans les milieux trs
visqueux en gnral, cest pour tudier
des problmes qui, bien quapparemment
trs diffrents, mettent en fait en jeu les
mmes mcanismes. En effet, la nage dans
des milieux trs visqueux notre chelle
(lchelle macroscopique, de lordre du
mtre) possde les mmes caractristiques
que la nage dans de leau trs petite
chelle (lchelle microscopique, avec des
tailles de lordre du centime de millimtre).
Or, il est plus facile de raliser des expriences de taille normale dans du miel que
des expriences miniatures dans de leau!
Grce cet artifice, on peut tudier la nage
dans des milieux aqueux (cest--dire

base deau) trs petite chelle. Et, cette


fois, les applications pratiques sont multiples. Par exemple, les bactries sont des
micro-organismes qui voluent en nageant
dans des fluides proches de leau comme
le sang. Mieux comprendre leurs capacits
de mouvement pourrait permettre soit de
les empcher de se dplacer afin de lutter
contre certaines maladies soit, au contraire,
de les aider se dvelopper (dans le cas
par exemple des bactries qui composent
la flore intestinale et qui nous servent
digrer la nourriture que nous avalons). Un
autre exemple, aux applications mdicales
encore plus videntes, est celui des microrobots nageurs. En effet, si nous arrivions
construire des minuscules robots capables
de se mouvoir dans des milieux comme
leau ou le sang, nous pourrions nous en

Pourquoi et comment nager dans le miel? 89

servir pour transporter des substances


mdicamenteuses au sein mme des cellules malades, effectuer des oprations
chirurgicales dans le corps humain sans
avoir besoin dy dcouper une ouverture
pour le scalpel du chirurgien, ou encore
raliser des rparations de taille microscopique, inaccessibles aux outils, mme trs
perfectionns, manis par les humains.

Inertie et viscosit
Quelles sont donc les diffrences entre la
nage de Michael Phelps, 1m93, et celle de
la bactrie Escherichia Coli (voir figure1), qui
mesure quelques micromtres (millimes
de millimtres)? Pourquoi ne peut-on pas
tudier le mouvement de ces deux tres
vivants de la mme faon?

dans un fluide sont les effets dinertie et


les forces de viscosit. Les effets inertiels,
ce sont par exemple ceux que lon ressent
lintrieur dun avion qui dcolle: on est
alors plaqu contre son sige pendant
que lavion acclre brutalement. Ces
effets sont lis au fait que les forces physiques (frottements, poids, etc.) nagissent
pas directement sur notre vitesse, mais sur
notre acclration.

Il est plus facile de raliser des


expriences de taille normale
dans du miel que des expriences
miniatures dans de leau.
Les forces de viscosit, elles, reprsentent
les interactions entre les diffrentes molcules qui constituent le fluide. On peut les
associer la rsistance que le fluide oppose
lorsquon essaye de le dformer.

Dune faon gnrale, les deux types deffets qui interviennent lors du mouvement

Figure1. Un champion de natation vs. E.Coli. Une diffrence de taille.

90 Mathmatiques, lexplosion continue

Ces deux effets ont des intensits trs diffrentes en fonction de lchelle laquelle
on se place. Pour mesurer leur importance relative, on utilise un nombre sans
dimension appel nombre de Reynolds.
Le nombre de Reynolds dun coulement
est donn par la formule Re = rUL/, dans
laquelle r et n reprsentent la densit et la
viscosit du fluide, et L et U sont respectivement une taille et une vitesse caractristiques de lcoulement (celles du nageur
par exemple): un nombre de Reynolds trs
grand (par rapport 1) signifiera que les
effets inertiels sont beaucoup plus importants que les effets visqueux, que lon
ngligera alors; au contraire, si le nombre
de Reynolds est trs petit, on se contentera
de prendre en compte la viscosit, et pas
linertie. Cest donc l que se situe toute la
diffrence entre Michael Phelps et E. Coli:
le nombre de Reynolds caractrisant la nage
du champion olympique vaut environ 10millions, tandis que celui caractrisant la nage
dune bactrie est de lordre de 0,00001.

Deux coulements possdant des


nombres de Reynolds semblables
ont des caractristiques similaires mme sils correspondent
des situations trs diffrentes.
Deux coulements possdant des nombres
de Reynolds semblables ont des caractristiques similaires mme sils correspondent
des situations trs diffrentes comme
par exemple pour des microorganismes
voluant dans leau, des objets de taille
centimtrique voluant dans un fluide trs
visqueux (miel, silicone, peinture, etc.) ou

bien des coulements au sein des glaciers.


Dans ces trois cas, on est faible nombre
de Reynolds.

Le thorme de la Coquille
Saint-Jacques
La nage faible nombre de Reynolds, avant
tout lie aux effets de viscosit, a des proprits intressantes et parfois inattendues.
Lcoulement du fluide est dcrit par des
quations appeles quations de Stokes
qui sont en fait une version simplifie des
quations de Navier-Stokes dans lesquelles
linertie a t nglige. Elles ont une particularit extrmement importante du point
de vue mathmatique: elles sont linaires,
cest--dire que la modification dun paramtre (pression, vitesse, etc.) entrane une
modification proportionnelle de tous les
autres paramtres.
Cette linarit a des consquences importantes pour la nage faible nombre de
Reynolds, comme la rversibilit
: si un
objet se dforme dune certaine faon,
puis reprend sa forme initiale nouveau de
faon exactement inverse on dit alors que
le mouvement est rciproque il reviendra
aussi sa position initiale et ne se sera pas
dplac. Cest le thorme de la Coquille
Saint-Jacques , tabli par E.M. Purcell en
1977: ces coquillages nageant en ouvrant
et fermant leur coquille ne peuvent pas se
dplacer dans des milieux domins par la
viscosit.

Pourquoi et comment nager dans le miel? 91

Optimiser sa natation
Le problme de la natation consiste chercher des changements de forme priodiques, des brasses, qui produisent, par
interaction avec le fluide, un dplacement
du nageur. Le nageur (ou le robot-nageur)
peut ensuite enchaner les brasses de
faon avancer dans le fluide. Mathmatiquement, ce problme revient chercher un
chemin ferm dans lensemble des formes
que peut prendre lobjet qui conduise un
changement de sa position.

Figure 2. La coquille Saint-Jacques ne


pourrait pas se dplacer dans un milieu
domin par la viscosit.

Pour contourner cette difficult, Purcell


imagine ds 1977 un systme deux batteurs capable de nager faible nombre de
Reynolds, en les actionnant successivement comme schmatis sur la figure 3.
On notera quici le mouvement nest pas
rciproque.

Figure3. Le Three-Link-Swimmer de
Purcell est un robot-nageur deux batteurs. En actionnant successivement les
deux batteurs selon le schma du bas,
le nageur progresse latralement dans
un coulement domin par la viscosit.

92 Mathmatiques, lexplosion continue

Le problme consistant trouver des brasses minimisant


lnergie mcanique dpense
par le nageur afin de produire
un dplacement donn est un
problme de contrle optimal.
Cest un problme de contrle. En agissant
sur des paramtres de contrle ici la forme
du nageur on souhaite raliser un objectif: dplacer le nageur. De la mme faon,
conduire sa voiture est un problme de
contrle: en actionnant le volant et lacclrateur, on cherche dplacer le vhicule
et lamener un endroit prcis. La thorie
du contrle est lensemble des outils mathmatiques qui sont utiliss pour dmontrer
rigoureusement quun dispositif est contrlable, cest--dire pour notre nageur, quil
peut effectivement se dplacer en effectuant des brasses. Cette thorie utilise
beaucoup darguments gomtriques et
dquations diffrentielles ordinaires. En
utilisant la thorie du contrle, on peut ainsi
dmontrer rigoureusement que certains
robots nageurs proposs par des physiciens

peuvent effectivement se dplacer dans un


fluide un rgime domin par la viscosit.
Les figures3 et4 donnent des exemples de
tels robots.
Souvent, savoir que lon peut contrler un
systme est insuffisant. On veut aussi le
faire en optimisant un critre, comme par
exemple, lorsquon se dplace en voiture et
que lon veut minimiser le temps de parcours
ou le carburant consomm. Le domaine
mathmatique est alors celui du contrle
optimal. Ainsi, pour revenir la natation, le
problme consistant trouver des brasses
minimisant lnergie mcanique dpense
par le nageur afin de produire un dplacement donn (ou celui daller le plus vite possible avec une quantit dnergie fixe) est
un problme de contrle optimal.
Il est possible de construire des algorithmes
permettant de calculer numriquement (
laide dun ordinateur) les brasses optimales de certains nageurs. Aprs modlisation du problme rsoudre, il sagit de
trouver une solution dune quation diffrentielle ordinaire qui part dun point connu (la
position et la forme du nageur initialement)
et arrive un autre point connu (la position
et la forme finales). On utilise alors ce que
lon appelle des mthodes de tir (qui
portent leur nom par analogie au problme
de balistique qui consiste envoyer un boulet de canon dun point un autre en rglant
lorientation du canon). Pour les quations
diffrentielles que lon doit rsoudre pour
la natation optimale, on connat le point de
dpart et lon veut viser le point darrive en
rglant la vitesse initiale.

Ces recherches en thorie du contrle optimal sont trs actuelles (voir Pour aller plus
loin). Qui sait, peut-tre permettront-elles
de concevoir les micro-robots de demain!

Pour aller plus loin


Le lecteur intress par lapprofondissement de ce sujet est invit lire le trs bel
article de Purcell:
Purcell E.M., (1977). Life at low Reynolds
number, Am. J.Phys, 45(1):311.
Les travaux de recherche dun des auteurs
de cet article sont galement disponibles:
Alouges F., DeSimone A., Lefebvre A.,
(2008). Optimal strokes for low Reynolds number swimmers: an example,
J.Nonlinear Sci., 18(3):277-302.
Alouges F., DeSimone A., Lefebvre A.,
(2009). Biological fluid dynamics: swimming at low Reynolds numbers, Encyclopedia of Complexity and System
Science, Springer Verlag.
A ladresse http://www.cmap.polytechnique.fr/~alouges/nage.php on peut voir des
vidos montrant les stratgies optimales de
natation de certains mcanismes et leur
comparaison avec dautres modes moins
performants. La figure 4 est tire de lune
dentre elles.

Pourquoi et comment nager dans le miel? 93

Trs instructif aussi, le film ralis par G.


I.Taylor (G. I.Taylor, Low Reynolds Number
Flow, National Committee for Fluid Mechanics Films, Education Development Center.

Inc., Newton, MA.) et accessoirement


disponible sur YouTube montre un ventail
exhaustif des multiples particularits des
coulements faible nombre de Reynolds.

Figure 4. Simulation numrique dune course entre trois nageurs composs de sphres alignes et relies par des vrins extensibles. Le nageur au premier plan est calcul de faon
nager optimalement, et nage plus vite que les deux autres pour la mme nergie dpense. La
course a lieu de la gauche vers la droite.

94 Mathmatiques, lexplosion continue

Le thorme
du soufflet
tienne Ghys, directeur de recherche CNRS lcole Normale Suprieure de Lyon

Unergle, un crayon, du carton, des ciseaux et de la colle: il nen faut gure


plus pour procurer aux mathmaticiens du plaisir et de jolis problmes
dont ltude se rvle souvent, aprs coup et de manire inattendue, utile
dans dautres mtiers.

Construisons une pyramide en carton


Pour cela, on commence par dcouper un
patron SABCDE dans une feuille de carton
comme indiqu sur la figure, puis on plie le
long des lignes pointilles et enfin, on colle
les cts AS et ES.

Le rsultat est une espce de cornet dont


le sommet est le point S et dont le bord est
un quadrilatre ABCD. Cet objet est flexible.
Si on le tient dans la main, le quadrilatre
ABCD peut se dformer et souvrir plus ou

moins: la construction nest pas trs solide.


Pour complter la pyramide, il faut encore
dcouper un carr en carton et le coller sur
le quadrilatre pour former la base. Aprs
cette opration, la pyramide est solidifie,
rigidifie. Si on la pose sur une table, elle
ne scroule pas. Si on la prend dans la
main et si on essaye de la dformer (avec
douceur!), on ny parvient pas, moins de
dformer les faces en carton. De mme,
un cube en carton est rigide comme tout
le monde la souvent constat. Quen est-il
pour un polydre plus gnral, possdant
peut-tre des milliers de faces? La gode
de la Villette est-elle rigide? Cette dernire
question laisse entrevoir que le sujet de la
rigidit et de la flexibilit nest peut-tre pas
seulement thorique!

Le thorme du soufflet 95

Le cas des polydres convexes


Le problme de la rigidit de ce type dobjets est trs ancien. Euclide en avait probablement connaissance. Le grand mathmaticien franais Andr-Marie Legendre
sy intresse vers la fin du xviiiesicle et en
parle son collgue Joseph-Louis Lagrange
qui suggre son tour au jeune Augustin-Louis Cauchy dtudier cette question
en 1813. Ce sera le premier rsultat marquant du baron A.-L. Cauchy, qui deviendra
par la suite lun des plus grands mathmaticiens de son sicle.

nont pas dartes rentrantes. Par exemple,


la pyramide que nous avons construite ou le
ballon de football est convexe mais lobjet
dessin droite de la figure ci-dessous ne
lest pas.

Le thorme tabli par A.-L. Cauchy est le


suivant: tout polydre convexe est rigide.
Cela signifie que si on construit un polydre
convexe avec des polygones indformables
(en mtal par exemple) ajusts par des charnires le long dartes, la gomtrie globale
de lensemble empche les jointures de
jouer. Le cornet que nous avons construit
est flexible mais ceci ninvalide pas le thorme: il lui manque une face et cest la dernire face qui rigidifie la pyramide!

Augustin-Louis Cauchy (1789-1857),


lun des grands mathmaticiens de son
poque. (Clich Archives de l'cole polytechnique)

A.-L. Cauchy sintresse aux polydres


convexes, cest--dire aux polydres qui

96 Mathmatiques, lexplosion continue

Faire des mathmatiques, cest dmontrer


ce quon affirme
! La dmonstration de
A.-L. Cauchy est superbe (mme si certains
ont fait remarquer par la suite quelle tait
incomplte). Il nest malheureusement pas
question dans ce petit article de donner
une ide de cette preuve, mais jaimerais
en extraire un lemme , cest--dire une
tape dans la dmonstration. Posons sur
le sol une chane constitue de quelques
barres mtalliques assembles bout bout,
comme sur la figure ci-aprs.

Si lon diminue les angles de la chane,


la distance entre les extrmits diminue: AZ est plus grand que AZ.

de construire le flexidron de K. Steffen. Dcoupez, pliez le long des lignes. Les


lignes en continu sont des artes saillantes
et les lignes en pointill correspondent aux
artes rentrantes. Collez les bords libres de
la manire vidente. Vous obtiendrez une
espce de Shadok et vous verrez quil est
effectivement flexible (un peu).

En chacun des angles de cette ligne


polygonale, rapprochons les deux barres
de faon diminuer langle correspondant.
Alors, les deux extrmits de la chane
se rapprochent. vident
? Essayez de le
dmontrer

Construction dun flexidron


Pendant longtemps, beaucoup de mathmaticiens se sont demands si les polydres
non convexes taient galement rigides.
Peut-on trouver une preuve de la rigidit qui
nutiliserait pas lhypothse de convexit?
Les mathmaticiens aiment les noncs
dans lesquels toutes les hypothses sont
utiles pour obtenir la conclusion. Il a fallu
attendre plus de 160 ans pour connatre la
rponse dans ce cas particulier.
En 1977, le mathmaticien canadien Robert
Connelly cre la surprise. Il construit un
polydre (assez compliqu) qui est flexible,
bien sr non convexe pour ne pas contrarier A.-L. Cauchy! Depuis, sa construction
a t quelque peu simplifie, en particulier par Klaus Steffen. Je prsente sur la
figure un patron qui permettra au lecteur

Le flexidron de Steffen. Les cts mesurent 5, 10, 11,12 et 17.

lpoque, les mathmaticiens furent


enchants par ce nouvel objet. Un modle
mtallique fut construit et dpos dans la
salle de th de lInstitut des Hautes tudes
Scientifiques, Bures-sur-Yvette, et on pouvait samuser faire bouger cette chose (
vrai dire pas trs jolie, et qui grince un peu).
Lhistoire raconte que Dennis Sullivan eut
lide de souffler de la fume de cigarette
lintrieur du flexidron de R. Connelly et
quil constata que lorsquon mettait en mouvement lobjet, aucune fume ne sortait
Il eut donc lintuition que lorsque le flexidron se dforme, son volume ne varie pas!
Lanecdote est-elle vraie
? Peu importe
!
Quoi quil en soit, R.Connelly et D.Sullivan
conjecturrent que lorsquun polydre se
dforme, son volume est constant. videm-

Le thorme du soufflet 97

ment, il nest pas difficile de vrifier cela


dans lexemple particulier du flexidron de
R.Connelly ou encore pour celui de K.Steffen (au prix de calculs compliqus mais sans
intrt). La conjecture en question considre tous les polydres, y compris ceux qui
nont jamais t construits en pratique! Ils
ont appel cette question la conjecture du
soufflet: le soufflet au coin du feu jecte
de lair quand on le presse; autrement dit,
son volume diminue (et cest dailleurs sa
fonction). videmment un vrai soufflet ne
rpond pas au problme de R. Connelly et
D. Sullivan: il est fabriqu en cuir et ses
faces se dforment constamment, contrairement nos polydres dont les faces sont
rigides.
En 1997, R.Connelly, I.Sabitov et A.Walz
ont finalement montr cette conjecture.
Dmonstration grandiose, montrant une fois
de plus les interactions entre toutes les parties des mathmatiques. Dans cette question videmment gomtrique, les auteurs
utilisent des mthodes trs fines dalgbre

abstraite moderne. Il ne sagit pas dune


dmonstration que A.-L.Cauchy aurait pu
trouver : les techniques mathmatiques
dont il disposait ntaient pas suffisantes.
Je voudrais rappeler une formule quon
apprenait autrefois lcole secondaire. Si
les longueurs des cts dun triangle sont a,

b et c, on peut calculer facilement la superficie du triangle. Pour cela, on calcule dabord


le demi-primtre p = (a+b+c)/2 et ensuite
on obtient la superficie S en extrayant la
racine carre de p(p- a)(p- b)(p- c). Cest une
jolie formule qui porte le nom du mathmaticien grec Hron et qui nous vient de la
nuit des temps. Peut-on calculer de mme
le volume dun polydre si on connat les
longueurs de ses artes? Cest ce quont
montr nos trois auteurs contemporains.
Ils partent dun polydre construit partir
dun patron form dun certain nombre de
triangles et ils appellent l1, l2, l 3 etc. les
longueurs des cts de ces triangles (qui
peuvent tre trs nombreux). Ils trouvent
alors une quation du nieme degr satisfaite

Le dme de la Villette (1730 triangles et 36 mtres de diamtre), et un dme plus petit.

