Comment un ordinateur peut-il reconnaître un visage flou ou comprendre une voix dans le bruit ? Stéphane Mallat a trouvé la réponse grâce à la théorie des ondelettes, ouvrant la voie aux IA modernes que nous utilisons tous.
Portrait
Stéphane Mallet est un chercheur français au parcours impressionnant. Dès ses premières recherches, il a été fasciné par les signaux : qu’il s’agisse de sons, d’images ou de données numériques, il voyait en eux une structure qu’on pouvait “lire” et exploiter. Son travail lui a valu la médaille d’or du CNRS 2025, l’une des distinctions scientifiques les plus prestigieuses en France, récompensant ses découvertes qui ont véritablement changé la manière dont on traite l’information.
Une avancée majeure pour l’IA
Avant Stéphane Mallat, l’intelligence artificielle avait du mal à “comprendre” les signaux complexes du monde réel. Les images étaient floues, les sons brouillés, et les ordinateurs peinaient à extraire de l’information utile. Mallat a eu une intuition : pour que les machines comprennent le monde, il fallait leur apprendre à détecter les détails et les variations à toutes les échelles, un peu comme un microscope qui peut zoomer du grain de sable à la planète entière.
C’est cette vision qui a conduit à la naissance d’outils mathématiques puissants : les ondelettes.
La théorie des ondelettes
Imaginez que vous regardez un paysage. À distance, vous voyez la forêt dans son ensemble. En vous rapprochant, vous distinguez les arbres. Puis, encore plus près, les feuilles. Les ondelettes fonctionnent un peu comme ce zoom progressif sur le monde : elles permettent à un ordinateur de décortiquer un signal à plusieurs niveaux, du plus global au plus détaillé.
Dans un langage plus “expert” : la transformée en ondelettes permet de projeter un signal dans un espace multi-échelle, où chaque coefficient capture des variations locales dans le temps ou l’espace. Cette représentation s’avère essentielle pour les réseaux de neurones, car elle fournit des caractéristiques structurées et hiérarchiques qui améliorent l’apprentissage automatique, réduisent le bruit et accélèrent la convergence. En somme, sans cette rigueur mathématique, beaucoup d’algorithmes d’IA modernes seraient beaucoup moins efficaces pour analyser des images, du son ou des séries temporelles complexes.
Grâce à cette théorie, l’intelligence artificielle a fait un bond en avant. Les ondelettes ont permis de :
-
Améliorer la reconnaissance d’images : Les machines peuvent maintenant identifier objets et visages même dans des photos floues ou bruyantes.
-
Traiter les signaux sonores : De la voix humaine à la musique, l’IA peut analyser et comprendre des sons complexes.
-
Compression et stockage : Les ondelettes permettent de compresser les images et vidéos sans perdre les détails importants, ce qui a révolutionné le streaming et la communication.
Illustration de la scattering transform. [Mallat12] Source : CNRS
Pour en savoir plus sur la théorie
En bref, les mathématiques de Mallat ont transformé la manière dont les machines “voient” et “entendent” le monde, et c’est exactement ce qui permet aujourd’hui à des technologies comme ChatGPT, les générateurs d’images et la reconnaissance vocale de fonctionner avec une précision impressionnante.
Pour aller plus loin :
L’émission de France Culture : Stéphane Mallat : un pionnier des mathématiques appliquée
