| L’événement w 8 cnrs I LE JOUNR AL grands dictionnaires de fonctions mathématiques et développé des algorithmes capables de choisir les bonnes structures. Ces outils sont aujourd’hui utilisés dans de nombreux domaines comme la reconnaissance d’images ou l’apprentissage automatique. C’est à mon retour en France, à l’École polytechnique, que nous avons voulu, avec Erwan Le Pennec, appliquer concrètement cette idée aux sons et aux images. Pour cela, nous avons construit des dictionnaires de bandelettes, des fonctions mathématiques susceptibles d’épouser leur géométrie. À la fin de sa thèse, nous avions la conviction qu’il y avait là un vrai potentiel pour l’industrie. Grâce au concours de deux anciens élèves de thèse, Christophe Bernard et Jérôme Kalifa, nous avons alors créé la société Let It Wave en 2001. le monde de l’industrie conquis Cette nouvelle aventure débuta avec la compression de photos d’identité pour les passeports ou les cartes d’identité. Mais l’innovation principale arriva en 2003 quand les écrans de télévision haute définition ont commencé à déferler sur le marché, alors que les programmes télé étaient diffusés en basse définition. La beauté des maths, c’est que les outils peuvent se transposer dans des contextes totalement différents. Ainsi, la parcimonie qui nous permettait de compresser les images allait nous permettre d’augmenter leur résolution en restaurant les détails manquants. Let It Wave s’est alors lancée dans la conception de puces électroniques incorporées dans les téléviseurs pour améliorer la qualité des images. En deux ans, nos dictionnaires de bandelettes ont fait la différence sur ce marché très concurrentiel de l’électronique grand public. La médaille de l’innovation souligne la passerelle existant entre la recherche fondamentale et l’innovation. À travers ce voyage dans le monde des start-up, j’ai pu réaliser à quel point cet univers est proche de celui de la recherche : on navigue dans le brouillard avec une équipe, une vision, une forte concurrence internationale, et surtout avec le plaisir de la création. Avec un peu d’optimisme et de chance, je crois que, le plus souvent, on arrive à bon port. Stéphane Mallat crée des outils pour le traitement d’images À voir sur le journal en ligne : le portrait vidéo et le reportage photo. E n mathématiques, bien représenter, c’est déjà commencer à comprendre. Les données, les sons ou les images peuvent être représentés de multiples façons, mais ce que l’on veut, c’est concentrer et révéler au mieux l’information. Lors de ma thèse à l’université de Pennsylvanie, j’ai découvert par hasard les travaux d’Yves Meyer sur des fonctions mathématiques appelées ondelettes. Inspiré par les algorithmes des spécialistes du traitement de l’image, j’ai revisité les ondelettes en introduisant l’idée de zoom mathématique, pour naviguer d’une échelle à l’autre, et ainsi élaboré la théorie de la multirésolution. Ces idées ont conduit à une théorie générale permettant de construire des ondelettes et de les appliquer aux données numériques. Cela a même abouti à des représentations parcimonieuses : autrement dit, très peu d’ondelettes s’avéraient nécessaires pour restituer fidèlement des données. Ainsi, les ondelettes ont eu un impact profond sur la transmission, la restauration et la compression des images et des sons. Cela s’est traduit notamment par l’adoption, en 2000, du standard international Jpeg-2000. des dictionnaires pour les données À elles seules, les ondelettes sont un langage trop sommaire pour représenter efficacement des structures élaborées, comme les contours au sein d’une image. Pour exprimer de façon concise des signaux complexes, j’ai donc introduit la notion de © C. ANAYA-GAUTIER/CNRS Photothèque © C. ANAYA-GAUTIER/CNRS Photothèque son parcours Stéphane Mallat, 50 ans, est professeur de mathématiques appliquées au sein du département d’informatique de l’École normale supérieure de Paris1. De 1986 à 1996, il fait sa thèse aux États-Unis sur les ondelettes, avant de devenir professeur au Courant Institute of Mathematical Sciences de New York, puis de rentrer en France pour enseigner à l’École polytechnique. Ses travaux innovants sur la représentation d’images ont mené au standard international de compression Jpeg-2000 et à la création de la start-up Let It Wave. Dans ce cadre, Stéphane Mallat a déposé 10 brevets internationaux. En 2004, il a reçu le prix CNRS du chercheur le plus cité en sciences de l’ingénieur et, en 2007, le Grand Prix EADS de l’Académie des sciences. Aujourd’hui, il travaille sur une nouvelle théorie des invariants pour la reconnaissance de sons, d’images et de données. 1. Unité CNRS /ENS /Inria. Co ntact : Département d’informatique de l’École normale supérieure, Paris Stéphane Mallat > stephane.mallat@di.ens.fr
273
To see the actual publication please follow the link above