98 Mathmatiques, lexplosion continue

par le volume V du polydre, de la forme


a0 + a1V + a2 V 2 + +an V n = 0.
Le degr n dpend du patron utilis et

der est intressant. La question de savoir si


un bon problme doit avoir des applications
utiles dans la pratique est plus subtile: les

les coefficients de lquation a 0, a1 etc.


dpendent explicitement des longueurs
des cts l1, l2, l 3 etc. Autrement dit, si on
connat le patron et les longueurs des cts,
on connat lquation. Si le lecteur se souvient quune quation a en gnral une solution lorsquelle est du premier degr, deux
solutions lorsquelle est du second degr,
il pourra deviner quune quation de degr
n na gure que n solutions. Conclusion:
si on connat le patron et les longueurs, on
ne connat pas ncessairement le volume,
mais on sait au moins que ce volume ne
peut prendre quun nombre fini de valeurs
Lorsque le flexidron se dforme, son volume
ne peut donc pas varier continment; ce
volume est bloqu et la conjecture du
soufflet est tablie

mathmaticiens y rpondent de manire


trs variable. Incontestablement, les questions pratiques , issues par exemple de
la physique, servent bien souvent de motivations pour les mathmatiques. Parfois, il
sagit de rsoudre un problme bien concret,
mais le lien est souvent plus flou: le math-

Lancien, le simple
et lappliqu
Ce problme est-il utile, intressant
?
Quest ce quun problme mathmatique
intressant? Question difficile laquelle les
mathmaticiens rflchissent depuis longtemps, bien sr. Voici quelques lments
de rponse, quelques indices de qualit . Lanciennet est un premier critre:
les mathmaticiens sont trs sensibles la
tradition. Un bon problme doit galement
snoncer simplement, sa solution doit
mener des dveloppements surprenants,
si possible mettant en jeu des domaines
trs diffrents. De ces points de vue, le problme de la rigidit que nous venons dabor-

maticien ne se sert alors de la question


concrte que comme dune source dinspiration et la rsolution effective du problme
initial nest plus la motivation vritable. Le
problme de rigidit appartient cette dernire catgorie. Lorigine physique est assez
claire: la stabilit et la rigidit de structures,
par exemple mtalliques. Il est douteux que
les exemples de R. Connelly puissent un
jour tre dune quelconque utilit pour lingnieur. Cependant, il parat bien clair que
ce genre de recherche ne manquera pas,
dans un avenir indtermin, de permettre
une meilleure comprhension globale de la
rigidit des vastes structures constitues
dun grand nombre dlments individuels
(macromolcules ou btiments). Il sagit
donc de recherches thoriques et dsintresses, mais qui pourraient peut-tre un
jour se rendre utiles

Ce genre de recherche ne manquera pas, dans un avenir indtermin, de permettre une meilleure comprhension globale de
la rigidit des vastes structures
constitues dun grand nombre
dlments individuels.

Le thorme du soufflet 99

Pour aller plus loin


Berger M., (1977). Gomtrie, v. 3.
Convexes et polytopes, polydres rguliers, aires et volumes (CEDIC/Nathan
Information).
Connelly R., Sabitov I., Walz A., (1997).
The bellows conjecture, Beitrge Algebra Geom., 38, n1, p.1-10.
Connelly R., (1977). A counterexample to
the rigidity conjecture for polyhedra,
Institut des Hautes tudes Scientifiques, Publication Mathmatique n47,
p.333-338.

Kuiper N.H., (1979). Sphres polydriques


flexibles dans E3 , daprs Robert
Connelly, Sminaire Bourbaki, 30 e
anne (1977/78), expos n 514, pp.
147-168 (Lecture Notes in Math. 710,
Springer).

La dtection
de spams:
un jeu denfant?
Tristan Mary-Huard, charg de recherche INRA INRA-AgroParisTech

Comment distinguer automatiquement un spam dun message normal? Les


filtres anti-spams analysent le texte des messages en utilisant des algorithmes de classification en forme darbres. Ceux-ci comportent un nombre
optimal de nuds correspondant autant de questions pertinentes permettant de dterminer la nature dun message.

Il y a quelques annes, un clbre fabriquant


de jouet proposait le jeu Qui est-ce? .
Le principe du jeu tait simple
: chaque
joueur devait retrouver, parmi une collection de personnages, celui choisi par son
adversaire. Pour cela, les joueurs posaient
tour tour une question de la forme: Le
personnage a-t-il des moustaches? ou
Le personnage porte-t-il des lunettes?.
Le premier joueur trouver le personnage
de ladversaire gagnait la partie. La victoire
appartenait donc au joueur posant successivement les questions les plus pertinentes
pour identifier le plus rapidement possible le
personnage mystre.
Lhistoire ne dit pas si Leo Breiman, mathmaticien et chercheur amricain, et ses
collaborateurs de lUniversit de Berkeley

taient des joueurs passionns de Qui


est-ce? Toujours est-il que la mthode
quils proposrent en 1984 reprend scrupuleusement la logique de ce jeu et lutilise
pour la rsolution de problmes de classification. Cette mthode a t ensuite rgulirement reprise, et sert aujourdhui - entre
autres - la dtection de spam.
Parmi lensemble des messages reus par
un individu sur sa messagerie lectronique,
on distingue deux types
: les messages
rguliers (envoys par des amis ou
par des sites internet auquel lindividu est
abonn) et les messages spams (communication lectronique non sollicite). Ces
spams sont gnralement envoys des
milliers, voire des millions dindividus sur
internet, et les consquences de tels envois

La dtection de spams: un jeu denfant? 101

en masse ne sont pas ngligeables: en


France, on estime que 95 % des courriers
reus en 2009 taient des spams.

Une possibilit est de classer les


messages partir de ltude des
frquences dapparition de certains mots.
Afin dviter aux utilisateurs de voir leur
messagerie surcharge, les fournisseurs
daccs internet cherchent laborer des
mthodes de filtrage anti-spam, capables
de distinguer automatiquement un spam
dun message rgulier. De telles mthodes
sont appeles algorithmes de classification.

Gagner, loterie:
les mots typiques des spams
Sur quelles informations lalgorithme de
classification peut-il se baser? Tout message contient un texte. Cest donc partir
de lanalyse du contenu de ce texte quil faut
dcider de classer un message en spam ou
rgulier. Bien souvent, un spam capte lattention du destinataire par la promesse dun
gain quelconque (gnralement dordre
financier), et propose de rcuprer ce gain
en se connectant sur un site internet qui
sera ainsi frquemment visit. Ces courriers se caractrisent donc par la prsence
de mots comme gagner, loterie, ou
encore cliquer dans le corps du texte.
Il existe donc des mots rvlateurs de la
nature du message. De ce fait, une possibilit est de classer les messages partir
de ltude des frquences dapparition de
certains mots.

102 Mathmatiques, lexplosion continue

Figure1. Exemple darbre de classification


pour le classement des messages lectroniques.

Lalgorithme propos par Breiman et ses


collgues est illustr en figure 1. Il reprsente le parcours que doit accomplir un
message pour tre class en spam/rgulier.
Le parcours commence par le haut, en lisant
la question inscrite dans le nud racine (les
ellipses sont appeles nuds, les traits
entre deux ellipses branches, et le premier
nud en haut est appel nud racine). Si la
rponse la question est affirmative, cest-dire si la frquence dapparition du mot
gagner est strictement suprieure 2, le
message poursuit son chemin en empruntant la branche droite. Sinon, le message
emprunte la branche gauche. Le message
atteint alors un autre nud, et comme prcdemment poursuit son chemin droite
ou gauche suivant la rponse faite la
nouvelle question. Ceci se rpte jusqu ce
que le message atteigne une feuille, cest-dire un nud do ne part aucune branche.
Dans cette feuille se lit le classement qui
doit tre attribu au message. Remarquons
que le vocabulaire employ (racine, nuds,
branches et feuilles) nest pas d au hasard:
lalgorithme de Breiman porte en effet le
nom darbre de classification.

Considrons les messages


suivants:
Message 1
Bravo,
Vous venez de gagner notre grand
tirage internet.
Cliquez ici pour recevoir 1.000.000
de dollars!!!
Et pour gagner dautres cadeaux,
cliquez ici.

Message 2
Salut Benot,
Demain je joue contre Bruno.
Si je gagne la partie je me qualifie
directement.
Si je ne gagne pas demain mais que
je gagne la suivante,
je monte en pool 3 lanne prochaine!
Bises, Sandra

Dans le premier message, le mot gagner


napparat que deux fois. La rponse la

question du nud racine est donc ngative,


et le message suit la branche gauche. Arriv
au nud suivant, on vrifie que le mot cliquer apparat deux fois. Le message prend
donc la branche droite, pour finalement
atteindre une feuille SPAM. Le message
sera donc class en spam. Dans le deuxime message, le mot gagner apparat
trois fois, mais il est ici employ au sens de
gagner une partie plutt que gagner
de largent. Cette utilisation alternative du
mot gagner est prise en compte (par le
nud situ en dessous droite du nud
racine), et le message sera bien class en
REGULIER par larbre de la figure1.
Bien videmment, larbre et les messages
considrs ici ne sont quune illustration trs
simplifie du problme gnral. Les arbres
de classification utiliss en pratique sont
souvent plus grands (en termes de nombre
de nuds) et les questions associes
chaque nud portent sur les frquences
dapparition de dizaines de mots diffrents.

Evaluer les diffrents arbres


Reste la question du choix de larbre de classification. Comment choisit-on le nombre
de questions poser? Ou sur quels mots
doivent porter les diffrentes questions?
Ces choix peuvent soprer de la manire
suivante: chacun peut proposer larbre de
classification qui lui semble plus pertinent,
puis tous ces arbres sont valus sur un
chantillon test. Un chantillon test est
une collection de messages dont la nature
est connue parce quils ont dj t lus et
classs en spam/rgulier par un individu.

La dtection de spams: un jeu denfant? 103

Chaque arbre de classification est tour


tour appliqu cet chantillon test, et pour
chaque message le classement par lalgorithme est compar au vrai classement. Un
arbre classant trop souvent un message
rgulier en spam ou linverse est disqualifi.
Parmi les arbres restants, on choisira celui
possdant le moins de nuds, cest--dire
celui parvenant prdire la nature du message en un minimum de questions. Larbre
gagnant est donc celui qui pose les questions les plus pertinentes pour dterminer
le plus rapidement possible la nature des
messages. On retrouve ici la stratgie du
jeu Qui est-ce?!

Amliorer le filtrage
La longvit des arbres de classification,
utiliss depuis maintenant 25 ans, ainsi que
la diversit des applications qui leur ont

104 Mathmatiques, lexplosion continue

t trouves (dans les domaines de la biologie, de lcologie ou de la mdecine par


exemple, voir encadr) ne sexpliquent pas
uniquement par le fait que les performances
obtenues en pratique par cet algorithme
sont satisfaisantes. En effet, du point de
vue mathmatique, lalgorithme pose bien
des questions: peut-on lutiliser pour tout
problme de classification, ou existe-t-il
des problmes o lalgorithme se rvlerait inefficace? Peut-on dmontrer que les
arbres de classification sont meilleurs (en
termes de performance de classement) que
dautres algorithmes couramment utiliss?
Gagnerait-on utiliser plusieurs arbres de
classification plutt quun, comme lorsque
lon convoque un panel dexperts plutt
quun seul? De nombreux articles ont t
consacrs ces questions, et plus gnralement dterminer les proprits des arbres
de classification, et ont permis de justifier
thoriquement leur utilisation. Mais ces
recherches mathmatiques sur les arbres
de classification, loin de ne servir qu valider la mthode initiale, ont aussi permis aux
chercheurs de suggrer des pistes pour
faire voluer lalgorithme et en amliorer
les performances. Ainsi, lapplication des
arbres de classification au filtrage de spams
sest considrablement raffine au fil des
ans. Dun unique arbre de classification, on
est pass une fort (mthode des random
forests, cf. encadr), et les arbres sont devenus dynamiques: au fur et mesure que le
propritaire de la messagerie reoit des
messages, chaque arbre continue de collecter les informations sur les frquences de
mots pour amliorer ses performances de
classification. Les arbres de classification,
et plus gnralement lensemble des algo-

rithmes de classification constituent donc


un sujet de recherche trs actif, auquel
de nombreuses confrences mathmatiques internationales et prestigieuses sont
ddies.

Au fur et mesure que le propritaire de la messagerie reoit


des messages, chaque arbre
continue de collecter les informations sur les frquences de
mots pour amliorer ses performances de classification.

Du cot des metteurs de spams, on nest


pas en reste, et les spams sont aujourdhui
rdigs de manire contourner les filtrages. Les mots susceptibles de trahir la
nature du message sont soigneusement
vits, ou volontairement mal orthographis pour rendre leur identification par
lalgorithme de classification plus difficile.
La course entre spammeurs et filtreurs ne
fait donc que commencer, et continuera
lavenir de poser aux futurs mathmaticiens
des problmes passionnants et critiques
pour le dveloppement informatique et conomique de nos socits!

La mthode des random forests


Par Robin Genuer, matre de confrences
lUniversit Bordeaux Segalen
La mthode des random forests (forts
alatoires) peut savrer trs utile dans
des applications en mdecine. Par
exemple, lorsquon tudie les facteurs
responsables dune maladie et quon dispose dinformation propos des gnes
de sujets atteints ou non de cette maladie. Le but est alors de rechercher quels
sont les gnes qui permettent de distinguer au mieux les sujets malades des
sujets sains.
Cependant, la plupart du temps, nous disposons dinformations sur des dizaines
de milliers de gnes, et donc dautant de
questions potentielles pour dcouper un

nud de larbre. Il est alors trs difficile


de proposer un bon arbre en un coup
(faire une partie de Qui est-ce? avec
10
000 questions possibles semble en
effet assez ardu!).
Lide des random forests est de
construire une collection darbres o pour
chaque arbre on se restreint un petit
paquet de questions. Aprs avoir mis en
commun tous ces arbres, on peut valuer
le classement donn par la fort (sur un
chantillon test).
De nombreuses tudes montrent quune
fort semble mieux se comporter quun
seul arbre pour ce type de problme
(mme si les raisons de ce phnomne
restent encore assez mconnues).

La dtection de spams: un jeu denfant? 105

Pour aller plus loin


Breiman L., Friedman J., Olshen R.,
Stone C., (1984) Classification And Regression Trees, Chapman & Hall.

European Network and information Security Agency (ENISA), Spam Survey,


16 dcembre 2009

(http://

Surhone L.M., Tennoe M.T., Henssonow


S.F., (2010) Random Forest, Verlag.

Article Spam de Wikipdia,


fr.wikipedia.org/wiki/Spam).

106 Mathmatiques, lexplosion continue

Lart de couper
les ttes sans faire mal
Erwan Le Pennec, charg de recherche Inria lUniversit Paris-Sud

Le principe du scanner implique de savoir retrouver un objet partir dune


collection de radiographies de cet objet. Il sagit de ce que lon appelle, en
mathmatiques, un problme inverse. Sa rsolution savre difficile et constitue toujours une source de questions pour les mathmaticiens.

Il parat difficile de couper une tte pour


en voir lintrieur sans faire mal son propritaire. Cest pourtant ce que les quipes
mdicales peuvent raliser laide des
scanners, ou tomodensitomtres en franais. Cet outil de diagnostic des dommages
internes est disponible depuis les travaux
de Godfrey Hounsfield et Allan McLeod
Cormack, deux physiciens qui ont partag le
prix Nobel en 1979 pour cette invention. Le
scanner naurait pu exister sans le mariage
de la physique, des mathmatiques et de
linformatique.

Lart de couper les ttes sans faire mal 107

Problme direct,
problme inverse
A linverse de la radiographie classique
rayons X, limage dun scanner nest pas
obtenue directement par une mesure physique mais est cre par un ordinateur
laide dalgorithmes mathmatiques partir dune collection de radiographies de la
tte du patient prise sous des angles diffrents. Pour raliser une telle prouesse, il
faut savoir rsoudre deux problmes: comprendre comment cette collection de radiographies dpend de lintrieur de la tte
du patient, on parle de problme direct, et
comprendre comment remonter de la collection de radiographies ce qui se passe
lintrieur de la tte, on parle alors de problme inverse.
Le problme direct est ici le mme que celui
de la radiographie rayons X. Son principe
a t dcouvert par Wilhelm Conrad Roentgen en 1895 et a immdiatement t utilis
pour diagnostiquer des blessures internes.
Il a t largement tudi dun point de vue
physique: on sait ainsi que la radiographie
obtenue dpend essentiellement de la
quantit de matire absorbante rencontre
par le rayonnement X entre la source et le
capteur. Cest pour cela que les os, plus
absorbants que les tissus, sont les structures naturelles les plus visibles. En prenant
en compte les caractristiques physiques
des instruments de radiographie utiliss,
on sait alors prvoir mathmatiquement de
manire trs fine la radiographie dun objet
suppos entirement connu. Il en est donc
de mme pour la collection de radiographies
obtenue par le scanner.

108 Mathmatiques, lexplosion continue

Bien que trs prcise, cette modlisation


nest pas parfaite: la radiographie mesure
sera lgrement diffrente de la radiographie prdite du fait de simplifications physiques, de limprcision des diffrents capteurs et dautres alas.

Retrouver lobjet partir


des radiographies
Retrouver lobjet partir de la collection de
radiographies, le problme inverse, savre
tre un problme beaucoup plus difficile. Il
faut russir inverser la procdure dacquisition du scanner par un principe implmentable dans un ordinateur. De plus, il faut que
de petites imprcisions sur le modle ninduisent pas de grandes erreurs sur le rsultat. Cest la mise en uvre dune solution
ce problme qui a permis lexistence de la
premire gnration de scanners la fin des
annes 60. Depuis lors, les volutions technologiques des sources de rayons X, des
capteurs ainsi que des autres mcanismes
instrumentaux ont permis une amlioration
de la qualit des images obtenues. Celle-ci
aurait t bien moindre sans le travail des
mathmaticiens et le dveloppement de
nouveaux algorithmes dinversion.

Un principe simple, souvent appel principe du rasoir dOckham, est la source


de la plupart des mthodes modernes
pour rsoudre ce problme. Guillaume
dOckham, un moine philosophe franciscain du xive sicle, expliquait que les

Pour appliquer ce principe de bon sens, il


faut bien sr donner une dfinition prcise
(et mathmatique) de la cohrence et
de la complexit , ainsi que proposer
une manire dobtenir une solution la fois
cohrente et peu complexe.

multiples ne doivent pas tre utiliss sans


ncessit. Dans son incarnation moderne,
le rasoir dOckham est un principe de parcimonie: une bonne solution est une solution cohrente avec les donnes observes
tout en ntant pas inutilement complexe.

Une bonne solution est une solution cohrente avec les donnes
observes tout en ntant pas
inutilement complexe.

+ Bruit

Dirence

Non observ

Incohrence
avec
les mesures

Complexit
de la solution
Meilleur compromis

Figure1. Compltement gauche se trouve une image test appele fantme de Logan-Shepp,
souvent utilise pour valuer les mthodes; limage immdiatement sa droite correspond
aux mesures dun scanner parfait (cette image bidimensionnelle est obtenue en juxtaposant
les tranches correspondant diffrents plans de coupe). Limage suivante correspond
des mesures lgrement perturbes; enfin on a reprsent au dessous trois quilibres diffrents entre lincohrence (limage de la colonne de gauche est dautant plus blanche que
lincohrence avec les mesures est grande) et la complexit (limage de la colonne de droite
correspond des solutions de complexit croissante du haut vers le bas).

Lart de couper les ttes sans faire mal 109

Aucune des mthodes de rsolution du


problme inverse ne faisant lunanimit, les
mathmaticiens, ainsi que les fabricants de
scanners, continuent dexplorer les possibilits. Lune dentre elles, sur laquelle a travaill lauteur de cet article, est illustre par
la figure1.
On observe que la meilleure solution
semble bien tre celle qui ralise le meilleur
compromis entre cohrence et complexit.

