Section 07 Sciences de l'information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues

II. Traitement du signal

A. Les grandes avancées actuelles et les thèmes émergents

Les signaux numériques sont de plus en plus nombreux et de nature variée. Ainsi, la structure en réseaux de certaines données (réseaux de capteurs, de neurones, de gènes, d'ordinateurs, de transport ou même de contacts sociaux, etc.) est à l'origine du développement récent de divers modèles sur graphes, et amène à revisiter dans ce contexte des problématiques telles que l'analyse multiéchelle, l'inférence statistique, l'apprentissage ou l'optimisation. Des travaux du même type sont également en cours pour être en mesure de représenter et traiter des signaux sur des variétés. L'un des grands défis actuels est le traitement de très grands volumes de données qui nécessite de repenser les techniques d'estimation, de détection, de classification ou d'optimisation classiques. En particulier, les algorithmes standards d'échantillonnage stochastique de type Monte Carlo sont mis en difficulté par les grandes dimensions, et des solutions ont été trouvées par des techniques de proposition, de mutation ou de sélection. Ces avancées ont permis l'émergence des modèles Bayésiens non paramétriques, pour la classification non supervisée ou la séparation de sources par exemple. Le traitement efficace de grandes masses de données nécessite de concevoir de nouvelles méthodes d'apprentissage (de et sur dictionnaires, par renforcement, profond, etc.) qui visent à s'affranchir des modèles physiques. Les grandes dimensions conduisent également au développement de techniques basées sur la théorie des grandes matrices aléatoires. L'utilisation de la parcimonie est par ailleurs très populaire dans les problèmes de grandes tailles, et aboutit le plus souvent à la résolution de problèmes d'optimisation difficiles (non lisse, non convexe, combinatoire) qui font l'objet de nombreux travaux. Les algorithmes développés sont également étudiés dans des versions incrémentales (ou adaptatives) pour les mettre en œuvre dans le contexte des grandes masses de données. L'ensemble des problèmes inverses, omniprésents dans la conception de systèmes d'acquisition de signaux et d'images, bénéficie de ces avancées méthodologiques et algorithmiques (cf. section III). La variété des capteurs à disposition rend fondamental le développement de méthodes de fusion de données multimodales qui reste un enjeu majeur particulièrement pour des applications en imagerie satellitaire ou biomédicale.

Les nouveaux usages de l'informatique et des communications (nomadisme et informatique en réseau) requièrent l'ubiquité des ressources (calcul, données) afin d'en assurer l'exploitation sur des infrastructures hétérogènes. Ils nécessitent de coupler le traitement des mesures et la prise de décision, pour traiter complètement le problème de l'estimation et de la détection conjointes, en concevant des traitements multiples en parallèle (multi-processing) avec décision de type fusion ; ce qui entraînera aussi des conséquences sur l'adéquation avec l'architecture de traitement (architectures de traitement dites adaptatives et/ou « knowledge-based »). Ces nouveaux usages nécessiteront aussi le développement de techniques de traitement distribué de l'information prenant en compte la nature distribuée des données échangées au sein d'un réseau de télécommunications, qui influence très fortement les nouvelles orientations de la théorie de l'information et du codage. La complexité croissante des opérations réalisées au niveau des nœuds (possibilité de faire des calculs par opposition aux opérations classiques de relayage ou routage) et leur nature distribuée induisent de nouvelles interactions avec la théorie du contrôle, l'optimisation distribuée, la théorie de la complexité et l'apprentissage automatique. Beaucoup de problèmes de stockage distribué de sources et de codage réseau, avec ou sans contraintes de sécurité, peuvent bénéficier grandement de ces interactions.

