a la physique de l'information - Lisa - Université d'Angers

Méthode : Le cours de théorie de l’information de niveau master 2 dont j’ai la charge depuis
2000 me permet de développer une dynamique enseignement-recherche (via des activités pédagogiques
comme l’encadrement de projets, de stages ou la création d’études de cas). J’ai ainsi eu
l’occasion de publier des travaux au moyen de mesures informationnelles [6] au sens large comme
• des mesures d’imprévisibilité : entropie de Shannon[132, 84, 50];
• des indicateurs de mesurabilité comme l’information de Fisher [130, 118, 26, 27];
• des indices de similarité visuelle : SSIM [129];
• des mesures de complexité : information au sens de Rissanen [40] ou encore les outils de
l’analyse fractale [43, 28, 44] et multifractale [76];
• des analyses en échelle : décomposition empirique modale (EMD en anglais) [85] et aussi les
outils de l’analyse fractales et multifractales.
Ces mesures sont autant d’outils, que j’ai pour l’instant essentiellement appliquées en recherche
pour l’étude des effets de bruits utiles mais qui sont d’applicabilité large pour d’autres questions à
l’interface de la physique et des sciences de l’information. Ainsi, depuis 2007, je mène en parallèle
de la thématique sur la résonance stochastique des travaux liés à la question de l’analyse des
signaux et des images à travers les échelles. Je présente une synthèse de ces travaux dans la
section 1 de ce chapitre.
Au plan applicatif, je considère spécifiquement les domaines des sciences du vivant avec les domaines
du biomédical (depuis 2007) et du biovégétal (depuis 2009), des domaines clés d’application
des STIC, où les sciences de l’information jouent un rôle d’une importance grandissante. Je
décris dans la section 2 de ce chapitre une vue d’ensemble des perspectives que je développe
actuellement dans cette direction.
4.2 Analyse en échelle
Grâce aux progrès dans tous les domaines de la technique, il est aujourd’hui possible d’observer
notre environnement à travers les échelles. Les satellites et leurs systèmes embarqués d’imagerie
(visible, infrarouge, multi ou hyperspectral) à haute résolution permettraient dit-on de suivre un
individu dans ses déplacements. Les microscopes à sondes locales (champ proche, AFM, STM)
grâce à la précision micro voire nanométrique des actionneurs sont capables de nous donner à
voir, à même résolution, des objets allant de quelques nm à quelques mm. De même en médecine,
des scanners à haute résolution permettent, comme on peut le voir sur la Fig. 4.1, d’acquérir
à la résolution maximale permise par le capteur imageur, des tissus occupant la totalité de
la surface d’une lame de microscope. Les volumes importants des images produites par ces
systèmes nouveaux (imagerie satellite, microscopes à sonde locale, scanner haute résolution)
posent question : Avons-nous besoin de toutes ces données ? Pour une tâche définie de traitement
de l’information, quelle est l’échelle optimale d’observation ? Supposons, à la manière d’une
étude de cas, que l’on souhaite quantifier la surface de tissus pathologiques dans les images de la
Fig. 4.1. Il est fort probable que le résultat de la quantification dépende de l’échelle d’observation.
On observe sur la frise de la Fig. 4.1 que l’ambiguïté à classer le tissus dans une classe ou une
autre évolue en fonction de l’échelle d’observation. Si on regarde de trop loin, le contour entre
les deux classes risque d’être trop grossier, si on regarde de trop près il se peut que l’on ait du
mal à distinguer la frontière entre les deux classes. Les performances d’un algorithme d’aide au
diagnostic sont habituellement comparées à une vérité terrain réalisée par un expert. La question
de l’échelle optimale s’exprime en terme de temps à passer pour l’expert, et en terme de temps
de calcul pour l’algorithme. Enfin, il se peut que la notion même d’information dépende de
41/197