IRM, imagerie sismique


et autres problmes similaires
De nombreux problmes similaires existent
en imagerie, on peut citer par exemple:

lIRM (Imagerie en Rsonance Magntique), o lon cherche dterminer les
structures lintrieur dun corps en
mesurant leurs influences sur des champs
magntiques,

110 Mathmatiques, lexplosion continue

la dconvolution optique, o lon cherche


enlever le flou d la lentille dans une
photographie,

limagerie sismique, o lon cherche
dterminer les structures souterraines
partir denregistrements de propagations
dondes.
Dans chacun deux, on retrouve un problme direct, ltude de la formation des
mesures partir dun objet, et un problme
inverse, dans lequel on cherche revenir
des mesures lobjet. Pour chacun deux,
le principe du rasoir dOckham a prouv son
efficacit pour obtenir des rsultats thoriques et pratiques. Les questions autour
de ces problmes inverses sont cependant
loin dtre closes: de nouveaux dispositifs
dacquisition sont rgulirement introduits,
de nouveaux moyens de calcul toujours
plus puissants permettent denvisager
des mthodes de plus en plus complexes,
des nouveaux outils mathmatiques permettent galement dexplorer de nouvelles
voies

Pour aller plus loin


La modlisation la plus commune du problme voqu dans cet article est lobservation dun objet O travers sa collection
de radiographies R obtenue par lapplication dune fonction F venant du modle
direct auquel est ajoute une perturbation
B inconnue. On observe ainsi

pour un objet O: cette fonction est petite


lorsque lobjet O est cohrent avec les
observations et grande lorsquil est incohrent.
De mme, il dfinit une mesure de complexit C (O ) grande quand lobjet est
complexe et petite quand lobjet simple.

R = F (O ) + B
et lon souhaite retrouver au mieux O
partir de la collection de radiographies R.
Une ide naturelle pour un mathmaticien est de dterminer linverse F-1 de
la fonction F et de lappliquer R pour
retrouver O. Malheureusement, on vrifie
que lobjet ainsi obtenu
F-1( R ) = F-1(F(O )+B ))
peut tre trs diffrent de O mme si B
est petit. On dit que linversion est instable.
Pour appliquer le principe dOckham, il
faut dfinir le critre de cohrence ainsi
que de complexit.
Le mathmaticien dfinit ainsi une fonction dincohrence F ( R,O ) qui quantifie

Il peut alors interprter le principe


dOckham comme la recherche dun
objet O ralisant le meilleur compromis
entre ces deux quantits, un objet pour
lequel la somme

F ( R,O ) + C (O )
est la plus petite possible.
Les expriences numriques de la figure
ont t obtenues en choisissant pour
critre de cohrence essentiellement la
distance usuelle entre limage de lobjet
F(O ) et R, et pour critre de complexit,
la parcimonie, le nombre de coordonnes
non nulles, dans une reprsentation adapte. Ce choix permet dobtenir des garanties thoriques sur la reconstruction ainsi
quun algorithme efficace de dtermination du meilleur compromis.

la diffrence entre la radiographie observe R et celle prvue par le modle direct

Lart de couper les ttes sans faire mal 111

Climatologie
et statistiques
Pascal Yiou, directeur de recherche au CEA
Philippe Naveau, charg de recherche CNRS lInstitut Pierre Simon Laplace

Ltude du climat et de ses variations est base sur un grand nombre doutils
et concepts statistiques. Ceci se reflte dans le langage employ par les diffrents rapports du GIEC (Groupe International dExperts sur le Climat), qui
mettent largement laccent sur les incertitudes et leur quantification.

Lestimation du changement climatique


au cours des derniers sicles, et la mise
en perspective du comportement des dernires dcennies dans ce contexte pluri-millnaire, constituent un des grands dfis
scientifiques actuels. Quand on regarde
des courbes de tempratures moyennes
dobservations, sur le globe ou sur chaque
hmisphre (ou sur des sous-rgions), on
constate une augmentation gnrale au
cours du xxe sicle, avec une acclration
partir des annes 1970. Un grand nombre
darguments physiques et thermodynamiques, ainsi que des mesures, montrent
que cette augmentation est lie lactivit
humaine, responsable du rejet de gaz effet
de serre dans latmosphre.

Climat vs. mto


La premire manifestation des statistiques
en climatologie se situe dans la dfinition elle-mme du climat, et la diffrence
entre mtorologie et climatologie. Pour
reprendre un aphorisme clbre, attribu
E.N. Lorenz, le mtorologue lorigine de
lexpression effet papillon et de ltude
du chaos en sciences atmosphriques
:
climate is what you expect, meteorology
is what you get, soit le climat est ce qui
arrive en gnral, la mtorologie est ce qui
arrive vraiment. Climatologie et mtorologie utilisent et dcrivent les mmes variables
physiques (temprature, pression, vitesse
de vent, prcipitations), mais les mtorologues sintressent ltat des variables
un endroit donn et un instant donn,

Climatologie et statistiques 113

alors que les climatologues regardent des


grandeurs moyennes, sur une saison ou une
rgion. Ces grandeurs moyennes peuvent
tre les variables physiques habituelles (par
exemple, la temprature moyenne en hiver
sur lle-de-France), ou des grandeurs plus
sophistiques, comme la variance de la
vitesse du vent ou lensoleillement moyen
sur une rgion. En gnral, les variables
climatiques sont dfinies sur des priodes
de 30 ans (par exemple entre 1961 et 1990)
pour des raisons heuristiques lies linfrence statistique des grandeurs moyennes.
Cest pour cette raison quil nest pas raisonnable de comparer des tendances de temprature sur une dcennie ou moins, avec
des tendances estimes sur lensemble du
xx e

sicle.

La premire manifestation des


statistiques en climatologie se
situe dans la dfinition ellemme du climat.

Lvolution des tempratures


moyennes
Une question scientifique lgitime est de
savoir si les valeurs de temprature observes maintenant ont pu tre vcues au
cours du dernier millnaire, alors que la
configuration des continents et celle de la
position de la Terre autour du soleil taient
assez semblables. Pour accomplir cette
tche, alors quil ny a pas denregistrements thermomtriques avant le xviie sicle,
on utilise des indicateurs climatiques base
de cernes darbres, de sdiments lacustres
ou marins, de carottes de glace, ou encore
des tmoignages crits (comme les dates
de vendanges). La combinaison de ces
enregistrements indirects se fait par des
techniques statistiques multi-varies parfois
sophistiques (par exemple des techniques
dondelettes, des modles baysiens hirarchiques, des composantes principales) qui
permettent de reconstituer un signal interprt comme une variation de temprature
au cours des derniers sicles. Le rsultat le
plus frappant de ces tudes, ralises par
une quinzaine dquipes de recherche dans
le monde, est la robustesse de la forme des
variations de tempratures. Cette forme est
dite en crosse de hockey : on observe
une lgre dcroissance de la temprature
entre lan Mil et 1900, puis une augmentation rapide au cours du xxe sicle (figure1).
Cette crosse de hockey est un peu tordue,
avec un optimum mdival climatique
chaud (entre 1000 et 1400) et un petit ge
de glace froid (entre 1500 et 1800). Lutilisation de mthodes statistiques permet dobtenir des intervalles de confiance pertinents
pour rpondre la question: Quelle est la

114 Mathmatiques, lexplosion continue

Annes

Figure1. Recouvrement des reconstructions de tempratures de lhmisphre nord depuis lan


800. Les tempratures sont exprimes en diffrence par rapport la moyenne de 1961 1990
(train pointill). Les niveaux de gris indiquent les probabilits (en%) que les reconstructions de
temprature pour chaque anne se trouvent dans une gamme de temprature. La courbe en
trait plein indique la moyenne des observations de temprature sur lhmisphre nord (adapt
du rapport de lIPCC 2007).

probabilit pour que la temprature actuelle


fasse partie de la gamme de tempratures
reconstruites depuis lan Mil? La rponse:
une probabilit excessivement faible, quelle
que soit lapproche statistique utilise dans
la reconstruction! Autrement dit, il ny a
aucune chance que les changements climatiques actuels rsultent dune volution
normale du climat.

Quelle est la probabilit pour


que la temprature actuelle
fasse partie de la gamme de tempratures reconstruites depuis
lan Mil?

Climatologie et statistiques 115

Variations autour de ltat


moyen
Le corollaire de ltude de lvolution des
tempratures moyennes est celle des
variations autour de ltat moyen: peut-on
dire quon observe de plus en plus dvnements extrmes (comme des canicules,
prcipitations intenses, etc.) vers la fin du
xx e sicle?
Pour rpondre cette question, les climatologues peuvent utiliser des modles statistiques construits pour la circonstance. Cette
approche ncessite la disponibilit dobservations climatiques de qualit et de dure
suffisante.

Si on sintresse aux vagues de chaleur, de


froid ou aux prcipitations intenses, le cadre
statistique qui simpose est celui de la Thorie des Valeurs Extrmes, dveloppe par
Emile Gumbel, dans les annes 1940. Pour
une variable alatoire continue X, lobjet de
cette thorie est de dcrire la rpartition
des grandes valeurs. Lenjeu principal est de
dcrire les extrmes dune loi que lon ne
connat pas a priori (ce qui est le cas de la
plupart des variables que lon mesure).

Thorie des valeurs extremes

Figure 2. Densit de probabilit des lois de Frchet (--), Weibull (-) et Gumbel (..).

Maximum de n
variables alatoires

n tend vers linfini

116 Mathmatiques, lexplosion continue

Loi de Frchet,
Weibull ou Gumbel

Des mathmaticiens des


annes 70 ont rsolu
cette question en nonant que si la loi du maximum de X converge vers
une loi, alors cette loi est
une des trois lois dexM-R. Frchet
trmes
: les lois de
Gumbel, Weibull et Frchet (qui diffrent
essentiellement par la manire dont leur
densit se comporte pour les trs grandes
valeurs). Pour en revenir au climat, on sintresse au type de loi de probabilit que
suivent les tempratures maximales
chaque saison. Dans la plupart des rgions,
les lois du maximum de temprature
suivent des lois de Weibull, cest--dire que
la loi du maximum dcrot vers 0 plus vite
quune loi exponentielle (ou une gaussienne). En revanche, les lois du maximum
de prcipitation suivent des lois de Gumbel
ou de Frchet: les valeurs peuvent tre trs
grandes de manire relativement frquente.

Les manires dont les proprits de ces lois dextrmes voluent dans le
temps sont des sujets de
recherche trs actifs dans
le domaine de la climatologie statistique. Une estimation de ces extrmes,
W. Weibull
et des incertitudes associes, est indispensable pour faire des prvisions climatiques dont se servent des secteurs conomiques aussi varis que
lnergie, lagriculture, lassurance et les
transports.

Pour aller plus loin


Jeandel C., Mossry R., (d.) (2011). Le Climat Dcouvert: Outils et mthodes en
recherche climatique, CNRS ditions,
Paris.

Le dernier rapport spcial


du GIEC sur les extrmes
montre que le nombre de
vagues de chaleur en
Europe a cr au xxesicle.
Cest aussi le cas des prcipitations intenses dans
E-J. Gumbel
le sud de lEurope, mme
si cette rgion connat
galement une augmentation du nombre de
jours sans pluie.

Climatologie et statistiques 117

Chercher sur le Web:

juste un point fixe


et quelques algorithmes
Serge Abiteboul, directeur de recherche Inria lcole Normale Suprieure
de Cachan

Le Web met notre disposition une masse considrable dinformation, plusieurs dizaines de milliards de documents. Sans les moteurs de recherche,
ces systmes de plus en plus sophistiqus qui nous aident nous focaliser
sur un petit nombre de pages, le Web ne serait quune poubelle ciel ouvert,
gigantesque et inutilisable. Le rle de ces systmes est de faire surgir de la
masse des internautes une intelligence collective pour valuer, classer, filtrer
les informations. Comment les moteurs de recherche grent-ils ces volumes
dinformation vritablement phnomnaux? Comment aident-ils les utilisateurs trouver ce quils cherchent dans cette masse? Retour sur un des plus
beaux succs du Web.

Ce Web introduit par Tim Berners-Lee vers


1990 auquel nous nous sommes si rapidement habitus est fait de documents hypermdia. Linformation est en langue naturelle
(voir lencadr Les langues du Web), non
pas en langage informatique, et les textes
sont vaguement structurs avec les balises
HTML pour, par exemple, des titres ou des
numrations. Des ancres sur lesquelles il
peut cliquer permettent linternaute de
dcouvrir des images, de la musique, des
films. Elles lui permettent aussi de passer

de page en page au gr de son humeur. Et


pour trouver de linformation dans ce bazar,
quoi de plus simple? Il suffit dutiliser cette
petite merveille technologique quest un
moteur de recherche du Web. Linternaute
choisit quelques mots cls. Le moteur
sait retrouver en un instant les pages qui
hbergent ces mots. La magie, cest quil
sait aussi proposer parmi les dizaines voire
centaines de millions de pages possibles,
les quelques pages qui contiennent si souvent ce que linternaute recherche.

Chercher sur le Web: juste un point fixe et quelques algorithmes 119

Les langues du Web


En 2012, langlais reprsente environ 45% des pages du Web, lallemand 7%, le franais est la troisime langue avec 5%; 90% des langues du monde ne sont pas reprsentes sur Internet.

Un index du Web
Tout dbute par un index. Il sagit dune
liste ordonne dans le style dun index
en fin de livre, qui associe chaque mot
la liste des pages du Web qui contiennent
ce mot. Par exemple, une entre dans cet
index serait:
Casablanca http://www.imdb.com/title/
tt0034583/

2. Si le nombre dutilisateurs crot, le serveur reoit de plus en plus de requtes.


Dans les deux cas, le serveur est vite submerg. Pour rsoudre ce problme nous
allons utiliser une technique fondamentale
de linformatique, la technique du hachage.
Lchelle du Web ncessite de parallliser
cette technique.

qui indique que le mot Casablanca


est prsent dans cette page Web du site
imdb, une base de donnes en ligne sur le
cinma. Si vous donnez lindex plusieurs
mots comme Casablanca Bogart Bergman , il retournera la liste des pages du
Web qui contiennent lun de ces trois mots,
et notamment la page prcdente. La difficult essentielle ici est la taille de cet index,
qui reprsente des traoctets de donnes
(un traoctet =mille milliards doctets =un
million de mga-octets) pour quelques milliards de pages Web. Le serveur qui gre
un tel index va connatre des problmes de
passage lchelle:
1. Pour indexer plus de pages, le serveur a
besoin de plus en plus de stockage pour
garder lindex, et chaque requte devient
de plus en plus coteuse valuer.

120 Mathmatiques, lexplosion continue

Pour rpartir lindex sur, disons, K = 10


machines M1, M10 nous allons utiliser une
fonction alatoire H qui transforme un mot
en un entier entre 1 et 10. (Cette fonction est
appele fonction de hachage.) La machine

numro H(w) sera celle charge du mot w.


Par exemple, les donnes du mot France
sont stockes sur la machine H(France),
disons M7. Si H est bien alatoire, les donnes seront donc partages relativement
quitablement entre les dix machines, ce
qui rsout le premier problme. Supposons
que quelquun veuille les donnes correspondant France, il interroge seulement la
machine M7. Les requtes aussi sont donc
partages relativement quitablement entre
les dix machines, ce qui rsout le second
problme.
La taille des donnes ou le nombre dutilisateurs peuvent crotre, il suffit alors dadapter le systme en augmentant le nombre de
machines. Le paralllisme nous a tirs daffaire et nous permet de passer lchelle

suprieure. Par exemple Google utilise des


milliers de machines dans des fermes et
disperse ses dizaines de fermes aux quatre
coins du monde.
Pourquoi est-ce que cela marche? Grce au
paralllisme. De manire gnrale, peut-on
prendre nimporte quel algorithme et lacclrer volont en utilisant plus de machines?
La rponse est non! La recherche a montr
que tous les problmes ne sont pas aussi
paralllisables, ou bien pas paralllisables
de manire aussi simple. Mais il se trouve
que la gestion dindex est un problme trs
simple, trs paralllisable: nous pouvons
sans frmir envisager dindexer de plus en
plus de pages, des dizaines de milliards ou
plus.

0.091

0.065

0.095

0.234

0.050

0.149

0.142

0.019

0.058
0.097

Figure1. Pagerank: calcul de la popularit des images du web. Chaque cercle reprsente une
image, les flches et leur paisseur reprsentent le nombre de liens dune page vers lautre.
Les nombres dans chaque cercle, et la couleur, indiquent la popularit.

Chercher sur le Web: juste un point fixe et quelques algorithmes 121

PageRank
Le cur du problme reste maintenant
de choisir, parmi les millions de pages qui
contiennent les mots dune requte, lesquelles sont les plus intressantes. Cest
essentiel car un utilisateur ira rarement
au-del des dix ou vingt premiers rsultats
affichs.
Au dpart, les moteurs de recherche comme
AltaVista utilisaient pour classer les pages
uniquement des techniques statistiques
de recherche dinformation. Une page tait
juge plus intressante si le terme apparaissait dans un titre, ou en caractre gras.
Plus un terme est rpt dans le document
plus il pse. Et galement, plus le terme
est rare dans lensemble des documents,
plus il pse lorsquil apparat. Ce genre de
techniques qui marchent bien sur de petits
corpus savraient assez dcevantes pour le
Web.

liens sortant de la page. Si la page na pas


de lien sortant, il choisit alatoirement une
page nimporte o sur le Web. Et il continue
encore et encore, pour toujours, un temps
infini. Quel est linfini sa probabilit de
se trouver sur une page prcise? Cest ce
que nous dfinirons comme la popularit
de cette page (cf. figure 1). sur un microWeb. A priori, une dfinition abstraite, un
joli concept de mathmatiques totalement
inutile? Et pourtant! En pratique cette popularit correspond assez bien la popularit de la page et ce que les internautes
attendent le plus souvent.

Les jeunes crateurs de Google ont eu lide


de baser galement le choix des pages sur
une technique connue en mathmatiques,
la marche alatoire. Cest cette ide inspire
de travaux de Jon Kleinberg qui est lorigine du succs de Google, un des succs
industriels les plus tonnants de lhistoire
de lhumanit.

La marche alatoire

Le point fixe

Imaginez un surfeur du Web. Il part dune


page du Web, disons la page www.inria.fr.
Et puis il se balade sur le Web en choisissant chaque tape de cliquer sur un des

Reste calculer cette popularit. Pour cela,


il faut crire une quation dont la popularit
sera la solution, quation qui code le comportement du surfeur alatoire. Au cours

122 Mathmatiques, lexplosion continue

des actions du surfeur, chaque page va


transfrer sa popularit vers les pages vers
lesquelles elle pointe (si une page est un culde-sac qui ne conduit nulle part, elle partage
sa popularit entre toutes les autres pages).
En ignorant quelques dtails, cela nous
conduit une matrice Q qui capture ces
changes de popularit. Le vecteur des
popularits pop (la liste de toutes les popularits pop[i] pour chaque page i ) se trouve
tre la solution de lquation de point fixe:

pop = Q pop,
une notation bien compacte pour un systme de dix milliards dquations dix
milliards dinconnues (une inconnue pour
chaque page Web)
Et l, banco! Une technique connue va nous
permettre de calculer cette solution. Partons du vecteur pop0 dfini par

pop0[i] = 1/N,
cest--dire quau dpart toutes les pages sont
supposes aussi importantes. Et dfinissons:

pop1 = Q pop0; pop2 = Q pop1;


pop3 = Q pop2
En continuant ainsi, on arrive assez rapidement un point fixe qui se trouve tre la
solution de notre quation. On a donc calcul le vecteur de popularit! (En pratique
six ou sept itrations suffisent pour arriver
une convergence suffisante.)
Pour raliser ce calcul efficacement avec
des volumes de donnes pareils, il faut des

algorithmes trs sophistiqus, un engineering de fou. Ce nest peut-tre plus des


mathmatiques mais cest de linformatique
de toute beaut. Jai pu crawler le Web et
implmenter un tel algorithme de PageRank
avec des tudiants. Cela a t une de mes
plus fantastiques expriences de chercheur.

