Quand les mathématiques permettent d’optimiser les approches expérimentales

Aujourd’hui, l’apprentissage automatique (ou machine learning) s’impose comme un outil incontournable dans le domaine des mathématiques appliquées pour concevoir des méthodes de traitement de données capables de résoudre des problèmes complexes. Les modèles statistiques sont entraînés sur des données générées afin de prédire de nouveaux cas. Mais une question essentielle demeure : quelles sont les données les plus pertinentes à produire ?

Car si l’ère du « big data » permet d’accumuler des informations en masse, générer des données coûte du temps, de l’énergie et des ressources. C’est notamment le cas dans le domaine de la formulation cosmétique, où la mise au point de nouveaux produits nécessite souvent de nombreux essais expérimentaux.

C’est dans ce contexte que s’inscrit la thèse de Clara Guilhaumon, menée en collaboration entre l’École de Biologie Industrielle (EBI) et l’ENSAM – Arts et Métiers. Son objectif : développer des méthodes automatiques et efficaces de génération intelligente de données, capables de sélectionner un petit nombre d’expériences judicieusement choisies, mais suffisantes pour entraîner un modèle statistique fiable.

Les approches développées dans le cadre de cette thèse sont testées sur plusieurs cas d’étude :

• En mécanique, domaine d’expertise des Arts et Métiers,
• et en formulation cosmétique, domaine de prédilection de l’EBI.

Dans ce dernier exemple, l’objectif était de concevoir une nouvelle crème de soin possédant une texture spécifique, dépendant à la fois des ingrédients utilisés (types et concentration) et des paramètres du procédé de fabrication (température, vitesse de mélange, etc.). Plutôt que de multiplier les essais, toujours chronophages, l’équipe a appliqué les méthodes développées par Clara pour sélectionner un nombre réduit mais optimal de mélanges. À partir de ces données limitées, un modèle statistique a pu être entraîné, permettant ensuite de prédire avec précision la combinaison idéale d’ingrédients et de paramètres pour obtenir la texture souhaitée.

Cette nouvelle approche ouvre des perspectives prometteuses dans de nombreux domaines. En cosmétique, elle peut faciliter la création de produits personnalisés, et accélérer le développement de nouvelles formules. Dans le domaine de la santé, elle pourrait contribuer à la mise au point de traitements sur mesure, plus efficaces et mieux adaptés à chaque patient.

En plaçant les mathématiques appliquées au cœur de l’expérimentation, les travaux de Clara Guilhaumon illustrent parfaitement la manière dont la recherche interdisciplinaire peut transformer les pratiques scientifiques — en les rendant plus précises, plus rapides, et plus responsables.

Accédez à l’article
Vos contacts : Clara Guilhaumon, clara.guilhaumon@ensam.eu; Marc Lavarde, Professeur de Mathématiques Appliquées, Responsable de l’Axe de Recherche Galénique m.lavarde@ebi-edu.com