Du chiffre aux applications, les mathématiques à notre service

Les nouvelles technologies, aux nombreux enjeux sociétaux, ne font plus partie d’un rêve mais bel et bien d’une réalité. Nous vivons dans un monde numérique et connecté dans lequel l’innovation devient un moteur pour la recherche et l’éducation.

Ces avancées technologiques dynamisent fortement les travaux de recherche en science appliquée et théorique, qui eux-mêmes nourrissent et encouragent notre monde moderne. Par exemple, la possibilité de zoomer une image volumineuse sur un Smartphone sans pertes d’informations utilise des algorithmes de compression très complexes et puissants à base d’ondelettes, outils mathématiques sophistiqués, qui sont énormément utilisés dans les nombreux champs d’applications liés au traitement du signal. Si pour beaucoup les mathématiques restent un mystère, elles sont et resteront la clé de voûte de l’innovation et du développement économique. Il est important de rappeler que de nombreux problèmes issus de la biologie, de la santé, de l’énergie, de l’écologie, des transports, de la finance sont décrits par des modèles mathématiques, sans cesse améliorés pour répondre aux besoins des entreprises et industriels.

Le développement des mathématiques financières dans les années 80 a permis un important développement des méthodes quantitatives à la fois dans la recherche et l’industrie financière. Celui-ci demande l’utilisation de techniques de pointe sur les plans théorique et appliqué, en particulier quant à la quantification des risques de manière dynamique et l’évaluation des produits financiers modernes.
La compréhension et la maîtrise de ces différents enjeux du monde financier nécessitent la maîtrise de compétences transverses telles que mathématiques de haut niveau, statistiques, informatique, économie, management…

C’est pourquoi de nombreuses écoles s’adaptent à l’évolution fulgurante des techniques de modélisation des marchés et proposent des formations spécifiques aux besoins formant ainsi de futurs ingénieurs financiers ou chercheurs pouvant collaborer avec l’industrie bancaire.
L’objectif pédagogique essentiel est de donner un sens aux concepts mathématiques enseignés en montrant leur utilisation dans des situations concrètes.

Pour cela, certaines écoles d’ingénieurs, comme l’ESILV (Ecole Supérieure d’Ingénieurs Léonard de Vinci) investissent dans des salles de marchés équipées de terminaux Bloomberg, par lesquels les étudiants sont directement connectés à la réalité des marchés.
Cela leur permet d’accéder à des données réalistes, de mettre en place des stratégies d’optimisation de portefeuille, de valorisation d’une option et de gestion des risques. Cette possibilité d’expérimenter, habituellement réservée aux autres disciplines, est motivante et permet de passer de la conceptualisation d’un problème mathématique financier à la mise en œuvre informatique sur des exemples concrets et permettant ainsi de vérifier la véracité d’un modèle et aussi de tester les performances des algorithmes utilisés. Ceci est d’autant plus enrichissant dans le sens où cela forme nos jeunes étudiants à rentrer naturellement dans une démarche de projet, d’auto-évaluation et de « learning by doing ». Cet outil pédagogique donne aussi un aperçu de l’explosion de la masse de données qu’ont à traiter les entreprises. Ceci est le signe d’une importante transformation économique. Cette explosion de données a maintenant un nom : le Big Data.

L’intérêt pour le Big Data s’est largement développé avec l’effervescence que suscite le monde de l’internet et des réseaux sociaux et il s’est propagé comme une trainée de poudre au sein de différents domaines comme la santé, la ville intelligente, le trading haute fréquence, le tourisme, la cyber-conflictualité et bien d’autres…

Malgré la croissance quasi-exponentielle des performances des ordinateurs, la grande difficulté liée au Big Data réside dans l’analyse et la vitesse de traitement de données massives, c’est-à-dire leur transformation en connaissances, en innovations technologiques et en valeurs commerciales. De nouveaux challenges technologiques et économiques génèrent de nouvelles stratégies industrielles et de nouveaux métiers comme le data-scientist.

Le data-scientist doit s’appuyer naturellement sur des compétences de haut niveau en mathématiques et informatique, en apprentissage statistique et doit maitriser les méthodes d’analyse complexes des données de grande dimension. On y retrouve ici le besoin de puissance du calcul numérique utilisé habituellement pour décrire des modèles aéronautiques, météorologiques ou encore biologiques.
La révolution numérique est en marche et elle sera sans aucun doute un tournant de l’histoire.

Radoin Belaouar
Enseignant-chercheur en mathématiques appliquées à l’ESILV