Des recherches poursuivre


Nous avons prsent une version hyper
simplifie dun moteur de recherche. Par
exemple, celui de Google considre que les
textes qui apparaissent prs dun pointeur
vers une page font partie du contenu informatif de cette page. Cest le point exploit
par le bombing (cf. encadr Trouver
Chuck Norris). Les moteurs de recherche
doivent se sophistiquer sans cesse, ne
serait-ce que pour contrer les attaques
des bombeurs qui cherchent manipuler
le Web ou des spamdexeurs qui trichent
pour tre mieux reprsents. Le PageRank
de Google actuel utiliserait des dizaines de
critres combins dans une formule garde
secrte. Mais ces moteurs posent encore
des problmes essentiels. Pour nen citer
que quelques-uns:
Une mesure comme PageRank privilgie
la popularit et donc a pour effet dencourager luniformit, les pages populaires
devenant de plus en plus populaires et les
autres sombrant dans lanonymat. Est-ce
vraiment souhaitable?
Pour interroger les moteurs du Web, nous
utilisons une srie de mots-cls, une
langue primitive quasiment sans gram-

Chercher sur le Web: juste un point fixe et quelques algorithmes 123

maire. Ne pourrions-nous pas faire beaucoup mieux?


Faut-t-il exclure des pages, parce quelles
sont racistes, vulgaires, fausses, ou pour
favoriser un client, ou ne pas dplaire un
gouvernement?

Il y a quelque chose dextrmement
embarrassant dans la puissance considrable que les moteurs de recherche ont de
par leur contrle de linformation. Devonsnous leur faire confiance sans comprendre
leur classement? Et pourquoi ce secret?

Pour grer les volumes dinformation du


Web, de nouvelles techniques utilisant plus
fond le paralllisme sont sans cesse proposes. De nombreuses techniques sophistiques sont tudies pour valuer, classer,
filtrer linformation. Nous pourrions citer par
exemple les techniques exploitant les systmes de notation (linternaute est invit
noter des services comme dans eBay), les
systmes de recommandation automatise (comme Netflix ou Meetic), les systmes qui valuent lexpertise dinternautes
(comme Mechanikal Turk). Le domaine est
extraordinairement actif.

Trouver Chuck Norris


lheure o ce texte est crit, si vous
tapez trouver Chuck Norris sur le
moteur de recherche de Google, le premier rsultat vous emmne une page
qui dit Google ne recherchera pas
Chuck Norris car il sait que personne ne
peut trouver Chuck Norris, cest lui qui

124 Mathmatiques, lexplosion continue

vous trouvera. Pour arriver cela, de


nombreux internautes ont cr des pages
Web qui pointent vers cette page avec
comme lgende: trouver Chuck Norris . Ils sont arrivs redfinir collectivement lexpression trouver Chuck
Norris.

Juste un point fixe


et quelques algorithmes
Je me trouvais dans le groupe de
recherche sur les systmes dinformation
Stanford en 1995 quand deux jeunes
tudiants, Sergei Brin et Larry Page, y
travaillaient sur le prototype du moteur
de recherche Google. Ils ont dvelopp
lalgorithmique ncessaire, mais leurs
propositions pouvaient passer pour
farfelues. Elles auraient t irralistes
quelques annes plus tt, quand les
tailles des mmoires et leur prix auraient
demand dutiliser un nombre improbable
de machines hyper coteuses. Dans les
annes 95, cela devenait possible avec

un nombre raisonnable de machines bon


march. Les utilisateurs allaient plbisciter leur moteur de recherche. Comme
base ce succs extraordinaire, nous
pourrions mentionner un engineering
exceptionnel pour faire fonctionner des
milliers de machines 24 heures sur 24,
des modles commerciaux rvolutionnaires, des techniques de management
originales fondes sur un culte de la
crativit. Mais en ce qui me concerne,
je prfre me rappeler quau dbut, il y
avait juste un point fixe et quelques algorithmes.

Pour aller plus loin


Brin S., Page L., (1998). The Anatomy of a
Large-Scale Hypertextual Web Search
Engine. WWW Conference.

Kleinberg J., (1999). Authoritative sources


in a hyperlinked environment. Journal of
the ACM.

Abiteboul S., Manolescu I., Rigaux P.,


Rousset M.-C., Senellart P., Web data
management, Cambridge University
Press. http://webdam.inria.fr/Jorge

Abiteboul S., Preda M., Cobena G., (2003).


Adaptive On-Line Page Importance Computation. WWW Conference.

Chercher sur le Web: juste un point fixe et quelques algorithmes 125

La brouette de Monge
ou le transport optimal
Yann Brenier, directeur de recherche CNRS lcole polytechnique

N dun problme concret comment dplacer au mieux un tas de sable le


transport optimal est un outil qui trouve des applications aussi bien lintrieur des mathmatiques (de la gomtrie lanalyse fonctionnelle) que dans
dautres domaines, comme la gestion de ressources, par exemple.

Ds le xviiie sicle, le mathmaticien franais


Gaspard Monge, dans son Mmoire sur la
thorie des dblais et des remblais, tudiait
un problme des plus concrets (dplacer au
mieux un tas de sable!) en lui appliquant
une mthode rigoureuse, optimale
dirions-nous aujourdhui. Ce problme est
lun des premiers exemples de recherche
oprationnelle, la branche des mathmatiques qui sintresse aux mthodes pour
traiter de manire efficace des problmes
combinatoires (voir lencadr La combinatoire) et qui est une thorie encore trs
vivace aujourdhui.
En quoi ce problme (quon pourrait appeler Brouette de Monge, le but tant de
dplacer du sable) est-il un problme com-

binatoire? Nous pouvons le lire de la faon


suivante. Nous avons un tas de sable, compos de petits lments (un lment tant
un grain ou une poigne). Nous avons aussi
un trou combler, dont on connat la forme
et dont le volume est suppos concider
avec celui du tas. On peut penser le trou
comme compos de petites cases, chacune pouvant contenir un lment de sable.
La question est: o envoyer chaque lment pour minimiser les chemins parcourus au total? On peut essayer de rpondre
partir dune description combinatoire du
problme, mais dans certains cas il peut
tre plus utile den donner une description
diffrente, base sur les formes du profil
du tas et du trou, considres comme des
fonctions. Et nous allons voir aussi que ce

La brouette de Monge ou le transport optimal 127

problme doptimisation peut tout fait tre


utilis pour parler dautres choses, et pas
seulement de sable dplacer.

Des applications diverses


La question du transport a t rexamine
dans les annes 1940 par Leonid Kantorovich
(un des quelques mathmaticiens laurats du
prix Nobel dconomie) propos dallocation
optimale des ressources. Dans son uvre,
il cherche rsoudre des problmes de ce
genre: comment utiliser les rares facteurs de
production (travail, capital) afin de raliser
une satisfaction maximale des besoins? Par
exemple, tant donnes des mines produisant du mtal et des usines le travaillant, on
peut essayer de dterminer quelle mine doit
approvisionner quelle usine pour minimiser
les dpenses dues au transport du matriel:
cette question est finalement la mme que
celle du tas de sable.
Bien dautres questions (files dattente, gestion de stock, etc.), que nous ne dtaillerons
pas ici, font partie de ce domaine. Il sagit
toujours de trouver comment passer de la
situation initiale la situation finale de la
meilleure manire possible, cest--dire par
le meilleur chemin dans lespace compliqu
de tous les choix possibles.

Dplacer un nuage de points


Le point cl de la thorie est probablement
le concept de godsique, mot qui dsigne
le plus court chemin entre deux points. Prenons deux points dans le plan: quel est le

128 Mathmatiques, lexplosion continue

meilleur chemin qui les relie? La rponse


est bien connue: cest la ligne droite. Et si
on se place sur une sphre? Ce sont les
arcs de cercle maximal: lquateur, les mridiens (mais pas les parallles); on le voit
dailleurs si lon pense la trajectoire dun
vol transatlantique.
Ce qui est vrai pour des points peut tre vrai
pour des nuages de points ou dautres
objets: les manipuler au mieux revient
trouver le meilleur chemin possible pour
amener ces objets tous ensemble de leur
tat initial ltat final dsir.
On va considrer tout dabord un exemple:
le cas dun nuage fini constitu de quatre
points dans le plan (voir la figure1).
On se donne la configuration du nuage
deux instants donns, et on cherche comment le transporter de faon optimale
entre les deux configurations. linstant de
dpart, le nuage est donc dfini par une liste
de quatre points A1, A2, A3, A4, et linstant
final par quatre autres points B1, B2, B 3, B4.

Un point cl comprendre est quon ne se


soucie aucunement de lindividualit des
particules et que leur numrotation est
arbitraire. Ainsi, il est possible de transporter, par exemple, A1 vers B1, A2 vers B 3, A3
vers B4 et A4 vers B2. (En revanche, on nest
pas autoris dplacer A1 et A2 vers B1 en
laissant B4 vacant, par exemple.) Il faudra
donc chercher une solution optimale parmi
tous les arrangements possibles.
Un arrangement correspond une manire
dassocier chaque point A un point B, de

manire ce que chaque point de dpart


soit connect un et un seul point larrive. Le nombre darrangements possibles
des N premiers entiers sappelle la factorielle de N et scrit N! Il vaut 24 pour N =4
(et plus de 20milliards pour N =15).
Lassociation correspondant notre
exemple (figure du milieu) scrit: (1) = 1,
(2) = 3, (3) = 4, (4) = 2, alors que lassociation optimale serait (1) = 4, (2) = 2,
(3) = 3, (4) = 1.
Trouver la solution optimale revient minimiser un cot, qui est choisi au cas par
cas daprs les applications envisags. Le
cot de Monge tait donn par la somme
de toutes les distances entre les points de
dpart et les points darrive correspondants. Dautres cots sont possibles. Par
exemple, on pourrait considrer la somme
des carrs de ces distances (cest le cot
quadratique).

Un problme doptimisation
combinatoire
Tel que nous lavons formul, notre problme de transport optimal appartient
une branche importante des mathmatiques
: loptimisation combinatoire. Dans
cette discipline, notre problme est considr comme facile . En effet, il existe
des algorithmes qui permettent de trouver

larrangement optimal en un nombre doprations proportionnel au cube du nombre de


points (cela veut dire que, sur un ordinateur
o les oprations seffectuent squentiellement, sans paralllisme, le temps de calcul
pour N points vaudra plus ou moins une
constante fois N3).
Rappelons que, comme le nombre darrangements est N!= N(N -1)xx3x2x1, il est

B3

A4

A4

A3
A1

B4

B3

B1

A1

B2

A2

solution non admissible

B4

B3

B1

A3

A4

A3

A1

B2

A2

B4

solution non optimale

B1

B2

A2

solution optimale

Figure1. Transport dun nuage de quatre points.

La brouette de Monge ou le transport optimal 129

On peut rver dun algorithme


dont le cot de calcul crotrait
peu prs proportionnellement
N. Les applications en seraient
spectaculaires.

donc dj remarquable de rendre le temps


de calcul cubique par rapport N (en effet,
si pour N =4 la factorielle vaut 24 et reste
modre, lorsque N est grand, elle augmente presque comme N N, bien plus vite
que N3 en tous cas, et devient rapidement
astronomique).
Cependant, mme si on a remarqu que
N3 est beaucoup plus petit que N!, en pratique, les algorithmes connus sont peu performants lorsque N devient grand (au del
du millier, disons). On peut rver dun algorithme dont le cot de calcul crotrait peu
prs proportionnellement N. Les applications en seraient spectaculaires. Mais pour
approcher ce rve, il faut changer de point
de vue, et considrer non plus un nombre
limit de points, mais des points en trs
grand nombre, voire une infinit de points.
On passe alors dun problme discret un
problme continu.

quelques points


beaucoup plus de points

Transport optimal dun nuage


continu
Comme souvent en mathmatiques et en
physique, la limite continue du problme
discret prcdemment discut permet de
mettre en jeu toute la force du calcul diffrentiel et intgral (en particulier, les sommes
que lon effectue dans le cas discret sont
remplaces par des intgrales dans le cas
continu).
Dornavant, notre nuage de points sera
dcrit, respectivement au dpart et larrive, par deux fonctions (deux densits
de probabilit) donnant, en tout point X de
lespace, la densit du nuage. On note (X)
la densit de dpart et (X) celle darrive.
Ce sont deux fonctions relles positives,
dont lintgrale sur tout lespace vaut 1 et
lintgrale sur chaque ensemble A vaut la
proportion de points du nuage se trouvant
dans A. Dans ce cadre continu, on cherche
donc dterminer le transport optimal qui
sera une fonction T envoyant les points de
dpart vers des points darrive.

( X )

densit de la limite continue


Figure 2. Cas dun nuage continu de
points

130 Mathmatiques, lexplosion continue

( X)

T ( x) T ( y)

Dans le cas continu, en considrant le cot


quadratique, cest--dire lintgrale du carr
de la distance entre le nuage de dpart et
celui darrive (au lieu de la somme des
carrs des distances entre les points de
dpart et les points darrive du cas discret), des rsultats thoriques obtenus dans
la seconde moiti des annes 1980 permettent de trouver la solution.
Pour les comprendre, il est utile de voir
ce qui se passe dans le cas de lespace
une seule dimension, cest--dire quand la
variable X et les densits et vivent sur
une droite. Dans ce cas, le rsultat nous dit
que le transport optimal T est le transport
monotone croissant, cest--dire celui qui
envoie le point le plus droite de la densit
sur le point le plus droite de , et qui
respecte lordre ( XY donne T(X)T(Y);
on peut dmontrer quil ny a quune seule
fonction T avec cette proprit qui respecte
les densits et ).
En dimension suprieure 1, un problme
se pose cependant
: quest-ce que cela
signifie, quune fonction de deux variables
est croissante ? A priori, cela na pas
vraiment de sens Pourtant, on peut utiliser une astuce: en dimension 1, T est
croissante si et seulement si cest la drive dune fonction convexe (cest--dire
dune fonction dont le graphe est courb
vers le haut, dont la pente augmente avec
labscisse, et qui est caractrise par le fait
que la drive de sa drive est positive).
La notion de fonction convexe a aussi un
sens en dimension suprieure, et le langage
qui a t choisi pour noncer le thorme

concernant le transport optimal en dimension suprieure est bien celui-ci.


Le rsultat des annes 80 voqu
auparavant fait bien intervenir une fonction
convexe (x,y), que lon appelle potentiel . Il nous dit que le transport optimal
T entre les deux fonctions de densit
et est gal au gradient de cette fonction
(x,y), not D(x,y), qui est le vecteur
dont les composantes sont, en chaque
point, la drive de par rapport x et sa
drive par rapport y.
Reste cependant trouver cette fonction potentiel qui nous permettra de
dfinir la trajectoire optimale de chacune
des particules. En exprimant le fait que T
envoie la densit sur , on obtient des
quations diffrentielles (faisant intervenir
des drives). En dimension 1 lquation
impose une galit sur la drive de T, donc
la drive seconde de . En dimension
suprieure, on obtient une formule exprimant la valeur du dterminant de la matrice
donne par les drives secondes de (par
rapport aux diffrentes variables), qui doit
tre gal au ratio entre les densits et .
Cette quation admet une solution unique
et permet donc de trouver le potentiel et,
ensuite, la fonction T.
Ainsi, paradoxalement, le fait davoir compliqu le problme (en passant du discret
au continu) nous a permis de le rsoudre.

La brouette de Monge ou le transport optimal 131

Une application inattendue:


modifier les images
Ce problme dessence mathmatique rencontre dj des applications bien concrtes,
comme le montre cet exemple tudi dans
les annes 2000 par lquipe de Jean-Michel Morel lcole Normale Suprieure de
Cachan.
On dispose de limage numrise dune
peinture dont les couleurs sont dfrachies.
Ces couleurs sont numriquement codes
selon les couleurs lmentaires bleue,
rouge et verte. chaque pixel est donc
associe une certaine proportion de bleu,
de rouge ou de vert. En balayant les N pixels
de limage numrique, on obtient un nuage
de N points dans lespace tridimensionnel
des couleurs. (Il sagit dun espace abstrait,

pas de notre espace physique.) Par ailleurs,


on a une ide de la palette de lauteur, obtenue en considrant ses autres uvres. Si
lon peut en faire une statistique raisonnable, on pourra ainsi dfinir un nuage de
rfrence , constitu de N points dans le
mme espace de couleurs. Une technique
de rehaussement des couleurs consiste
alors effectuer le transport optimal, dans
lespace des couleurs, du nuage de points
fourni par limage dfrachie vers le nuage
de points de rfrence. On dplacera alors
en consquence les valeurs des couleurs de
chaque pixel.
Notons que dans cet exemple, cest bien
grce la formulation continue que le problme a pu tre tudi, ceci indpendamment du fait que le calcul numrique est
effectu sur un nombre fini de points.

Jeunes filles au bord de la mer de P. Puvis de Chavanne.

132 Mathmatiques, lexplosion continue

Une autre application aux


mathmatiques elles-mmes!
Dans les annes 1990, le transport optimal
devient un outil de dmonstration puissant
et lgant pour dmontrer de nombreuses
ingalits de la gomtrie et de lanalyse
fonctionnelle.
Le cas le plus simple dcrire est la fameuse
ingalit isoprimtrique , solution du
problme de Didondj mentionn par Virgile, qui peut snoncer ainsi: de toutes les
courbes fermes de longueur donne, celle
qui entoure laire la plus grande est le cercle.
Si on veut sen tenir la lgende, Didon avait
obtenu du roi local des terres, mais autant
quil en pourrait tenir dans la peau dun
buf. Elle prit alors une peau, la fit dcouper en ficelles et fit une longue corde pour
contourner la plus grande surface possible,
en rsolvant donc un problme isoprimtrique et en fondant la ville de Carthage.

Or, si on prend une figure F dans le plan et


on la compare au cercle C de mme aire, en
considrant le transport optimal entre deux
densits uniformes sur F et sur C et en utilisant les proprits de , on peut dmontrer
que le primtre de F est forcment plus
grand que celui de C. De mme, dans lespace, le volume maximal entour par une
surface donne est ralis par la sphre.
Ces rsultats gomtriques taient bien
connus avant le transport optimal et cela
en donne juste une preuve alternative; une
mthode similaire est nanmoins utilise
pour raliser la dmonstration dingalits
non dmontres auparavant.

Mathmatiques pures et appliques se rpondent.


La voici donc boucle, cette boucle de deux
sicles. Une boucle o mathmatiques
pures et appliques se rpondent, o lin-

Figure3. droite: Whirlwind de F. Maliavin. gauche: le tableau de F. Maliavin repeint


avec les teintes de Puvis de Chavanne, par des mthodes de transport optimal. Daprs Delon-Salomon-Sobolevski, SIAM J. Appl. Math.

La brouette de Monge ou le transport optimal 133

formatique thorique permet de mieux


comprendre ce qui peut se calculer efficacement. Et surtout, o cest en changeant
de point de vue (ici, en passant dun problme discret un problme continu) quun
problme compliqu peut livrer une solution
inattendue.

Pour aller plus loin


Cet article est inspir de celui du mme
auteur paru dans Interstices.

La combinatoire
La combinatoire est le domaine des problmes mathmatiques o lon numre
et classifie les manires de relier ou
darranger un nombre fini, mais souvent
lev, dobjets. Par exemple:
Combien de plaques minralogiques diffrentes du type LL CCC LL peuvent tre
mises?

134 Mathmatiques, lexplosion continue

Et si lon veut que deux plaques diffrentes se distinguent par deux caractres
au moins?
Combien de couleurs sont ncessaires
au minimum pour colorier un planisphre
de manire ce que deux tats ayant une
frontire commune naient pas la mme
couleur?

