L’optimisation : au cœur des défis des sciences informatiques

L'optimisation, qu’est-ce que c’est ?

Optimiser, c'est trouver le meilleur choix parmi de nombreuses possibilités : par exemple, calculer le trajet le plus court de la maison au travail, organiser une production industrielle, concevoir les horaires des transports en commun, ou encore formuler des recommandations personnalisées. Le but des chercheurs et chercheuses dans cette discipline est de développer et étudier des algorithmes efficaces pour identifier les meilleurs choix dans une situation donnée.

Par exemple, le problème classique du plus court chemin est résolu par le célèbre algorithme de Dijkstra. Mais le trafic varie d'un jour à l'autre, d'une heure à l'autre : le chemin identifié comme le plus court est-il toujours le plus rapide si le trafic augmente ? On cherche des solutions dites robustes, c'est-à-dire qui restent bonnes même lorsque les conditions changent. La route la plus courte n'est pas forcément la plus écologique ou la plus agréable : des méthodes d'optimisation multi-critères permettent de prendre en compte plusieurs facteurs afin de trouver de meilleurs compromis. Et si une route passe par des voies privées ou en travaux, elle ne sera pas utilisable par tous. S'ajoute la contrainte de contourner ces rues : on parle d'optimisation sous contraintes.

En plus du développement d'algorithmes d'optimisation efficaces et de leurs applications dans l'industrie, les sciences et la société, la recherche scientifique s'intéresse aux fondamentaux de la discipline : peut-on garantir que les solutions proposées sont vraiment optimales, c'est-à-dire qu'il n'y a pas de meilleures solutions ? Comment la taille des données (nombre de chemins possibles) impacte-t-elle le temps de calcul ?

Pourquoi cette année autour de l'optimisation ?

Ce focus sur l'optimisation est l'occasion pour CNRS Sciences informatiques de favoriser le dialogue des sous-communautés, notamment autour de la diversité de méthodes existantes ; de mettre en valeur les fondements d’une discipline scientifique qui a de nombreuses applications ; de montrer l'excellence de la recherche française dans ce domaine.

Défis scientifiques

Au-delà de la diversité de leur approche et des applications de l'optimisation, les chercheurs et chercheuses de ce domaine s’intéressent à des défis scientifiques fondamentaux. En voici trois.

Passage à l'échelle
La modélisation d’un problème d’optimisation nécessite souvent de le simplifier afin de limiter le temps de calcul pour la recherche des solutions. Or la complexité des modèles augmente avec le nombre de contraintes à respecter et le nombre de décisions à prendre. Il est donc essentiel de développer des algorithmes plus efficaces qui tiennent compte de cette complexité.

L'optimisation pour et avec l'intelligence artificielle (IA)
Entraîner un modèle d’IA, par exemple un réseau de neurones, c'est résoudre un problème d'optimisation : minimiser la quantité d'erreur que commet le modèle. Le développement d’algorithmes d'optimisation permettant de réduire le temps de calcul nécessaire à l’entraînement des modèles est l'un des enjeux actuels du domaine.

À l’inverse, l’IA aide à résoudre les problèmes d'optimisation. En mélangeant approches d’optimisation et méthodes d’apprentissage, les développeurs et les développeuses cherchent à transférer des solutions d’un problème à l’autre ou à identifier l’algorithme adapté à chaque type de problème. Cette hybridation des méthodes permet d’intégrer les expériences passées dans la recherche de bonnes solutions pour la rendre plus efficace.

Vers des solutions flexibles et dynamiques
Constituer les emplois du temps des élèves est un exemple de problème d’optimisation. Il faut respecter la disponibilité et la capacité des salles, les préférences des professeurs, l’équilibre entre les matières, etc. Et même lorsque tous ces critères sont remplis, il n’est pas rare que les disponibilités du corps enseignant ou des salles changent. Des chercheurs et chercheuses développent donc des algorithmes dynamiques pour réagir à des contraintes évolutives et affiner (re-optimiser) une solution précédente. C’est particulièrement d’actualité dans un monde qui doit être plus réactif face à un flux d’information croissant.

Nos actions

Conférence : « L’optimisation, au cœur des défis des sciences informatiques »

Jeudi 3 octobre 2024 de 9h00 à 17h30
Auditorium Marie Curie, siège du CNRS (3 rue Michel-Ange, Paris 16^ème)
Tous publics

La conférence « L’optimisation, au cœur des défis de l’informatique », organisée par CNRS Sciences informatiques, est un moment d'échanges autour de l'optimisation. Elle a pour ambition de rassembler communauté scientifique, industriels, politiques et journalistes.

Avec : 

• Jérôme Bolte, professeur à l'Université Toulouse Capitole et membre de TSE-Recherche (TSE-R - CNRS/Inrae/Université Toulouse Capitole)
• Claire Mathieu, directrice de recherche CNRS à l'Institut de Recherche en Informatique Fondamentale (IRIF - CNRS/Université Paris Cité)
• Axel Parmentier, chercheur à l'École des Ponts ParisTech, membre du Centre d'enseignement et de recherche en mathématiques et calcul scientifique (CERMICS - École des Ponts ParisTech/Inria/Université Gustave Eiffel)
• Gabriel Peyré, directeur de recherche CNRS au Département de mathématiques et applications de l'ENS (DMA - CNRS/ENS-PSL)

Détails à venir

Journée scientifique autour de l’optimisation

Vendredi 4 octobre 2024 de 9h00 à 17h30
Salle Frédéric Joliot - Siège du CNRS (3 rue Michel-Ange, Paris 16^ème)
Pour les chercheuses et chercheurs des sous-communautés de l'optimisation

Le lendemain de la conférence tous publics « L’optimisation, au cœur des défis de l’informatique », cette journée scientifique rassemblera des membres des sous-communautés de l'optimisation, afin de développer les échanges et partager les méthodes.

Détails à venir

Mais encore...

• Journée industrielle en collaboration avec le GDR ROD (Recherche opérationnelle et décision)
  2 octobre 2024, Jussieu, Paris (à confirmer)

Conférences, workshops, séminaires en ligne, écoles d’été

Ressources