Titulaire d’un doctorat en informatique (apprentissage statistique) de l’Université de Montréal, Julie Carreau commence sa carrière en France où elle complète deux stages postdoctoraux : l’un au Laboratoire des Sciences du Climat et de l’Environnement, et l’autre à l’Institut national de recherche en sciences et technologies du numérique (INRIA). Elle obtient ensuite un poste d’ingénieure de recherche, puis de chargée de recherche à l’Institut de recherche pour le développement à Montpellier (France) qu’elle occupera pendant 11 ans. Madame Carreau s’est jointe au corps professoral de Polytechnique en juin 2021.

Parlez-nous du rôle de la modélisation statistique

Quand j’étais dans le sud de la France, j’ai notamment travaillé avec des hydrologues sur la problématique des inondations. L’un de mes principaux rôles était d’utiliser la modélisation statistique dans le but de produire un estimé pour des sites où il n’y avait pas d’instruments de mesure de pluie.

Maintenant, ce qui m’intéresse est d’utiliser la modélisation statistique pour reproduire des champs de données météorologiques de façon plus rapide qu’un modèle physique. Les temps de calcul peuvent être très longs pour atteindre des résolutions spatiales suffisamment fines. Avec la modélisation statistique, on peut apprendre à partir de données générées par un modèle physique à simuler plus de scénarios, augmenter la résolution et diminuer le temps de calcul.

Par exemple, j’ai travaillé avec un collègue qui s’intéresse au milieu urbain. Il reproduit de façon numérique une ville pour simuler la hauteur et la vitesse à laquelle l’eau va y circuler. Dans certains cas, il faut prévoir environ 100 secondes de calcul pour simuler 1 seconde d’écoulement, c’est très précis et aussi très coûteux. Alors, mes recherches visent à comprendre comment la modélisation statistique peut nous aider à imiter le modèle physique tout en étant plus rapide.

Quels champs de recherche souhaitez-vous approfondir à Polytechnique?

Je souhaite me concentrer sur le volet climatique et sur celui des écoulements. Je veux développer ces deux aspects tant au niveau de la méthodologie que dans la mise en place de nouveaux partenariats.

Qu’est-ce qui vous tient à cœur dans ce que vous faites?

Certainement faire progresser et adapter la modélisation statistique au service de l’environnement et du climat. Le fait d’effectuer mes recherches en ayant en tête à quoi ça va servir est très stimulant. Aussi, voir une relève engagée et contente de pouvoir travailler sur des enjeux environnementaux est très encourageant.

J’aime aussi instaurer un dialogue entre divers spécialistes. Apprendre à se comprendre entre chercheurs de différents volets des sciences est très enrichissant et demande une réelle volonté, puisque le langage et les concepts ne sont pas les mêmes. C’est intéressant d’aller plus loin dans la position du statisticien en échangeant avec la personne qui a produit les données pour vraiment donner un sens à la modélisation. C’est la meilleure façon de mettre nos forces ensemble pour faire avancer la science.