Des statistiques pour dtecter


les altrations
chromosomiques
Emilie Lebarbier, matre de confrences
Stphane Robin, directeur de recherche INRA, AgroParisTech

Les altrations chromosomiques sont responsables de nombreuses maladies, parmi lesquelles certains cancers. La dtection de petites altrations,
essentielle pour le diagnostic du mdecin, fait appel un modle classique
en statistiques: la segmentation.

Dans chaque cellule du corps humain,


chaque chromosome est prsent en deux
exemplaires ou copies. Un cart cette
rgle (perte ou gain) entrane un dsquilibre pouvant tre lorigine de certaines
maladies. La perte correspond labsence
ou la prsence en une seule copie du chromosome et le gain la prsence de trois,
quatre copies, voire plus encore. Ce dsquilibre du nombre de copies est appel
altration chromosomique. La plus connue
est la trisomie, pour laquelle un chromosome est prsent en trois copies. Ainsi, le
syndrome de Dawn (aussi appel mongolisme) est d la prsence de trois copies
compltes du 21e chromosome. Il est possible de dtecter ce type daltrations
laide du traditionnel caryotype.

Dautres maladies sont lies des altrations qui ne touchent pas des chromosomes entiers mais seulement des portions de chromosomes. Certaines portions
sont perdues (absentes ou prsentes
en une seule copie) ou amplifies (prsentes en trois ou quatre copies, voire plus
encore). Cest notamment le cas dun grand
nombre de cancers. Les cellules du tissu
malade prsentent typiquement des pertes
de rgions contenant des gnes suppresseurs de tumeurs ou, au contraire, des
amplifications de rgions contenant des
oncognes qui favorisent le dveloppement tumoral.

Des statistiques pour dtecter les altrations chromosomiques 135

Quand elles sont trop petites, ces altrations peuvent malheureusement passer
inaperues dans ltude du caryotype. Leur
dtection est donc un enjeu essentiel de
la recherche mdicale afin didentifier les
gnes affects, dessayer de comprendre
leur implication dans le dveloppement de
la maladie et de concevoir ainsi des thrapies adaptes.

grce larrive de techniques de biologie


molculaire. Le principe consiste compter
le rapport du nombre de copies de diffrents gnes, dont la position (appele locus)
sur le gnome est connue, entre un individu
malade et un individu sain. Ce principe est
illustr sur un exemple trs simple en figure
1a, pour cinq locus.
Il existe deux altrations chez lindividu
malade (rouge) par rapport lindividu sain
(vert), qui possde toujours deux copies de
chaque gne: une portion perdue au locus 2
qui donne un rapport du nombre de copies
gale 1/2 et un gain au locus 4 qui donne
3/2. Si lon sintresse beaucoup plus de
locus (figure 1b), plusieurs locus successifs
peuvent avoir le mme statut biologique
normal, gain(s) ou perte(s) et forment ainsi
des rgions. En ralit, il nest pas possible
de calculer directement le vrai nombre de

La dtection des altrations chromosomiques est un


enjeu essentiel de la recherche
mdicale.

valuer le nombre de copies


dune portion de chromosome
Cest dans les annes 1990 que ltude de
ces petites altrations a t rendue possible

(a)

(b)

(c)

Figure1. (a) Rapports thoriques entre le nombre de copies dun individu malade et celui
dun individu sain (2 copies) suivant le numro du locus pour cinq locus fictifs. (b) Ces rapports
thoriques dcoups suivant des rgions, obtenus aprs travail statistique pour 93 locus rels.
(c) Rapports empiriques de copies mesurs exprimentalement suivant le locus pour ces
93 locus.

136 Mathmatiques, lexplosion continue

copies mais les expriences biologiques


vont permettre dobtenir ce nombre une
erreur prs (erreur de mesure, variabilit
naturelle), comme le montre la figure 1c. Le
rapport du nombre de copies ainsi obtenu
pour les diffrents locus ne sera donc pas
exactement gal lensemble de valeurs
thoriquement possibles 1/2, 1, 3/2, 2
ce qui rend alors impossible une analyse
manuelle.
Lobjectif statistique est de retrouver les
vraies valeurs partir des donnes que
lon a observes. En particulier, comme on
la vu prcdemment, il sagit de dtecter
et de localiser automatiquement les diffrentes rgions formes par plusieurs locus
successifs ou un seul. Une fois lanalyse
effectue, le mdecin pourra fonder son
diagnostic sur la figure 1b plutt que sur la
figure 1c.

Un modle mathmatique
Comme souvent en statistique, la rsolution
de ce problme passe par la dfinition dun
modle, cest--dire, dune traduction aussi
fidle que possible du processus biologique
en langage mathmatique (et suffisamment simple pour permettre une rsolution
mathmatique). Un modle classique en statistique ddi la dtection de rgions (ou
segments) est le modle de segmentation.
Il consiste supposer que la vraie valeur
du nombre de copies est la mme au sein
de chaque rgion, que cette valeur change
quand on change de rgion, et que la valeur
observe un locus donn est gale la
vraie valeur de la rgion auquel il appartient
plus un terme alatoire, lerreur. Lobjectif
statistique consiste alors rpondre trois
questions: Combien il y a de rgions? O
se trouvent-elles (cest--dire quelles sont
les limites entre les rgions)? Quelles sont
les vraies valeurs au sein de chaque rgion?
La troisime question se rsout simplement: de faon naturelle, la vraie valeur de
chaque rgion sera estime par la moyenne
des observations dans cette rgion. La
rsolution statistique des deux autres questions se droule en sens contraire. Pour un
nombre de rgions fix notons-le k - on
cherche le positionnement de ces rgions
le mieux ajust aux donnes. Cest un problme de nature algorithmique. Sa rsolution va nous fournir un algorithme qui nous
donnera la meilleure segmentation des
donnes pour k rgions.
Bien sr, en gnral, k nest pas connu.
Mme si lon dispose dinformation a priori

Des statistiques pour dtecter les altrations chromosomiques 137

sur les donnes, il est difficile de se le fixer


lavance. Il faut donc le dterminer, ou
plus exactement, choisir, encore une fois, le
meilleur possible. Connaissant la meilleure segmentation des donnes pour diffrents k, il sagira alors den prendre une

on prfrera la segmentation bleue la segmentation rouge. En effet, les donnes au


sein des rgions bleues (cest--dire
dlimits par la segmentation bleue) sont
moins disperses autour de leur vraie
valeur quau sein des rgions rouges.
La segmentation bleue sajuste donc mieux
aux donnes que la segmentation rouge. On
peut alors choisir ce critre dajustement,
classique en statistique, comme mesure de
qualit des segmentations. Reste essayer
toutes les segmentations possibles et
retenir la meilleure.

parmi toutes. Cette fois, le problme est


plutt de nature statistique.

Comment obtenir la meilleure


segmentation
Notons n le nombre de locus et fixons k
le nombre de rgions. Il existe bien sr plusieurs segmentations possibles des n locus
en k rgions et il sagit de trouver la meilleure. La figure 2a prsente deux exemples
de segmentations, une bleue et une rouge,
sur des donnes recueillies le long du chromosome 6 dun patient atteint dun cancer
de la vessie. Entre ces deux segmentations,

(a)

Un problme se pose alors


: celui du
nombre total de segmentations. On montre
facilement que, si on observe n locus et
quon cherche segmenter les donnes
en k rgions, il existe autant de segmentations possibles que de combinaisons de
(k 1) objets parmi (n 1), que lon note
C (n1, k1). Par exemple, pour n=1000

(b)

(c)

Figure2. (a) Deux segmentations en trois rgions. (b) Evolution de lajustement en fonction du
nombre de rgions. (c) Meilleures segmentations en trois et dix rgions.

138 Mathmatiques, lexplosion continue

locus et k=10 segments, il existe plus de


10138 segmentations possibles et mme les
ordinateurs les plus puissants ne peuvent
pas explorer lensemble de ces combinaisons. Une solution existe cependant en
reformulant lgrement le problme.

La meilleure segmentation pour


un nombre de rgions donn est
celle qui sajuste le mieux aux
donnes.
On dfinit le cot dune rgion comme
tant la dispersion des donnes autour de
la moyenne de cette rgion. On appelle
une bonne rgion celle qui a un faible
cot. Sachant quune segmentation est un
ensemble de k rgions de la forme [1; t1],

[t1+1; t2], [tk2+1; tk 1], [tk 1+1; n], la meilleure segmentation correspond alors au
chemin qui permet:
daller du point 1 au point n,
en faisant (k1) tapes des points t1,
t2, tk2, tk1 dterminer,
pour le plus faible cot total.
Un tel problme est un problme de plus
court chemin, que lon sait rsoudre avec
un algorithme qui ncessite k n2 oprations. Pour n = 1000 locus et k = 10 segments, il faut donc faire 107 oprations, ce
qui est bien moins que 10138. Sur la figure
2a, la segmentation bleue est la meilleure
de toutes les segmentations possibles en
trois rgions.

Des statistiques pour dtecter les altrations chromosomiques 139

Choisir le nombre de rgions


Une premire ide serait de se fonder sur
le cot des segmentations dfini plus haut.
Pour chaque nombre de rgions k possible
(k=1, 2), on dtermine la segmentation
de plus faible cot au moyen de lalgorithme
du plus court chemin et on retient le cot
de cette meilleure segmentation, note J(k).
On choisit ensuite le nombre de rgions k
qui, parmi toutes ces solutions, mne au
cot le plus faible. On peut montrer que ce
raisonnement conduit toujours choisir le
plus grand nombre de rgions possible. En
effet, le cot J(k), qui traduit lajustement de
la segmentation aux donnes, diminueavec
le nombre de rgions: plus il y a de rgions,
plus la segmentation rsultante sera proche
des donnes (voir figure 2c). La segmentation alors choisie est la segmentation o
chaque locus est une rgion lui tout seul
(lajustement est parfait). Mais ce choix na
aucun intrt puisquil revient rendre au
mdecin la figure 1c en guise de figure 1b.
Afin dobtenir un rsultat interprtable, on
prfre choisir une segmentation suffisamment bien ajuste aux donnes sans
tre trop complexe, cest--dire avec un
nombre raisonnable de rgions. La figure 2b
montre lvolution du cot J(k) en fonction
du nombre de rgions k et illustre bien cet
objectif. En effet, J(k) diminue fortement
pour les premires valeurs de k, signifiant
que lon gagne fortement en ajustement,
puis partir dun certain k, cette diminution
devient moins importante (augmenter k
namliore que marginalement lajustement
alors que le modle devient de plus en plus
complexe). La valeur de k correspondant

140 Mathmatiques, lexplosion continue

cette cassure devrait donc tre un bon


choix. Lide consiste donc rendre plus
coteuses les segmentations avec plus de
rgions. Dun point de vue mathmatique,
cela se traduit par lajout au cot J(k) dun
terme appel pnalit, qui devra reflter la
complexit de la segmentation et augmenter avec elle.
Il reste dfinir ce que lon entend par
complexit dune segmentation k segments. Pour dcrire une segmentation, il
faut dterminer les k valeurs des moyennes
mais aussi les limites tk entre les rgions. On
a vu que cette dernire recherche ncessitait lexploration dun trop grand nombre de
segmentations. Ainsi, une pnalit adapte
devra prendre en compte ces deux quantits, typiquement sous la forme

a k + b log[C (n1, k1)].


Il serait illusoire de penser que le critre ainsi
construit (et qui ncessite donc de choisir
des constantes a et b) est infaillible, cest-dire mne la meilleure solution dans
toutes les situations possibles. Disposer du
maximum dinformations est donc important. En plus des informations que dtient le
biologiste (qui connat ses donnes mieux
que personne), une analyse du comportement du cot J(k) peut permettre dextraire
plusieurs solutions pour k pouvant tre
biologiquement pertinentes. Par exemple,
la figure 2b montre que J(k) prsente deux
inflexions pour k =3 et k=10. Si le critre
mne la solution k = 3, il sera important
dtudier la segmentation pour k = 10, qui
comme on va le voir dans la suite permet la
dtection dune altration supplmentaire.

La meilleure segmentation permet la dtection dune altration


supplmentaire.

Une dtection plus fine


Le critre dcrit ci-dessus slectionne
k=10 rgions pour les donnes prsentes
en figure 2. La segmentation associe est
donne figure 2c en bleu. Une rgion amplifie est dtecte (des locus 11 14). Cette
rgion du chromosome 6 contient le gne
E2F3 dont lamplification est connue pour
tre associe au dveloppement du cancer de la vessie. Une amplification de cette
rgion est galement repre chez dautres
patients atteints du mme type de cancer.

Une variation au locus 61 est galement


dtecte par cette segmentation. Ce locus
est connu par les biologistes pour tre li
un polymorphisme (une variation gntique
locale spcifique au patient). Il nest donc
pas surprenant dobserver une altration
ce locus chez certains patients.
Comme il a t voqu ci-dessus, un deuxime point dinflexion existe dans le cot
J(k) pour k = 3. La segmentation associe
est reprsente figure 2c en rouge. Cette
segmentation, moins fine, permet dj de
dtecter la rgion contenant le gne E2F3
mais pas le polymorphisme au locus 61.
Les auteurs remercient Tho Robin pour sa
relecture attentive et ses commentaires.

Des statistiques pour dtecter les altrations chromosomiques 141

Le piano rv
des mathmaticiens
Juliette Chabassier, charge de recherche Inria, quipe Magique-3D

Comme de nombreux phnomnes physiques, le fonctionnement dun piano


peut tre modlis grce aux mathmatiques. Mais le modle obtenu permet
aussi daller plus loin, de rver de pianos impossibles ou dimaginer des sons
nouveaux. La recherche offre ainsi au compositeur un formidable champ
dexploration et de cration.

Le piano est un systme acoustique et


mcanique assez sophistiqu. On peut rsumer trs schmatiquement son fonctionnement de la faon suivante (voir figure 1):
le doigt du pianiste frappe une touche du
clavier, un mcanisme trs prcis dmultiplie le mouvement de la touche et met en
mouvement un marteau. Le marteau frappe
entre une et trois cordes la fois (selon la
note choisie), qui se mettent en vibration.
Le chevalet permet de transmettre lnergie des cordes la table dharmonie, qui
vibre elle aussi, mettant en mouvement les
molcules dair avoisinantes, et entranant la
propagation dun son dans lair.

Cordes aigus
Cordes graves

Chevalet
Agrafe

Table
dharmonie

Marteaux
Clavier

Figure1. Vue clate dun piano queue.

Le piano rv des mathmaticiens 143

Des EDP derrire les touches


Comme la plupart des phnomnes physiques qui nous entourent, le fonctionnement du piano peut tre dcrit mathmatiquement laide dquations aux drives
partielles (abrges en EDP). Les EDP
sont des quations qui mettent en relation
les drives dune ou plusieurs fonctions
par rapport leurs diffrentes variables
:
le temps, lespace Certaines EDP sont
assez clbres: lquation de la chaleur, qui
modlise lvolution de la temprature dans
un milieu
; les quations de propagation
dondes, qui modlisent la vibration dune
corde et la propagation du son; les quations de Navier-Stokes, qui interviennent
en mcanique des fluides; les quations de
Maxwell, qui sont celles de llectromagntisme; les quation de llastodynamique,

qui modlisent les ondes sismiques mais


; ou
aussi la dformation des matriaux
encore lquation de Schrdinger, qui modlise lvolution dune particule quantique.
Revenons notre piano
: chacune des
tapes acoustiques cites plus haut peut
donc tre modlise par une EDP (pour les
cordes, ce sera une quation des ondes
monodimensionnelle avec raideur, pour la
table dharmonie, une quation de vibration
de plaque, pour lair, une quation de propagation des ondes tri-dimensionnelle) ou
par une quation dune autre nature (pour
le marteau on aura une quation diffrentielle ordinaire, au chevalet on exprimera
lgalit des vitesses, et pour le couplage
table dharmonie/air, lquation traduira
lgalit aussi des vitesses mcanique et
acoustique).

Figure2. Maillage dune table dharmonie.

144 Mathmatiques, lexplosion continue

De manire gnrale, les EDP sont des


quations complexes dont il est en gnral
impossible de donner la solution au moyen
dune formule. Les problmes physiques
quelles traduisent, et qui combinent la plupart du temps plusieurs de ces quations,
le sont aussi, plus forte raison. Diverses
mthodes permettent den calculer les solutions approches dcrivant le mieux possible la ralit (voir lencadr Analyse numrique des EDP). Cela passe souvent par la
discrtisation du problme et par le calcul
sur ordinateur de solutions approches.

Un modle gnral du piano est


tabli grce aux EDP, puis discrtis sous la forme dun maillage, et enfin les solutions sont
calcules numriquement.

Cest ce que lon fait dans le cas du piano:


un modle gnral est tabli grce aux
quations, puis discrtis sous la forme
dun maillage (voir un maillage de table
dharmonie en figure 2), et enfin les solutions sont calcules numriquement grce
des mthodes danalyse numrique dveloppes prcisment pour loccasion.
Grce ce modle et aux simulations
numriques qui en dcoulent, on parvient
reproduire fidlement des formes dondes
(voir figure 3), mais aussi, par exemple,
connatre le champ de pression de lair
sur un ensemble de points tout autour du
piano, ce qui serait impossible mesurer
sans perturber le systme: si on essayait
de faire cette mesure en entourant le piano
dun rseau de capteurs, la prsence mme

dplacement de la corde (UA)

0.02

0.04

0.06

0.08
0.1
0.12
temps (secondes)

0.14

0.16

0.18

0.2

(a) Comparaison simulation numrique


(bleu)/exprience (rouge): dplacement
de la corde D#1 pendant les 200 premires millisecondes.

(b) Dplacement sur la table dharmonie en couleurs arbitraires et pression


dans lair (deux plans de coupe) en Pa
(chelle de couleur sur la droite), 16
millisecondes aprs la frappe du marteau sur la corde C2.

Figure3. Rsultats de simulation numrique: vrification et prdictions

Le piano rv des mathmaticiens 145

de ce rseau provoquerait un phnomne


de diffraction du son et fausserait donc la
mesure effectue.

Pianos virtuels
Lune des applications les plus enthousiasmantes de ce modle et de sa discrtisation
numrique est laide la facture instrumentale. Aujourdhui, la facture du piano est
majoritairement base sur un savoir empirique issu de sicles dexprimentations,
dchecs, de succs Les facteurs, cest-dire ceux qui conoivent et ralisent les
instruments, ont ainsi acquis un ensemble
de connaissances extrmement prcises.
On trouve par exemple dans la littrature
spcialise des affirmations telles que
:
les rouleaux des marteaux influent sur
le toucher du piano queue de faon dcisive, ou encore la table dharmonie est

146 Mathmatiques, lexplosion continue

en pica de Sitka, un bois dune densit et


dune lasticit idales pour la rsonance.
Ces affirmations intriguent beaucoup les
chercheurs en acoustique musicale qui
sattachent, en utilisant des mthodes
scientifiques, leur donner raison ou tort,
et aller plus loin dans la comprhension
des phnomnes mis en jeu. Le modle
de piano peut alors permettre disoler certains phnomnes afin de comprendre leur
influence sur le son, sur le rayonnement, ou
encore sur la transmission de lnergie
mais aussi de construire virtuellement des
pianos qui nexistent pas (changer la forme
ou la taille de la table, les matriaux utiliss,
la faon de lutiliser) et de pouvoir couter
le son quils auraient sils taient construits.
Encore plus intriguant, le modle permet de
gnrer des sons dobjets qui ne peuvent
pas exister pour des raisons pratiques
(matriaux invents, cordes de sept mtres

de long, piano flottant sans cadre ni pieds)


mais qui pourtant respectent les lois de la
physique et dont le son parat donc plausible loreille (en ce sens que le cerveau
parvient les attribuer un vnement, une
cause physique, une dynamique associe).
On touche l une application trs intressante du point de vue de linteraction entre
science et musique: la recherche offre au
compositeur des instruments nouveaux, un
matriau sonore jusquici inexistant et adaptable souhait. A une poque o le timbre
et la manipulation du son sont au cur de
la cration musicale, elle lui permet daller
toujours plus loin.

