Maths

Solutions en stock pour les équations d'entreprise

Maintenir son stock au plus bas niveau afin d'en diminuer le poids financier et, dans le même temps, offrir le meilleur service aux clients... Une équation difficile. Les chercheurs d'IBM Zurich travaillent sur des outils offrant les moyens de résoudre ce type de contradiction. Les entreprises doivent tenir compte de contraintes de plus en plus complexes et imprévisibles, comme l'augmentation du nombre de réglementations à observer, ou encore la globalisation de leur marché. Elles doivent également se tenir informées en permanence afin de pouvoir prendre instantanément des décisions. Afin d'optimiser les mesures répondant à ces obligations, IBM mise sur toute une panoplie d'outils mathématiques : classement, avec la courbe K, qui regroupe les produits par fréquence de commande ; moteur de prévisions à durées variables ; analyse des meilleures prévisions ; gestion dynamique du niveau des stocks de sécurité. Cet ensemble couvre la totalité du domaine de la gestion des stocks, depuis le niveau le plus fin de l'identification à l'unité du produit jusqu'à celui, plus stratégique, de la gestion globale.

Patchwork sensitif

La MEEG (Magnéto électro encéphalographie) mesure de façon non invasive les microchamps magnétiques et l'activité électrique du cortex cérébral. Partant de ces données, des chercheurs de l'Inria planchent, dans le cadre du projet Odyssée, sur la modélisation de la perception chez l'homme. Et tentent de construire des modèles mathématiques de fonctionnement des cellules corticales. Déjà, les données de la MEEG s'affichent de façon lisible en images 3D pour les médecins. Mieux, les scientifiques ont réussi à établir des méthodes mathématiques en mesure de détailler les réactions du cerveau face à tel ou tel microchamp magnétique. Ils cherchent désormais le meilleur moyen de retranscrire ces réactions sur une image.

Agents logiciels très spéciaux

Le projet Kayou du Laboratoire d'informatique, de robotique et de microélectronique de Montpellier (Lirmm) s'intéresse aux agents logiciels capables de résoudre des problèmes posés par un utilisateur dans un contexte contraint. Il s'inscrit à la croisée de disciplines complexes. Ainsi, le raisonnement à base de contraintes lui sert à la résolution de problèmes combinatoires, telle l'élaboration de l'emploi du temps du personnel d'une entreprise. L'apprentissage logique, lui, s'intéresse aux agents capables d'extraire et de reproduire des connaissances issues des observations provenant de bases de données médicales, par exemple. Le projet Kayou étudie aussi les sociétés d'agents avec divers modèles d'organisation, de rationalité (économiques et juridiques), cognitifs et recourt aux théories de l'émergence, celle de la vie artificielle, par exemple.

Savez-vous planter des choux

Pour les chercheurs de l'Inria, regarder l'herbe pousser ne s'apparente en rien à se la couler douce. Leur épineuse mission : numériser la vie des plantes et leur comportement. Il s'agit de modéliser la formation des organes, la photosynthèse, puis, à partir de là, la structure de la plante. Le projet international Digiplante regroupe l'Inria, le Cirad, l'Ecole centrale de Paris, l'Inra, ainsi que le Liama (laboratoire franco-chinois d'informatique, d'automatique et de mathématiques appliquées), l'université de l'agriculture de Chine et l'université de Wageningen (Pays-Bas). Il dispose déjà d'un modèle mathématique élémentaire. Mais il faut le nourrir de connaissances botaniques. Et lui donner les moyens de passer du cas isolé à l'étude stochastique, soit interpréter une récolte à partir d'une seule plante... Digiplante sait ainsi comparer la croissance d'un pied de tomate bien planté à celle d'un pied privé de lumière par ses voisins. Et les lois mathématiques traduisant le phénomène physique de l'absorption de la lumière deviennent une méthode d'affichage en 3D de la luminosité.

L'or noir en 3D

Moins il y a de pétrole, plus on phosphore. Shell travaille avec le Massachusetts Institute of Technology sur des systèmes de modélisation du sous-sol plus précis destinés à affiner ses forages. Les données fournies par les compagnies pétrolières sont transformées en images 3D. On en extrait, sur écran, des points remarquables, puis l'ordinateur comble les vides afin de dresser de multiples cartes couvrant des zones de plusieurs kilomètres carrés. Pour accélérer et affiner le processus, le MIT mobilise ses procédures mathématiques d'analyse d'images complexes. Ainsi, il existe des relations statistiques entre les propriétés de chaque point sélectionné. Pour un groupe défini de points, un des algorithmes du MIT définit ces relations afin de transformer en une surface continue l'ensemble de points. Le logiciel calcule même l'incertitude associée à chaque point choisi par lindustriel.