Cédric Févotte : Améliorer la décomposition de données pour en extraire davantage d'informations

De la séparation de sources musicales aux systèmes de recommandation en passant par l’imagerie médicale ou la télédétection, les sujets de recherche qui jalonnent le parcours de Cédric Févotte depuis le début des années 2000 surprennent, de prime abord, par leur éclectisme. Chacune de ces thématiques est toutefois abordée par le chercheur sous le même angle de la décomposition de données à partir de la factorisation de matrices. « La démarche consiste à exprimer des données observées comme une somme de composantes élémentaires qui permettent ensuite de caractériser ou de traiter ces observations », souligne-t-il. Après des études d’ingénieur, Cédric Févotte intègre l’Institut de Recherche en Communications et Cybernétique de Nantes (IRCCYN devenu LS2N) où il soutient, en 2003, une thèse en traitement du signal encadrée par Christian Doncarli et au voisinage de Marie-Françoise Lucas : « tous deux m’ont transmis des valeurs scientifiques et humaines qui me guident encore aujourd’hui. » Une fois diplômé, il a très vite l’opportunité d'effectuer un post-doctorat à l’Université de Cambridge où il commence à s'intéresser au traitement des signaux audio.

De retour en France, Cédric Févotte se frotte au monde de l’entreprise en intégrant une start-up parisienne pionnière en séparation de sources musicales. Sa mission principale consiste à développer des outils méthodologiques pour l’édition musicale. Ces dispositifs servent par exemple à décomposer un enregistrement musical mono pour le convertir au format stéréo. Recruté en 2007 comme chargé de recherche CNRS au Laboratoire Traitement et Communication de l’Information (LTCI) de Télécom ParisTech où il poursuit ses travaux sur la décomposition de signaux audio, Cédric Févotte rejoint ensuite le Laboratoire Lagrange de Nice (CNRS/Observatoire de la Côte d'Azur/Université Nice Sophia Antipolis). « Bien que la musique a toujours occupé une place importante dans mon quotidien de chercheur, j’avais alors à cœur d’explorer de nouveaux problèmes », se souvient le scientifique.

Mettant à profit ses compétences en traitement statistique du signal et en apprentissage automatique, il développe de nouvelles activités en analyse d’images satellitaires hyperspectrales, en collaboration avec Nicolas Dobigeon de l’IRIT. Promu directeur de recherche CNRS en 2015, Cédric Févotte rejoint l’IRIT l’année suivante après avoir obtenu la prestigieuse bourse Consolidator Grant du Conseil européen de la recherche (ERC) pour le projet Factory dont il assure la coordination. Le scientifique a construit ce programme de recherche au long cours, qui doit s’achever d’ici la fin de l’année, autour d’une équipe resserrée de cinq doctorants et post-doctorants, et de leurs co-encadrants. « L’ERC Factory vise à élaborer de nouveaux paradigmes de factorisation matricielle pour l’analyse et la fouille de données issues de différents champs disciplinaires », précise le directeur de recherche CNRS.

Pour analyser des données matricielles, c'est-à-dire qui peuvent être organisées et stockées dans un tableau, il est bien souvent nécessaire de les décomposer en deux sous-tableaux dénommés « facteurs ». « Les approches scientifiques existantes trouvent souvent leurs limitations dans l’utilisation d’hypothèses statistiques simplificatrices ou encore dans l’utilisation de pré-traitements des données », rappelle Cédric Févotte. En axant les investigations du projet Factory sur le développement de méthodes d’analyse reposant sur de nouveaux modèles et solutions d’optimisation, le chercheur a plus largement obtenu des résultats prometteurs en résolution de problèmes inverse (imagerie, reconstruction de phase), recommandation musicale et apprentissage de représentations (deep learning).