Le modle permet de gnrer


des sons dobjets qui ne peuvent
pas exister pour des raisons
pratiques.

Un outil pour le compositeur


Ces possibilits sont parfaitement illustres
par les travaux du compositeur Guillaume
Loizillon, qui utilise un logiciel de synthse
sonore par modles physiques dvelopp
lInstitut de Recherche et Coordination
Acoustique/Musique, Modalys, permettant de modliser une multitude dinstruments existants ou chimriques. Il dit ce
sujet: Ce que je trouve intressant dans
Modalys, plus que limitation dun timbre,
cest que cela permet, au niveau dun son
unique, de donner, de manire assez vidente, lide de la matire, du mtal, du
bois. Deuxime chose, cela permet de
crer des dynamiques, des vnements et
non pas des objets. [] Cest--dire que le
son raconte un vnement: cela roule, cela
rebondit.

Analyse numrique des EDP


Quand on sintresse des applications
concrtes des EDP (en mtorologie, en
sismologie, en aronautique, en construction automobile), il ne suffit pas de
connatre lexistence et le comportement
dune solution dans son espace abstrait
mathmatique. Les physiciens ont besoin
de pouvoir au moins estimer cette solution quantitativement. La science qui
consiste chercher une approximation de
la solution dune EDP de faon prcise et
performante grce lutilisation dordinateurs est celle du calcul scientifique et de

lanalyse numrique. Lide est de ramener linfini de lespace mathmatique de


la solution de lEDP au caractre foncirement fini et discret (par opposition
continu) de lordinateur, mais en sassurant que plus on fera defforts (en termes
de temps de calcul ou de puissance du
processeur), plus on sapprochera de la
vraie solution. Une des mthodes les
plus connues et les plus rpandues dans
lindustrie est probablement la mthode
des lments finis.

Le piano rv des mathmaticiens 147

Le compositeur peut mme dpasser le


monde physique existant et en imaginer
un autre, aux lois diffrentes: Ensuite ce
que jaime cest aller dans des modles plus
utopiques poursuit Guillaume Loizillon.
Avec Jean Claude Risset [NDLR: compositeur galement], on avait discut du sujet
est-ce que lon peut crer une physique non
terrienne. [...] On peut imaginer une physique o les objets rebondissent pendant
des heures et des heures, o la pesanteur
nest plus la mme.
Ainsi, la modlisation instrumentale ouvre
au musicien des champs dexploration
inous.

148 Mathmatiques, lexplosion continue

Pour aller plus loin


Site web: http://modelisation.piano.free.fr
Les citations de Guillaume Loizillon sont
extraites de La synthse par modles
physiques, mmoire de matrise de Aline
Hufschmitt, Universit Paris Sorbonne
(Paris IV), disponible ladresse alinehuf3.
free.fr

Comment faire
cooprer
des individus gostes?
Yannick Viossat, matre de confrences lUniversit Paris-Dauphine

La coopration est au cur de nombreux comportements sociaux ou biologiques. La thorie des jeux permet dexpliquer le choix de stratgies coopratives et den comprendre les mcanismes dans des contextes o les individus se trouvent en concurrence, des situations de guerre la rgulation de
la pche.

Le monde vivant offre de nombreux


exemples de coopration
: les insectes
sociaux, les animaux criant pour signaler
la prsence dun prdateur, les impalas se
nettoyant rciproquement Darwin considrait ces comportements coopratifs
comme une nigme, et un dfi sa thorie. La slection naturelle ne devrait-elle pas
favoriser les comportements gostes? Ce
paradoxe de la coopration est au cur de
lanalyse de transitions majeures dans lvolution, comme lapparition de la vie ou celles
des tres multicellulaires. Dans certaines de
ces transitions, de petites entits cooprent
pour former une entit plus complexe. Ces
constructions subsistent, alors quelles
semblent la merci de lapparition dentits
parasites, tirant profit de la coopration des
autres mais ne cooprant pas elles-mmes.

Comprendre lorigine et le maintien de la


coopration dans le monde vivant est donc
un problme central de la biologie de lvolution.

Comment faire cooprer des individus gostes? 149

Intrt collectif, intrts


individuels
Des questions similaires se posent en
sciences sociales. De nombreux conflits
existent entre lintrt collectif et les intrts individuels. La coopration peut-elle
alors merger spontanment? Plus concrtement: pourquoi continuons-nous trop
pcher, et puiser les stocks de poissons? A linverse, pourquoi, dans certaines
tranches de la guerre de 14-18, les soldats
faisaient-ils exprs de ne pas gner le ravitaillement de leurs ennemis?
Les mathmatiques permettent dclairer
ces questions en analysant des modles de
conflits entre intrt collectif et intrts individuels. Le plus simple de ces modles, appel
dilemme du prisonnier pour des raisons anecdotiques, se prsente ainsi: deux individus,
appels joueur 1 et joueur 2, doivent dcider
daider lautre (cooprer) ou de ne pas laider
(faire dfection). Chaque joueur doit choisir
sans connatre le choix de lautre.
Cooprer rapporte un bnfice de 4
lautre mais cote 1 celui qui coopre.
Faire dfection ne rapporte rien lautre
et ne cote rien. Ainsi, si les deux joueurs
cooprent, ils gagnent tous les deux 4 1
= 3. Le tableau suivant rsume les actions
possibles et les gains correspondants. Les
gains du joueur 1 (J1) sont en rouge, ceux
du joueur 2 (J2) en bleu. La valeur prcise
de ces gains importe peu tant que leur ordre
(du plus petit au plus grand) reste le mme.
On pourrait donc supposer que faire dfection nous rapporte quelque chose, ou autre
variante.

150 Mathmatiques, lexplosion continue

J2 Si J2 coopre

Si J2 fait

J1

(C)

dfection (D)

Si J1 coopre (C)

3,3

1,4

Si J1 fait dfection (D)

4, 1

0,0

De nombreuses situations de la vie courante prsentent des analogies: les enfants


qui peuvent prter leurs jouets (C) ou ne pas
les prter (D); les grandes puissances, lors
de la guerre froide, qui pouvaient limiter leur
armement (C) ou sarmer toujours plus (D);
le citoyen qui peut recycler ses dchets (C)
ou ne pas le faire (D), etc.
Lanalyse de ce type de situations relve
de la thorie des jeux. Cette branche des
mathmatiques examine linteraction dacteurs stratgiques. Elle concerne toute
situation o des acteurs doivent chacun
prendre des dcisions, qui dterminent lissue de cette situation.

Assurer lavenir
La thorie des jeux a permis didentifier
plusieurs mcanismes qui permettent de
surmonter les conflits entre intrt collectif
et intrts individuels. Voyons maintenant le

fonctionnement et les limites dun de ces


mcanismes: la rciprocit directe (aider
ceux qui nous ont aids).

systmatiquement dfection, jai intrt le


faire aussi. Il ny a donc pas de stratgie qui
soit toujours la meilleure.

Mes choix daujourdhui influent


sur les choix que fera mon partenaire demain.

Dautres mcanismes
de coopration

Toutefois, certaines stratgies obtiennent


souvent de bons rsultats. La stratgie
Donnant-Donnant, notamment, a remport
plusieurs tournois informatiques, o chaque
stratgie jouait contre chacune des autres
et o le but tait davoir le meilleur score
total. Cette stratgie de simple rciprocit
commence par cooprer, puis fait ce qua
fait lautre au tour prcdent.

La rciprocit directe nest pas le seul


mcanisme sur lequel peut se baser
la coopration entre individus. Parmi
les autres, on peut citer: la construction dinstitutions permettant de faire
appliquer des contrats, la rciprocit
indirecte (aider ceux qui ont aid les
autres) ou encore la slection de parentle (aider les individus qui nous sont
apparents), fondamentale en biologie.

Revenons au dilemme du prisonnier. Quand


le jeu nest jou quune fois, jouer D rapporte toujours 1 unit de plus que de jouer
C (4 au lieu de 3 si lautre joue C, 0 au lieu de
-1 sil joue D). Les deux individus ont donc
individuellement intrt faire dfection. Le
dilemme est quils obtiennent alors 0, alors
quils auraient pu obtenir 3 sils avaient coopr tous les deux.
Si linteraction se rpte la situation est diffrente: mes choix daujourdhui influent sur
les choix que fera mon partenaire demain.
Cooprer peut tre une forme dinvestissement: cela me rapporte moins aujourdhui
que de faire dfection, mais peut augmenter mes gains futurs, si cela rend lautre plus
coopratif. En revanche, si lautre joueur fait

Ce nest pas en exploitant les autres que


Donnant-Donnant obtient de bons rsultats.
En fait, dans un duel, elle ne gagne jamais
plus que son adversaire. Mais elle parvient
enclencher une logique de coopration, et
en moyenne obtient de trs bons scores.
Lanalyse de tournois de dilemme du prisonnier fait apparatre des caractristiques des
stratgies succs: essayer de cooprer,
ne pas chercher gagner plus que lautre,
ne pas se laisser exploiter, pardonner une
dfection isole, et tre lisible.
Le systme du Vivre et laisser vivre
de la premire guerre mondiale offre une
illustration concrte de coopration dans
un environnement pourtant dfavorable.
Ce systme consistait ne pas attaquer
lennemi pourvu quil ne nous attaque pas
non plus. Cette attitude tait fortement
dcourage par le commandement. Un
officier anglais racontait ainsi sa visite des

Comment faire cooprer des individus gostes? 151

tranches: Je fus bahi de voir les soldats


allemands se promener porte de fusil.
Nos hommes semblaient ne pas remarquer
(). Ces choses-l ne devraient pas tre
permises. Pourtant, ce systme stablit
en de nombreux points du front, car dans
cette guerre de tranche, les mmes units
se faisaient face suffisamment longtemps
pour que la logique de la rciprocit fonctionne. Un soldat expliquait: Ce serait un
jeu denfant de bombarder la route derrire
les tranches, encombre comme elle doit
ltre de chariots de ravitaillement () mais
dans lensemble tout est calme (). Si vous
empchez lennemi de se ravitailler, son
remde est simple: il vous empchera de
vous ravitailler.

raction sarrte ne soit pas connu lavance.


Sinon, la dernire tape, les deux joueurs
ont intrt faire dfection et, anticipant
cela, ils sont amens faire dfection
lavant-dernire tape, et ainsi de suite.

Thorie des jeux dvolution


Pour mieux comprendre les conditions qui
permettent lmergence de la coopration,
il est utile de recourir la thorie des jeux
dvolution. Celle-ci tudie des situations
o un grand nombre dindividus interagissent et font voluer leur comportement
en fonction du rsultat des interactions prcdentes. On suppose que les stratgies qui
obtiennent de bons rsultats ont tendance
se rpandre dans la population. Une formulation prcise de ce principe donne lieu
un systme dynamique, qui peut modliser
tant des phnomnes de slection naturelle
que dapprentissage.

Dans un monde o des erreurs


peuvent se produire, il est bon
de rparer les dommages causs
aux autres involontairement, et
de ne pas se venger systmatiquement des agressions subies.
Une analyse prcise du dilemme du prisonnier permet de mieux comprendre les
facteurs favorisant les stratgies de rciprocit. Lavantage de la dfection ne doit
pas tre trop fort, et limportance de lavenir
doit tre suffisamment grande. Pour cela, il
faut que les joueurs soient patients et que
linteraction se rpte suffisamment longtemps. Il faut aussi que le moment o linte-

152 Mathmatiques, lexplosion continue

Dans les modles de mutation-slection,


on observe une alternance de phases de
dfection et de coopration. Partant dun
tat o personne ne coopre, des mutations peuvent faire apparatre des stratgies
du type Donnant-Donnant. Si celles-ci parviennent une frquence suffisamment leve, elles obtiennent de meilleurs rsultats
que la stratgie de dfection et envahissent

la population. On aboutit alors un tat o


tous les individus jouent des stratgies coopratives. La stratgie qui consiste cooprer de manire indiscrimine peut alors
augmenter en frquence, car elle nest plus
contre-slectionne. Mais si les cooprateurs indiscrimins sont trop frquents, la
stratgie de dfection est favorise et peut
redevenir prdominante, jusqu un nouveau cycle.

coopre avec probabilit positive mme si


lautre vient de faire dfection. Ces petites
diffrences permettent de surmonter les
crises engendres par une dfection malencontreuse. Dans un monde o des erreurs
peuvent se produire, il est bon de rparer
les dommages causs aux autres involontairement, et de ne pas se venger systmatiquement des agressions subies.

Supposons maintenant qu chaque tape,


avec une petite probabilit, les joueurs narrivent pas implmenter laction quils ont
choisie: ils cooprent au lieu de faire dfection, o linverse. Quand Donnant-Donnant
joue contre elle-mme, la premire erreur
dclenche une vendetta destructrice (voir
figure 1). De ce fait, Donnant-Donnant ne
peut pas stablir de manire stable dans la
population.

La pche ou la tempte
de neige: dautres types
de modles

Joueur 1
Joueur 2

CCDCDCDCC
CCCDCDCCC

Figure 1. Donnant-Donnant contre un


autre Donnant-Donnant, avec erreurs
(C signifie cooprer et D faire dfection).

Une dfection involontaire (en rouge)


entrane une alternance de coopration
et de dfection. Il faut attendre une coopration involontaire (en bleu) pour que la
coopration reprenne. Dautres stratgies
coopratives prennent la relve
: Donnant-Donnant contrit, par exemple, prvoit
de compenser une dfection errone en
cooprant deux fois de suite quoi que fasse
lautre
; Donnant-Donnant gnreux

Nous avons jusquici suppos que linteraction se rptait mais que les paiements au
cours du jeu ne changeaient pas. Or, imaginons un modle de rgulation volontaire
de la pche, o un grand nombre dacteurs
doivent dcider de la quantit de poisson
quils pcheront chaque anne. Pcher peu
permet de laisser les stocks de poissons
se renouveler, et est analogue cooprer. Pcher le plus possible puise les ressources et est analogue faire dfection.
Chaque acteur ayant une influence faible sur
lvolution du stock de poissons, il a intrt
pcher le plus possible mme si, collectivement, il est prfrable de limiter la quantit pche. La situation est donc analogue
celle du dilemme du prisonnier.
Toutefois, une modlisation plus prcise
devrait tenir compte de lvolution du stock
de poisson. Pcher le plus possible, par
exemple, rapporte de moins en moins au
fur et mesure que les stocks de poissons
spuisent. Les gains des acteurs un instant donn ne dpendent donc pas seule-

Comment faire cooprer des individus gostes? 153

ment de leurs actions prsentes mais aussi


de ltat global du systme, qui est ici le
stock de poissons. Cet tat volue en fonction des actions des diffrents acteurs ainsi
que de divers alas. Ltude de ce type de
situation demande des modles plus volus qui relvent des jeux stochastiques.
Une autre hypothse que nous avons
employe implicitement est quun individu a
autant de chances dinteragir avec nimporte
lequel des autres individus. En ralit, nous
interagissons surtout avec nos collgues,
nos amis ou nos voisins. Ceci peut tre pris
en compte en supposant que les individus
sont rpartis dans lespace et interagissent
surtout avec leurs voisins. Lanalyse de ces
modles a montr que, dans le dilemme du
prisonnier, la coopration merge plus facilement lorsque les interactions sont locales
que lorsque les individus interagissent avec
nimporte quel autre individu.
Il est galement instructif dtudier des
modles o le conflit entre intrts individuels et intrt collectif nest pas aussi
brutal. Dans le jeu de la tempte de neige,
par exemple, deux conducteurs voient la
route coupe par la neige. Chacun a une
pelle dans sa voiture, et peut soit dblayer
la route (cooprer) soit attendre dans sa voiture (faire dfection) en esprant que lautre
dblaiera tout seul. Lidal est que lautre
dblaie la route tout seul, puis de dblayer
la route deux, et il est encore prfrable
de dblayer la route tout seul plutt que
de passer la nuit dans sa voiture, ce qui
se produira si personne ne dblaie. Sil y
a toujours un conflit entre lintrt collectif
(dblayer la route) et les intrts individuels

154 Mathmatiques, lexplosion continue

(laisser lautre sen charger), la situation


nest plus celle du dilemme du prisonnier.
En effet, faire dfection nest pas toujours
avantageux: cela ne lest que si lautre coopre. Lanalyse de ce jeu fait apparatre des
diffrences plus subtiles. Ainsi, nous avons
vu que le fait que les individus interagissent
surtout avec leurs voisins favorisait la coopration dans le dilemme du prisonnier. Cet
effet des interactions locales nest pas prsent dans le jeu de la tempte de neige. Plus
gnralement, si le dilemme du prisonnier a
t trs tudi, ce nest pas le cas dautres
modles, tout aussi pertinents pour tudier
les phnomnes de coopration. Une analyse pousse de ces modles est ncessaire, et encore largement faire, pour
comprendre quels rsultats sont valables en
gnral. Si les mathmatiques permettent
de mieux apprhender les phnomnes de
coopration, il reste beaucoup defforts
fournir pour parvenir une comprhension
plus complte.

Pour aller plus loin


Axelrod R., (1992). Donnant-Donnant,
thorie du comportement coopratif,
ditions O. Jacob.
Sigmund K., (2010). The Calculus of Selfishness, Princeton University Press.
Page web:
http://www.univie.ac.at/virtuallabs:
programmes accessibles librement, pour
explorer soi-mme la dynamique des dilemmes sociaux.

AVC:
les mathmatiques
la rescousse
Emmanuel Grenier, professeur lcole Normale Suprieure de Lyon

LAVC, qui touche des milliers de personnes chaque anne, est une pathologie complexe dont le diagnostic et le traitement ncessitent encore dtre
amliors. Cest un des domaines o la modlisation mathmatique peut
venir en aide la recherche mdicale, en compltant notamment lexprimentation sur les animaux.

Daprs lAssociation daide aux patients


et aux familles de patients victimes dAVC,
la France compterait 150
000 nouveaux
cas daccident vasculaire crbral (AVC en
abrg) chaque anne. Un AVC ischmique
commence par lobstruction dune artre
du cerveau, par exemple par un petit caillot
sanguin. Le territoire crbral irrigu normalement par cette artre est alors priv de
son afflux sanguin habituel. Les neurones
de cette zone nont plus de quoi fonctionner normalement et meurent. Mais ce nest
pas tout: la prsence de ces cellules mortes
(et en particulier ncroses, cest dire qui
ont explos) entranant des dysfonctionnements, il est ncessaire de les liminer.
Linflammation survient dans ce but, mais
cause elle-mme des dommages en faisant
gonfler le tissu et en librant des substances

toxiques. Ces dommages viennent sajouter


ceux dj causs par lAVC. De plus, des
radicaux libres normalement contenus dans
les cellules, mais qui, aprs leur clatement
suite lAVC, se retrouvent dans lespace
extracellulaire, sont oxyds, ce qui entrane
aussi la production de substances toxiques.
Les dommages causs peuvent ainsi senchaner et voluer pendant plusieurs jours
voire plusieurs semaines aprs le dbut
de laccident. LAVC est donc une pathologie trs complexe, impliquant de multiples acteurs. Selon les zones touches, le
patient souffre de paralysie, daphasie
Larsenal thrapeutique dont on dispose
pour gurir les AVC est hlas limit. Les
cliniciens cherchent dboucher lartre
atteinte pour rtablir au plus vite un flux

AVC: les mathmatiques la rescousse 155

sanguin normal, mais cela nest pas sans


risque. De plus, le diagnostic de lAVC est
lui-mme dlicat.