Un enjeu majeur est le développement d'une architecture de réseau intelligente et flexible capable de comprendre les besoins des utilisateurs et de se reconfigurer dynamiquement en prenant en compte les contraintes d'énergie, de miniaturisation et de grande masse d'appareils hétérogènes. Parmi les thèmes émergents figurent les réseaux green, les réseaux auto-organisants, les réseaux denses (techniques de MIMO en réseau ou virtuelles), la virtualisation (stockage et du calcul distribué dans le réseau). La prise en compte de l'hétérogénéité dans le contexte multi-utilisateurs ou multicapteurs est aussi essentielle dans la conception même des méthodologies de codage, qui doivent intégrer des fonctionnalités d'indexation et de protection (insertion de données cachées, chiffrement, authentification, intégrité) – cf. section III.

Pour faire face au volume de données et à l'augmentation de la complexité des algorithmes, des architectures parallèles sont proposées. Un défi est d'exprimer le parallélisme lors de la conception des méthodes de traitement afin d'implanter efficacement les algorithmes. Pour cela un travail commun à l'interface algorithme-architecture est nécessaire. La modélisation par flots de données est une voie prometteuse car elle favorise l'expression du parallélisme entre les traitements.

B. Interactions avec d'autres disciplines

Le traitement du signal est en interaction avec de nombreuses disciplines telles que les sciences physiques et sciences de la vie (interaction ondes-matière, physique des instruments de mesures, méthodes bio-inspirées), les mathématiques appliquées (optimisation, calcul variationnel et EDP, probabilités et statistiques, analyse harmonique, théorie des jeux, etc.), et l'informatique (algorithmique, parallélisme, réseaux sans fils, reconfigurables et dynamiques), où nous assistons à une forte convergence avec les télécommunications à travers la volonté de virtualiser le stockage et le calcul (« cloud storage and computing »). Au niveau des applications, le traitement du signal analyse et traite les données issues de nombreux autres domaines scientifiques. Au-delà des domaines traditionnels (biomédical, spatial, sécurité, astrophysique, environnement), des domaines tels que les sciences sociales offrent de nouveaux types de données sur lesquels un investissement de la communauté est nécessaire.

C. Place de la France dans le contexte mondial

La France a une compétence reconnue mondialement dans le domaine des mathématiques appliquées, la théorie de l'information et les aspects méthodologiques du traitement du signal et de l'image. La France est présente dans la majorité des conférences du domaine, dans les comités d'organisation et de programme, les comités techniques de l'IEEE Signal Processing Society (SPS), et les comités éditoriaux des grands journaux.

D. Points forts/points faibles de la recherche en France

Les points forts de la recherche sont les compétences sur les aspects théoriques, reconnues par les experts mondiaux et qui s'appuient sur des formations universitaires solides. Le soutien institutionnel (GDR ISIS) doit également être souligné. Un des points faibles est une certaine difficulté d'exploitation et de transfert vers l'industrie des résultats issus de la recherche. En outre, la France manque de centres interdisciplinaires rassemblant chercheurs en traitement du signal et de l'image, médecins, biologistes, biophysiciens, électroniciens, et associés à des grands centres de calcul haute performance, à l'instar du projet Cardioid du LLNL. Les forces existent mais sont dispersées, malgré des efforts de création de structures communes. Par ailleurs, le nombre de chercheurs travaillant sur l'implémentation d'algorithmes reste faible, par rapport à l'Allemagne par exemple. Enfin le secteur des télécommunications est en position de sous-investissement industriel dans la compétition mondiale, en particulier asiatique.

E. Retombées sociales, économiques (valorisation), culturelles

En dehors des retombées dans les domaines de la santé, la sécurité, l'environnement, les innovations dans le domaine des systèmes embarqués et du traitement du signal et des images sont importantes pour un grand nombre de secteurs (automobile, télécommunications, robotique, cinéma, loisirs, etc.). Des enjeux économiques cruciaux sont liés à de nouveaux standards, tels la nouvelle norme de compression HEVC adaptée à la vidéo Ultra HD, ou le standard de télécommunication 5G qui aura un impact sur les autres domaines de recherche (3D, Internet des objets, etc.) par les débits offerts tout en tenant compte de l'hétérogénéité des appareils.