Mathématiques pour les sciences naturelles

Je conçois des modèles quantitatifs pour des systèmes qui ne tiennent pas en place : cultures, sols, bassins versants, écosystèmes. Ce travail se situe entre la physique et la statistique, et son rôle est de transformer des données de terrain en prédictions qu'un scientifique ou un agronome peut réellement défendre.

Parcours

J'ai une formation d'ingénieur civil, un postdoctorat en sciences agricoles, un passage comme professeur, et je modélise aujourd'hui pour une agence gouvernementale. L'ingénierie m'a appris à prendre les lois physiques au sérieux. Les sciences naturelles m'ont appris à quel point les systèmes réels leur obéissent rarement sans détour. L'essentiel de mon travail se joue dans cet écart : écologie numérique, modélisation des sols et de l'agriculture, hydrologie, géophysique des sciences de la Terre, avec quelques incursions du côté des données de santé.

Approche

J'emploie ce que le problème exige vraiment : des modèles mécanistes quand la physique est connue, la statistique et l'apprentissage automatique quand elle ne l'est pas, et le plus souvent les deux à la fois. Ce que je refuse, c'est de livrer une boîte noire. Une prédiction n'a de valeur que si l'on peut dire jusqu'où lui faire confiance ; l'incertitude calibrée et une validation qui résiste à l'examen font donc partie du travail, et non d'une note en bas de page.

Ce que je fais

Je travaille avec des institutions de recherche, l'industrie et des agences gouvernementales pour :

• Construire des modèles prédictifs (statistiques et apprentissage automatique) et les outils de décision qui les entourent
• Développer des modèles physiques mécanistes à incertitude calibrée
• Livrer des environnements de calcul reproductibles qui tiennent en production
• Apporter des méthodes quantitatives à l'agriculture, l'écologie, l'hydrologie et les sciences de la Terre

L'objectif est toujours le même : des réponses défendables à partir de données difficiles, dans des chaînes de traitement qui fonctionneront encore dans un an.

Philosophie

La bonne science a besoin de bons outils. Les systèmes complexes exigent une analyse sérieuse, mais une analyse qu'on ne peut ni lire ni vérifier ne mérite aucune confiance. Je m'appuie sur la reproductibilité et l'automatisation pour garder honnêtes et cohérentes les parties mécaniques, afin que le jugement humain aille là où il compte : décider de ce que les résultats veulent vraiment dire.