Le mathmaticien va traduire
les connaissances biologiques
et mdicales sous forme dquations. Puis, partir de ces quations, il va faire des simulations
sur son ordinateur.
Pour faire avancer la recherche dans ce
domaine, les mdecins et les biologistes
travaillent sur des modles animaux ,
en provoquant des AVC chez des rongeurs
(rats, gerbilles) et en les tudiant par imagerie ou biopsie. Le problme survient lors du
passage lessai clinique chez lhomme, o
les rsultats peuvent tre diffrents de ceux
observs sur les animaux, et contraires au
but recherch, comme nous le verrons par
la suite.

Modliser et simuler
les phnomnes
En quoi les mathmatiques peuvent-elles
aider la recherche clinique
? Le principal
avantage des mathmatiques est quelles
permettent de quantifier des phnomnes.
Le mdecin et le biologiste pensent et analysent les systmes vivants travers des
relations, influences, rseaux Mais ils
ne peuvent pas toujours quantifier prcisment les effets, leur donner une valeur
numrique.
Confront un systme complexe, un biologiste ou un mdecin aura lintuition de
son fonctionnement. Il va dvelopper des
scnarios. Toutefois, les systmes vivants
sont tellement complexes quil est difficile
davoir une intuition correcte et complte de
leur fonctionnement.
Le mathmaticien va pour sa part tenter
de modliser mathmatiquement les phnomnes. Autrement dit, il va traduire les
connaissances biologiques et mdicales
sous forme dquations. Puis, partir de
ces quations, il va faire des simulations sur
son ordinateur. Au lieu davoir un modle
animal, il va donc construire un modle
abstrait (des quations). Au lieu de faire
des expriences, il va faire des calculs.
Bien sr, modle abstrait et modle animal
sont deux approximations de la ralit. Le
modle abstrait ne saurait rendre compte
de toute la complexit du vivant. Il est par
essence faux, approximatif, en progression
constante et est seulement une mise en
scne dune partie des connaissances.

156 Mathmatiques, lexplosion continue

Un mathmaticien ne va pas dcouvrir une


nouvelle molcule. Mais en mettant en
quation les intuitions des mdecins, il va
tester leur cohrence et leur validit. Parfois, les divers acteurs biologiques sorganisent comme lavaient prvu les cliniciens,
mais parfois ce nest pas le cas. La simulation numrique peut alors montrer dautres
formes de rponses collectives des acteurs,
des scnarios originaux, non initialement
envisags. Elle peut aussi expliquer des
rsultats paradoxaux. Les premiers rsultats dans ce sens commencent se dvelopper, en cancrologie, en neurologie ou
encore en cardiologie.

phnomnes ioniques. Lide tait de bloquer le passage de certains ions travers


la paroi neuronale, en bloquant les canaux
quils empruntent. De multiples molcules
ont t dveloppes et testes avec succs
chez le rongeur. Mais lorsquil a t question
de passer chez lhomme, vers les annes
2000, la dception fut grande: des dizaines
de molcules, reprsentant des annes de
travail et des centaines de millions deuros
se sont rvles totalement inefficaces,
voire nocives
! Des tests cliniques ont
mme t interrompus avant leur fin car ils
induisaient une surmortalit chez lhomme:
la molcule avait exactement leffet inverse
de celui qui tait prvu!
Cet chec total sest produit alors que les
canaux ioniques sont trs tudis et trs
connus depuis les annes cinquante (Hodgkin et Huxley ont reu le prix Nobel de
mdecine pour cette dcouverte). Est-ce
quun tel gchis tait prvisible? Pouvait-on
anticiper certaines des difficults rencontres par une analyse mathmatique?

Un rsultat inattendu mais


prvisible mathmatiquement
Au tout dbut dun AVC, les neurones nont
plus suffisamment dnergie pour maintenir les concentrations de divers ions
leurs valeurs physiologiques. De nombreux
industriels ont donc tent de dvelopper de
nouveaux mdicaments pour contrer ces

Le modle mathmatique des


changes ioniques montre que
le rapport cellules gliales/neurones a un effet crucial sur lefficacit des bloqueurs de canaux
ioniques. Or, leffet de ce rapport
est difficile trouver par intuition pure.
Ici, pour construire le modle mathmatique, la dmarche consiste dabord faire
la liste des ions importants, ainsi que des
canaux ioniques, pompes, changeurs
dans lesquels ces ions circulent. Puis, il

AVC: les mathmatiques la rescousse 157

sagit dtablir tous les paramtres physiologiques lis aux objets lists (concentrations, nombre de portes, potentiels douverture). Ensuite, le tout est mis en quation
(on utilise les quations de Nernst, les
potentiels de membrane). Ce travail long
et dlicat est bas sur une dmarche dveloppe depuis quelques dcennies, notamment pour le cur, entre autres par lquipe
du Professeur Denis Noble, dOxford.

Le modle construit indique bien des effets


trs positifs des diffrents mdicaments
chez le rongeur mais aussi des effets
trs faibles, voire ngatifs, chez lhomme!
Autrement dit, si dans les annes 90 on
avait mis en quation les changes ioniques
dans un AVC et simul ces modles, on
aurait pu prdire ce qui sest pass.

Figure1: Rsultats de simulations obtenus avec le modle de lAVC permettant de voir lvolution des diffrentes zones ischmies sur 40 minutes suite une obstruction artrielle ( t =0
min) et suite lintroduction dun bloqueur dun canal ionique sodique spcifique ( t =20min)
pour le modle rongeur et pour le modle homme (diffrant par leur proportion de cellulesgliales). La zone infarcie (o les cellules sont totalement mortes) est en bleu, la zone de
pnombre (o les cellules sont endommages ou affaiblies, et peuvent soit mourir, soit se rparer et survivre) en vert et la zone saine en rouge. Lenjeu de tout traitement est videmment
la zone de pnombre, le but tant quelle volue au maximum vers ltat sain. Les rsultats de
ces simulations montrent que, suite lintroduction de ce bloqueur, la rcupration de la zone
de pnombre est trs importante dans le cas du rongeuralors quelle est assez faible dans le
cas de lhomme. (daprs M.A. Dronne, E.Grenier, G.Chapuisat, M.Hommel, J.-P.Boissel,
Progress in Biophysics and Molecular Biology, 2008, vol. 97).

158 Mathmatiques, lexplosion continue

Peut-on comprendre lchec clinique partir


du modle? Ici, le point crucial rside dans
la composition diffrente des tissus nerveux du cerveau de lhomme et du rongeur.
Dans le cerveau, on distingue les neurones
et les cellules gliales (cellules de support,
qui nourrissent les neurones, les protgent,
contribuent lhomostasie). Chez le rat,
il y a 2 cellules gliales pour un neurone, alors
que chez lhomme il y a prs de 9 cellules
gliales pour un neurone. Le modle mathmatique des changes ioniques montre que
ce rapport cellules gliales/neurones a un

effet crucial sur lefficacit des bloqueurs de


canaux ioniques: plus ce rapport augmente
et moins le mdicament est efficace. Les
cellules gliales tant proportionnellement
plus nombreuses chez lhomme, leffet du
mdicament chute et devient faible, voire
ngatif dans certains cas. Or, leffet de ce
rapport cellules gliales/neurones est difficile
trouver par intuition pure. Cest pourquoi le
recours un modle mathmatique et sa
simulation tait ncessaire pour tester linfluence de ce paramtre de faon plus prcise et de dgager ce scnario inattendu.

AVC: les mathmatiques la rescousse 159

Point de vue
sur les mathmatiques
franaises depuis ltranger
John Ball, professeur lUniversit dOxford

Les mathmatiques franaises ont la rputation dtre parmi les meilleures


au monde. Quest-ce qui explique leur exceptionnelle qualit? Voici un dcryptage de cette particularit hexagonale travers le regard du mathmaticien britannique John Ball.

Pierre-Louis Lions (copyright FSMP)

On pourrait difficilement contester que la


France se situe actuellement parmi les meilleurs pays au monde en mathmatiques.
Elle occupe peut-tre le second rang,
devance seulement par les tats-Unis,
voire le tout premier si lon se rapporte
la taille de sa population. Bien entendu, de
telles affirmations doivent tre traites avec

beaucoup de prudence. Elles sont symptomatiques de cette tendance moderne vouloir tablir un ordre pour tout, que ce soit en
classant les gens les plus grands, les plus
riches ou les plus puissants du monde, les
meilleurs footballeurs de tous les temps,
les meilleures universits, et ainsi de suite.
Les mathmatiques ne sont pas un sport
o saffrontent divers pays du monde. Il
ny a pas de vainqueur de la Coupe du
Monde de Mathmatiques. Il est plus juste
de considrer que les pays possdent des
communauts mathmatiques distinctes,
avec des styles mathmatiques diffrents
et des points forts dans des disciplines diffrentes. Quelques indicateurs, cependant,
viennent confirmer lide dune suprmatie
franaise. Par exemple, le palmars des
mdailles Fields, distinctions les plus pres-

Point de vue sur les mathmatiques franaises depuis ltranger 161

tigieuses historiquement, dcernes par


lUnion Mathmatique Internationale lors du
Congrs International des Mathmaticiens
qui se tient tous les quatre ans (la dernire
fois en 2010, Hyderabad, en Inde, et la
prochaine, en 2014 Soul, en Core du
Sud). A ce jour, plus dun cinquime des
mdailles Fields ont t attribues des
Franais. Ensuite, les confrenciers de ce
mme Congrs International. Ceux-ci sont
choisis la suite dun processus rigoureux
par des comits forms par plus dune centaine de mathmaticiens de premier plan.
tre invit parler au Congrs International
est considr comme un grand honneur.
Or la France est toujours reprsente par
un contingent important de confrenciers
invits, ce qui tmoigne de la profondeur au
plus haut niveau de ses mathmatiques.

Hritage intellectuel
et organisation acadmique
Comment expliquer ce caractre exceptionnel des mathmatiques franaises? Il y a
en premier lieu lhritage intellectuel dun
nombre extraordinaire de grands mathmaticiens franais, comme dAlembert,
Cauchy, Fermat, Fourier, Galois, Hermite,
Laplace, Lagrange, Liouville, Monge, Poisson et, dans la premire moiti du xxe sicle,
Poincar, Hadamard, Lebesgue et Leray.
La plupart dentre eux ont donn leurs
noms des rues de Paris, un honneur rarement accord des mathmaticiens dans
dautres pays.

A ce jour, plus dun cinquime


des mdailles Fields ont t
attribues des Franais.

Alain Connes (copyright FSMP)

Cdric Villani (copyright J. Cotera)

162 Mathmatiques, lexplosion continue

Il y a eu aussi la cration des grandes coles


partir de la fin du xviiie sicle, o lenseignement des mathmatiques figurait en
bonne place. Dans les coles franaises,
la matrise doutils mathmatiques tait, et
est encore, considre comme un moyen
dvaluer lintelligence. Plus rcemment, la

disponibilit de nombreux postes de chercheurs plein temps (donc sans charge


denseignement) comme ceux du CNRS a
offert aux chercheurs loccasion de profiter
de priodes de concentration prolonge
prcieuses pour la cration et le dveloppement de nouvelles mathmatiques. Ce type
de postes est rare, voire inexistant, dans
les autres pays. Certains diront aussi que la
qualit des mathmatiques franaises a t
maintenue par le pilotage au niveau national de certaines tapes des processus de
recrutement et de promotion (par opposition au systme actuellement mis en place
en France permettant aux universits autonomes de prendre ces dcisions purement
localement).

Certes, il existe un socle culturel commun


la plupart des chercheurs, ce qui facilite
les collaborations; a contrario, diffrentes
nationalits apportent des perspectives et
des approches diffrentes. Dun autre point
de vue, cependant, les mathmatiques en
France sont admirablement internationales
dans leurs perspectives, grce la tradition
de coopration avec des pays moins dvelopps, en particulier en Afrique, en Amrique du Sud, en Inde et au Cambodge. Une
partie de cette activit est organise grce
lexcellent Centre International de Mathmatiques Pures et Appliques bas Nice.
Cr en France et reconnu par lUNESCO,
le CIMPA est un organisme international
uvrant pour lessor des mathmatiques
dans les pays en voie de dveloppement.

Une tradition locale


dans une discipline
de plus en plus internationale

La France nest pas non plus


labri des pressions tendant
modifier les mthodes denseignement dans les coles

Comme les joueurs de football, les mathmaticiens, quelle que soit leur origine, sont
de plus en plus internationaux. Par exemple,
mon propre dpartement Oxford compte
parmi ses membres des citoyens allemands,
amricains, chinois, corens, costariciens,
danois, franais, grecs, hongrois, roumains
et russes. De nombreux dpartements de
mathmatiques aux tats-Unis ont des
compositions semblables. Cet effet est
beaucoup moins prononc en France, o les
universitaires des meilleurs dpartements
sont majoritairement franais. Ceci est largement, on peut le supposer, d la barrire de la langue, et on voit des situations
similaires dans dautres pays europens.
Cela a des aspects positifs et ngatifs.

Sylvia Serfaty
(copyright Olivier Boulanger)

Point de vue sur les mathmatiques franaises depuis ltranger 163

Lavenir des mathmatiques


franaises
Que rserve lavenir aux mathmatiques
franaises
? Lhistoire montre la grande
importance de la tradition dans le maintien dune recherche de haute qualit, et
la France se trouve en position de force
cet gard. Dun autre ct, de nombreux
changements ont lieu actuellement dans
lorganisation de lenseignement suprieur
et de la recherche franaise, un exemple
tant lautonomie accrue des universits.
Ces changements doivent tre oprs avec
soin afin de permettre une saine volution

164 Mathmatiques, lexplosion continue

tout en prservant les nombreuses qualits


du systme actuel. La France nest pas non
plus labri des pressions tendant modifier les mthodes denseignement dans les
coles, telles que llargissement du programme dtudes menant une rduction
des heures alloues aux mathmatiques,
ce qui pourrait avoir des effets ngatifs sur
le niveau de prparation des tudiants en
mathmatiques entrant dans les grandes
coles et les universits. Comme toujours,
un effort constant est ncessaire pour prserver la tradition dexcellence.

EDP la franaise
John Ball, professeur lUniversit dOxford

Spcialiste des quations aux drives partielles, John Ball raconte ici comment ce domaine des mathmatiques appliques a connu un formidable essor en France, grce en particulier une figure emblmatique: le professeur
Jacques-Louis Lions.

Equations
de Maxwell

Gomtries
complexes

Elasticit

Equations
de Navier-Stokes

La France est un acteur important sur


la scne mathmatique mondiale dans
presque toutes les branches de la discipline,
avec une reprsentation particulirement
forte en algbre, en gomtrie, en thorie
des nombres, en probabilits, ou encore

dans le domaine des quations aux drives


partielles (EDP). Cest de cette dernire
cole dont je parlerai ici car je men sens
particulirement proche, du fait de mon parcours et de mes longs et heureux sjours
Paris, au Laboratoire Jacques-Louis Lions,
lun des principaux centres mondiaux pour
les EDP et leur analyse numrique. A Paris
vivent plus dexperts de ce domaine que
dans toute autre ville du monde. En fait, il y
en a plus que dans bien des pays!

Le rle essentiel
de Jacques-Louis Lions
La cration de cette cole a t en grande
partie le travail dun homme, Jacques-Louis
Lions. Aprs des tudes lcole normale

EDP la franaise 165

suprieure de 1947 1950, et lobtention


de son doctorat sous la direction de Laurent
Schwartz, Lions a commenc sattaquer
au problme de rsoudre, tant dun point
de vue thorique que numrique, diverses
quations aux drives partielles qui servaient dcrire certains phnomnes rels.
Il a peru la ncessit, pour les mathmatiques appliques, de relever les dfis rsultant de lutilisation croissante des simulations sur ordinateur. Comment savoir que
de telles simulations produisaient la bonne
rponse? Sappuyer sur lintuition physique
ne suffisait plus dans le monde non-linaire.
Une comprhension fondamentale du comportement des solutions tait ncessaire,
afin de fournir une trame pour des schmas
numriques.
La thorie moderne des quations aux drives partielles se construisait galement
de lautre ct de lAtlantique, au Courant
Institute, New-York, conduite par des personnalits tels que Kurt Friedrichs, Peter
Lax, Louis Nirenberg, Fritz John, Joe Keller
et Jrgen Moser, ainsi quen Russie, entre
autres par les grandes mathmaticiennes
Olga Ladyzhenskaya et Olga Oleinik. Mais
lapproche adopte par Lions tait plus abstraite, base sur lanalyse fonctionnelle et
en particulier la convergence faible, cest-dire la convergence des moyennes, motive
par les travaux de Jean Leray et Eberhard
Hopf sur les quations de Navier-Stokes, qui
dcrivent le flux de fluides visqueux tels que
lhuile et leau.
Lions a synthtis et mis au point un ventail de techniques permettant lutilisation
de la convergence faible dans ltude

166 Mathmatiques, lexplosion continue

des quations aux drives partielles non


linaires. Le corpus thorique rsultant
de ces travaux sest rvl suffisamment
souple pour permettre de traiter une large
gamme de problmes importants en mcanique et en physique. Une fois matrises,
ces ides sont devenues trs faciles utiliser. Bien quelles ne permissent pas de
rpondre aux questions techniques les plus
profondes, qui exigeaient des mthodes
danalyse spcifiques, leur caractre systmatique signifiait quelles pouvaient
tre utilises efficacement dans de nombreuses situations. Lessor de cette cole,
propuls par de nombreux tudiants de
Lions ayant eux-mmes acquis une renomme internationale, a t extraordinaire. Et
son influence sur lindustrie franaise a t
profonde.

Jacques-Louis Lions au Centre national


dtudes spatiales

Lessor de cette cole a t


extraordinaire et son influence
sur lindustrie franaise a t
profonde.

Cauchy et les modles


mathmatiques
Lapproche des quations aux drives partielles adopte en France est une manire
particulire, trs influente et limpact
profond, de faire des mathmatiques appliques. Mais ce nest pas la seule faon de
faire. Un contraste intressant peut tre
relev avec lun des plus grands mathmaticiens franais, le baron Augustin-Louis
Cauchy (1789-1857), dont le nom est connu
de tous les tudiants en mathmatiques,
par exemple grce la formule intgrale de
Cauchy en analyse complexe et aux suites
de Cauchy. Il semble que Cauchy nait pas
t un collgue trs agrable, mais son
approche des mathmatiques tait admirable et tout fait moderne en ce quil ne
faisait pas de distinction artificielle entre
mathmatiques pures et appliques. En
effet, Cauchy a fond lanalyse complexe
en mme temps quil introduisait la notion
de contrainte dans un milieu continu, dune
importance incalculable pour lingnierie
moderne, et crivait pour la premire fois
les quations de llasticit linaire, en faisant un lien entre les thories des solides
lchelle atomique et celle des milieux
continus (mme si les atomes navaient
pas encore t observs). Ainsi, Cauchy
assumait la responsabilit des modles
mathmatiques sur lesquels il travaillait,
ainsi que celle de leur analyse. Une telle
attitude nest pas tout fait dans la tradition franaise moderne des mathmatiques
appliques, dans laquelle la cration de
modles mathmatiques est largement laisse aux chimistes, physiciens, biologistes,
mcaniciens et aux conomistes. Pour tre

tout fait juste, lattitude moderne est aussi


celle de nombreux mathmaticiens dans le
monde entier, mais il y aurait certainement
beaucoup gagner en associant la modlisation et lanalyse. Les travaux de Cauchy
en offrent un bon exemple travers sa
dcouverte du thorme de dcomposition
polaire pour les matrices, qui fut une consquence directe de son travail sur la mcanique des milieux continus.

