Adrien Saumard, enseignant-chercheur à l’ENSAI, obtient l’Habilitation à Diriger les Recherches
Le 5 octobre, Adrien Saumard s’est vu décerner l’HDR, plus haute qualification universitaire française. Le jury a reconnu unanimement la qualité de la production scientifique de l’enseignant-chercheur à l’ENSAI et au CREST ainsi que sa capacité à encadrer des travaux de doctorants.
Adrien Saumard a soutenu son mémoire d’HDR “Contributions to statistical learning and functional inequalities” devant un jury composé de Gilles Blanchard, Bernard Delyon et Jon A. Wellner ainsi que de Stéphane Boucheron, Gabor Lugosi et Sara van de Geer, par ailleurs rapporteurs.
Un panel de thèmes de recherche enrichi par les rencontres professionnelles
Originaire de Brest, Adrien Saumard est diplômé de l’ENS Cachan. Après sa thèse à Rennes 1, il a occupé des postes de chercheur post-doctoral à Paris, Seattle et Valparaiso avant de rejoindre l’ENSAI en 2015.
Ce parcours académique international a nourri ses thèmes de recherche, dont la variété a été saluée par le jury.
« J’aime acquérir de nouvelles connaissances en mathématiques. C’est un des moteurs de mon activité et cela donne plus de liberté pour appréhender les problèmes statistiques”.
Adrien Saumard aborde les statistiques non paramétriques et le machine learning via la sélection de modèles. Le sujet de sa thèse portait sur les questions d’optimalité en sélection de modèles.
Lors de son post-doctorat à Seattle, dans l’équipe de Jon A. Wellner, il s’est intéressé aux inégalités de concentration et aux inégalités fonctionnelles. Cette fois non pas pour les appliquer aux inégalités statistiques mais dans le but de comprendre leur fonctionnement en profondeur.
Au-delà de la sélection de modèles et du réglage des hyperparamètres des algorithmes, ses thématiques de recherche se sont enrichies de probabilités, de statistiques en grande dimension sous contrainte de confidentialité et de statistiques robustes.
Habilité à diriger des recherches
Adrien Saumard encadre actuellement deux doctorants à l’ENSAI, Amandine Dubois et Edouard Genetay.
Les travaux d’Amandine Dubois portent sur les statistiques en grande dimension sous contrainte de confidentialité. Cette notion particulièrement contemporaine, à l’heure où les GAFA considèrent la donnée comme le “nouvel or”, a connu de récentes avancées dans le domaine des mathématiques. Les acteurs économiques souhaitent exploiter la data sans compromettre la vie privée des utilisateurs, particulièrement en Europe où la réglementation à ce sujet est très stricte. L’apprentissage avec contrainte de confidentialité permet de bruiter les données sans nuire à la fiabilité des données.
Ces méthodes sont applicables à de nombreux domaines, telles que l’économie ou encore la santé, qui mobilise l’intelligence artificielle dans le cadre de traitements personnalisés.
Edouard Genetay se consacre au clustering robuste en grandes dimensions. Il réalise sa thèse au sein de l’entreprise LumenAI, dans le cadre du dispositif CIFRE.
Les statistiques en grande dimension et le clustering robuste sont des méthodes généralistes pouvant potentiellement s’appliquer à tous les domaines. L’utilisation du clustering robuste est récurrente, quelle que soit la nature des données.
Alors qu’il entame sa sixième année d’enseignant-chercheur à l’ENSAI, Adrien Saumard poursuit notamment deux objectifs : l’encadrement de doctorants et l’intensification des collaborations au sein de sa communauté de chercheurs.
En savoir plus sur Adrien Saumard et sur la recherche à l’ENSAI.