Si les travaux de Lions et


dautres analystes appliqus
ont t une source dinspiration mathmatique, ils mont
aussi apport le rconfort psychologique de savoir quil ny
avait pas lieu dopposer bonnes
mathmatiques appliques et
raisonnements rigoureux!

EDP la franaise 167

Mathmatiques pures
ou appliques?
Je nai jamais bien compris ce qui a conduit
la polarisation des mathmatiques pures
dun ct et appliques de lautre pendant
la majeure partie du xxesicle, tant celle-ci
me semble en contradiction avec lesprit
de lunit de la science et des mathmatiques reprsentes par plusieurs des plus
grands mathmaticiens universels, comme
Archimde, Newton, Euler, Gauss, Riemann, Poincar et Cauchy. En Grande-Bretagne, G.H. Hardy en fut peut-tre en partie
responsable, mme si, ironiquement, ses
mathmatiques ont trouv de nombreuses
applications aux quations aux drives partielles rsultant des sciences de la matire.
En France, lcole Bourbaki a adopt dans
ses traits (souvent prcieux) une approche

168 Mathmatiques, lexplosion continue

pure sans compromis, distanciant systmatiquement les mathmatiques fondamentales des applications. Quand jtais tudiant en doctorat dans les annes 1960 et
au dbut des annes 1970, jai certainement
ressenti en Grande-Bretagne que la majorit des mathmaticiens appliqus naccordaient pas aux thormes une grande valeur
(et inversement, les spcialistes de mathmatiques dites pures ne sintressaient
gure aux applications). Cest pourquoi, si
les travaux de Lions et dautres analystes
appliqus ont t une source dinspiration
mathmatique, ils mont aussi apport
le rconfort psychologique de savoir quil
ny avait pas lieu dopposer bonnes mathmatiques appliques et raisonnements
rigoureux!

F.A.Q.
(et ides reues) sur
les mathmaticiens
Quels sont les dbouchs des cursus de mathmatiques? Comment devient-on
mathmaticien(ne)? En quoi consiste ce mtier? Des professionnels, hommes
et femmes, rpondent ces questions et tordent le cou aux ides reues.

Quels mtiers peut-on exercer avec


un diplme de mathmatiques?
Edwige Godlewski,
responsable de la spcialit Ingnierie
mathmatique du Master de lUPMC:
Les secteurs o les jeunes forms en
mathmatiques trouvent une embauche
couvrent presque tous les domaines: automobile, aronautique, espace, nergie,
transport, tlcommunications, traitement
du signal, de limage, industrie pharmaceutique, secteur biomdical, gnie civil, environnement, logistique, banque, assurance,
prvision, media, etc. Le titre de lemploi
comporte souvent le terme ingnieur (si
cest au niveau master), ou analyste, charg
dtudes, etc. Cela peut tre statisticien,

trs rarement mathmaticien. Le contenu


du travail est lui aussi vari, lutilisation des
comptences en mathmatiques pouvant
rester trs majoritaire (mtiers ncessitant une expertise technique pointue, en
mthodes statistiques ou numriques par
exemple) ou se limiter, parfois ds le dbut,
aux qualits transverses traditionnellement
attendues de la discipline
: abstraction,
rigueur, esprit danalyse, etc.
Dune faon gnrale, la demande de
jeunes forms aux mthodes statistiques
est trs importante, et les applications
sont plutt bien connues (actuariat, biostatistique, statistique industrielle, tudes
de marketing, prvision de consommation, sondages, pidmiologie, etc.). Mais
il existe aussi de rels dbouchs pour les

F.A.Q. (et ides reues) sur les mathmaticiens 169

masters formant dans tous les domaines


des mathmatiques appliques, condition
que la formation comporte un minimum de
matrise des outils informatique et logiciel,
et que les jeunes diplms y apprennent
apprhender des questions du point de vue
de lentreprise, sans tre enferms dans
lide de ne pouvoir appliquer que des thormes. Un stage en entreprise en fin de cursus reprsente enfin une tape quasi indispensable. Une fois ces conditions runies,
les responsables de formations de masters
type Ingnierie mathmatique constatent
que leurs tudiants, sils manifestent un
certain dynamisme, vont trouver assez rapidement un emploi intressant et que leur
formation leur permettra soit de rester dans
un domaine dexpertise scientifique, soit
dvoluer vers la conduite de projets ou vers
dautres postes.

de nouveaux modles mathmatiques, de


nouvelles mthodes danalyse, de calcul,
destimation statistique. Avec un diplme
Bac+5 ou Bac+2, +3, on demandera de
savoir utiliser les mathmatiques au travers
de logiciels ou de mthodes dj dveloppes par des chercheurs et surtout de
savoir choisir la mthode ou le modle le
plus adapt la problmatique sur laquelle
on travaille.

Facult de Jussieu

Faut-il aller jusquau doctorat pour


faire un mtier qui utilise
des mathmatiques?
Adeline Samson,
responsable de la licence professionnelle
Statistique et Informatique dcisionnelle
pour la Sant, de lIUT Paris Descartes:
Non! Cest la richesse des dbouchs en
mathmatiques. Des mtiers qui utilisent
des mathmatiques sont accessibles avec
un master, un diplme dingnieur, mais
aussi un DUT ou une licence professionnelle. La diffrence entre ces mtiers et
ceux accessibles aprs un doctorat est dans
la faon dutiliser les mathmatiques. Un
docteur sera amen dvelopper, inventer

170 Mathmatiques, lexplosion continue

En quoi consiste le mtier


de chercheur en maths? O travaillent
les chercheurs? Que font-ils?
Cdric Villani,
professeur lUniversit Claude Bernard
Lyon 1 et directeur de lInstitut Henri Poincar (CNRS/UPMC):
Dans les universits, dans les instituts de
recherche et les centres de rencontres scientifiques, les chercheurs mathmaticiens travaillent dvelopper des thories mathmatiques et transmettre leur savoir. Cest ainsi
que de nouveaux thormes continuent

natre, plus maintenant que jamais. On


estime le nombre de nouveaux thormes,
chaque anne, entre 100000 et un million!
Cette naissance nest pas un processus
simple : elle est faite dessais et derreurs,
de rencontres et de discussions, de travail
patient et dclairs, dinspiration glane on
ne sait o. Les outils de travail: papier et
crayon bien sr; ordinateur, soit pour effectuer des calculs soit pour communiquer; de
la documentation, il en faut toujours; des
changes, des changes et des changes.
Les chercheurs ont une conscience aigu de
former une communaut pleinement internationale. Ils voyagent sans cesse travers
le monde pour donner des exposs dans lesquels ils voquent leurs dcouvertes, leurs
problmes, leurs espoirs.

Y a-t-il encore des choses trouver


en maths?
Filippo Santambrogio,
professeur lUniversit Paris-Sud:
Bien sr! Et les questions quon se pose
sont de nature trs varie. Dune part il
y en a de trs dures qui tranent depuis
des sicles. Certaines sont dailleurs trs
simples raconter: par exemple, la conjecture de Goldbach (prouver que tout nombre
pair suprieur 2 peut scrire comme la
somme de deux nombres premiers: elle est
vraie pour tous les nombres que les ordinateurs ont tests, mais personne ne sait
prouver quelle lest toujours!).
Dautre part, il y a les questions issues des
applications. Quand on sest mis, avec mon

collgue Bertrand Maury, tudier des


modles de mouvement de foules, on a vu
quon avait besoin de prendre la limite dune
relation non linaire entre pression et densit: a se raconte beaucoup moins bien
que Goldbach, et on ne laurait jamais trouv
intressant sans en voir lapplication mais
cest comme a que la plupart des mathmatiques se font: on tudie ce dont on a
besoin, sans savoir lavance quon le fera !

Faut-il tre un gnie pour devenir


mathmaticien?
Daprs Terence Tao, lun des meilleurs
mathmaticiens actuels (laurat de la
mdaille Fields en 2006): La rponse est
non, absolument pas. Apporter des contributions belles et utiles aux mathmatiques
ncessite de beaucoup travailler, de se spcialiser dans un domaine, dapprendre des
choses dans dautres domaines, de poser
des questions, de parler aux autres mathmaticiens, et de rflchir aux grandes lignes
du paysage mathmatique considr. Et oui
bien sr, une intelligence raisonnable, de la
patience, de la maturit sont aussi ncessaires. Mais en aucun cas on aurait besoin
de possder une sorte de gne magique du
gnie mathmatique ou dautres superpouvoirs, qui inspireraient spontanment, et
partir de rien, des ides profondes ou des
solutions totalement inattendues des problmes.
Par ailleurs, rien quen France, environ 4000
mathmaticiens travaillent dans les laboratoires de recherche des universits, sans
compter tous les mathmaticiens travaillant

F.A.Q. (et ides reues) sur les mathmaticiens 171

dans lindustrie tous ne sont certainement pas des gnies!

mais attention, on peut attraper le virus, et


continuer la recherche!

En quoi consiste un doctorat en maths?

Peut-on travailler dans lindustrie avec


un diplme de mathmatiques?

Amlie Rambaud,
thse lInstitut Camille Jordan sous
la direction de Francis Filbet:
Trois ans, a parat long, mais cest ce quil
faut ! Pour explorer, se familiariser avec
le monde de la recherche (en maths jentends!). Il sagit de sattaquer un problme
ouvert de mathmatiques propos par un
directeur, mais qui peut conduire en cours
de route dautres pistes, si par exemple
le sujet initial soulve des questions semblant plus pertinentes. En fait, cest assez
subjectif, instinctif. Dans une thse, il y a
souvent des moments o lon est perdu,
bloqu dans des calculs par exemple Ce
brouillard peut durer
! Mais en persvrant, en travaillant, il arrive un moment de
dblocage, et on accouche dun rsultat,
cest limpression que jai du moins ! Puis
vient une phase de rdaction, de dfense
de son rsultat devant dautres chercheurs.
Cest un exercice difficile et en anglais,
mais trs intressant, qui permet de resituer son travail dans son contexte, le mettre
en perspective, bref, lui trouver sa place
dans le foisonnement des publications de
mathmatiques. Lorsque lon a termin, on
en retire une grande satisfaction: voir son
travail publi est un accomplissement, motivant pour poursuivre ses recherches! Ainsi,
je dirais que faire une thse, cest mettre un
pied dans lunivers fou de la recherche. Quel
quen soit le rsultat, cest enrichissant,

172 Lexplosion des Mathmatiques

Marc Bernot,
ingnieur de recherche chez Thales Alenia
Space, Cannes:
Absolument
! Jai rejoint le service de
recherche de Thales Alenia Space (une
entreprise qui fabrique des satellites de
toute sorte) il y a quatre ans. Je travaille sur
la qualit optique des tlescopes, ce qui me
met en contact avec des collgues aux profils varis (opticiens, mcaniciens). Cette
diversit sest rvle trs stimulante aprs
une formation 100% mathmatiques (cole
normale suprieure, agrgation, M2, doctorat) sans passer par une cole dingnieur.
Mais que font les mathmatiques l-dedans, si la modlisation dun tlescope se
base sur la physique? Eh bien cest que
souvent, la seule connaissance du modle
ne suffit pas Une tape importante est
la modlisation numrique, et sa mise en
uvre rapide et prcise ouvre un monde de
questionnement. Les techniques ne sont
pas toujours les plus complexes que jai
vues lors de ma formation: cest le cadre
dapplication qui est complexe et multi
mtier. Pourtant ma formation (mme la
thorie de Galois, dont je ne me sers plus
du tout) est essentielle: cest grce elle
que je ne ressens pas deffroi face la technicit, mais un dsir de clarifier et trouver
lessentiel.

Sbastien Marque,
directeur du dpartement Biomtrie
de Danone Research:

Jaime les mathmatiques


et japprcie vraiment le travail
en groupe, est-ce compatible?

Oui! Pour ma part, je suis titulaire dune


matrise de mathmatiques appliques et
dun doctorat de biostatistique. Sur la vingtaine de personnes qui travaillent dans mon
dpartement, les deux tiers sont titulaires
dun master professionnel du domaine de la
statistique ou biostatistique. La plupart des
autres sont des data managers, mtier que
lon peut exercer des niveaux et avec des
diplmes varis : aprs un diplme bac
+2 (DUT STID, diplme de mathmatiques
professionnalisant), bac +3 (licence professionnelle) et aussi avec des diplmes plus
proches de linformatique voire mme de la
chimiomtrie.

Travail en solitaire ou en groupe, ceci


dpend avant tout de la personnalit de
chaque chercheur. On fait toujours normment de rencontres dans les mtiers de la
recherche, et le brassage et les changes
dides ont une importance cruciale dans le
dveloppement de la recherche en mathmatiques. Les meilleures ides peuvent
aussi bien venir dune discussion anime
aprs le repas, que de lisolement dune nuit
blanche. Le travail, mme individuel, nest
de toute faon jamais isol ne serait-ce
quau travers des communications lectroniques et des avances qui se construisent
les unes partir des autres

En plus des comptences techniques en


mathmatique/statistique obtenues par leur
diplme, jattends des personnes qui travaillent dans mon quipe une grande ouverture desprit. Ce sont elles qui font les ponts
en traduisant la question scientifique (de
nature biologique ou pidmiologique trs
souvent) en un problme statistique et qui,
une fois celui-ci rsolu, doivent nouveau
faire un pont en communiquant leurs rsultats de manire didactique afin de sassurer
que les messages seront bien compris et
utiliss. Et puis bien sr, le monde volue
vite, elles doivent sans cesse se renouveler et sadapter, tant sur lorganisation des
entreprises que dans le domaine mathmatique et statistique.

La recherche en mathmatiques est-elle


compatible avec une vie de famille?
Fabienne Castell,
professeur dUniversit Aix-Marseille,
trois enfants:
Cela doit tre compatible puisque de fait, je
suis la fois mre de famille et mathmati-

F.A.Q. (et ides reues) sur les mathmaticiens 173

cienne, mais il est difficile pour moi de juger


de lintrieur de la qualit de ma propre vie
de famille! Ce que je peux dire, cest que
je nai pas limpression que les maths aient
brim ma vie familiale, en tous les cas
ni plus ni moins que beaucoup dautres
mtiers que jaurais pu exercer. Que lon
soit homme ou femme, il y a toujours un
quilibre trouver entre vie de famille et
vie professionnelle, et cette question nest
pas spcifique aux mathmaticien(ne)s. Par
exemple, je nai pas calcul ou organis ma
vie personnelle (je pense essentiellement
la naissance de mes enfants) par rapport
aux grandes tapes de mon mtier. Je me
dplace srement moins que des personnes
qui nont pas de famille, et si cela a certainement un impact sur ma carrire, il nest pas
si important. Mon travail est prenant et mes
enfants le savent et sont habitus. Ce qui
est spcifique dans ce mtier est que cest
un travail de cration et que parfois, mme
de retour la maison, jai lesprit proccup
par mes recherches et jai du mal penser
autre chose.

Je narrive pas me dcider entre


les maths et la biologie: pourrai-je
faire de la biologie si je suis un cursus
en maths?
Hlne Morlon,
chercheuse en biologie au Centre de Mathmatiques Appliques de lcole polytechnique:
Oui, tout fait. De plus en plus de domaines
de la biologie sappuient sur des modles, et
les personnes ayant de fortes comptences

174 Mathmatiques, lexplosion continue

en maths et un intrt pour la biologie sont


recherches. Une bonne approche peut tre
de favoriser, en parallle aux maths pures
ou appliques, les formations en statistique,
en analyse numrique, en programmation
et en biologie bien entendu! Passionne
de biologie mais aimant aussi beaucoup
les maths, jai choisi un cursus en maths
aprs le bac pour me laisser un maximum
douverture. Aprs une prpa en maths et
des tudes lcole normale suprieure de
Cachan (dont le passage de lagrgation de
maths), jai pu intgrer un master dcologie et commencer une reconversion vers la
biologie. Cest dfinitivement un challenge,
mais linterdisciplinarit est de plus en plus
valorise. Le challenge en vaut la peine,
puisquil permet de concilier plusieurs passions! Plusieurs de mes collgues ont suivi
un parcours similaire, et je ne pense pas
quaucun regrette.

Peut-on crer son entreprise quand


on est mathmaticien?

Comment gagne-t-on sa vie dans


les mtiers des mathmatiques?

Stphane Mallat,
professeur lcole normale suprieure
et crateur de lentreprise Let it Wave:

Cela dpend videmment beaucoup du


domaine dexercice Les salaires dembauche des jeunes diplms de mathmatiques se dirigeant vers la finance sont certainement attractifs, mme si une part de
mystre (voire de fantasme) est entretenu
sur le niveau rel des rmunrations dans
le domaine. Par comparaison, les carrires
dans le public (enseignement luniversit,
recherche publique) sont bien sr moins
rmunratrices. Dun extrme lautre, les
revenus semblent au final trs varis, de
lenseignement la banque en passant par
la recherche industrielle ou lenvironnement
et la sant

Clairement oui, et de nombreux mathmaticiens lont fait avec succs aussi bien en
France qu ltranger, et surtout aux tatsUnis. Les mathmatiques sont une source
extraordinaire dinnovation technologique
permettant de mettre au point de nouveaux
produits et damliorer les processus industriels. Cest le cas en informatique, dans
les tlcommunications, laronautique,
la sant et dans la plupart des domaines
industriels.
Le mtier denseignant-chercheur est une
excellente formation pour devenir entrepreneur, contrairement beaucoup dides
reues. Crer une entreprise est aussi un
projet de recherche. On part dune premire
ide pour aborder la recherche du march,
de limplmentation technologique et crer
une quipe, avec beaucoup de surprises et
de tournants en chemin. Lexprience denseignant aide expliquer et convaincre de la
valeur de ses ides.
Il nest pas ncessaire de connatre la
finance, le commerce, le marketing ou le
management, mais simplement davoir envie
dapprendre, pour dcouvrir de nouveaux
horizons. Cest ainsi que je lai vcu.

F.A.Q. (et ides reues) sur les mathmaticiens 175

Mais quoi a sert ? Cette question, les collgiens la posent souvent leur
professeur de mathmatiques. Elle est bien sr lgitime pour des lves, mais
lest tout autant pour des tudiants et des adultes, quils exercent ou non une
activit lie la science, et encore plus pour des adultes investis de responsabilits collectives.
En effet, mme si de tout temps, les mathmatiques ont t lies de multiples activits : administratives, techniques, scientifiques ou culturelles, on assiste depuis une quarantaine dannes une explosion continue du nombre de
domaines dans lesquels la recherche mathmatique la plus avance se rvle
indispensable.
De la cryptographie au traitement dimages, de la comprhension du climat
celle de la biodiversit, de la lutte contre les spams au fonctionnement des moteurs de recherche, de la dtection des maladies gntiques la prvention
des AVC, de lunivers acadmique celui des entreprises, les applications des
mathmatiques ne se comptent plus et couvrent un large spectre de plus en
plus tendu. Inversement, de faon concomitante, les questions poses par le
dveloppement de la technologie, de la biologie ou de la gestion des donnes
massives pour ne citer que ceux-l suscitent la cration et le dveloppement
de nouvelles thories mathmatiques.

Socit Franaise
de Statistique
Socit de Mathmatiques
Appliques et Industrielles
Socit Mathmatique
de France
Fondation Sciences
Mathmatiques de Paris
ISBN 978-2-85629-375-1

9 782856 293751

Couverture : CPM cole polytechnique - photo : Thinkstock 2013

Parmi les vingt-quatre articles de cet ouvrage, trois proviennent de lExplosion


des mathmatiques dite en 2002 ; les autres sont des textes originaux. Tous
illustrent lubiquit toujours croissante des mathmatiques dans le monde daujourdhui. Le point de vue du mathmaticien anglais John Ball sur lcole mathmatique franaise et quelques questions-rponses pour mettre jour les ides
reues sur le mtier de mathmaticien compltent aimablement louvrage.