Tutoriel 1A – Recherche reproductible : bonnes pratiques pour une science transparente
Arnaud Legrand
CNRS, LIG, Grenoble
Que ça soit pour répondre aux problématiques d’intégrité scientifique (méconduite, erreurs, rigueur, collusion) ou aux attentes de la société (ouverture, efficacité, transfert industriel et sociétal, etc.) la science ne cesse de se réformer tout en maintenant ses fondamentaux. Dans cet exposé, je présenterai rapidement les questions méthodologiques sous-tendant les mouvements d’ouverture de la science et de reproductibilité de la recherche en m’intéressant tout particulièrement à celles qui ont trait à l’informatique. Je présenterai en particulier les quatre enjeux qui me paraissent les plus transversaux et pour lesquels des solutions actionnables existent: (1) le traçage du processus à l’aide de cahiers de laboratoire, (2) le contrôle d’environnements, (3) la gestion de données, et (4) l’automatisation des calculs.
Tutoriel 1B – Une approche générale mêlant optimisation et élicitation incrémentale de préférences pour la résolution de problèmes multi-objectifs
Nawal Benabbou
LIP6, Sorbonne Université, Paris.
Dans ce tutoriel, nous nous concentrons sur des problèmes d’optimisation combinatoire multi-objectifs dans lesquels les préférences du décideur peuvent être modélisées par une fonction d’agrégation paramétrée (par exemple une somme pondérée). Pour de nombreux modèles décisionnels, des algorithmes ont été conçus pour la détermination efficace des solutions préférées, mais ceux-ci nécessitent généralement d’avoir appris (élicité) au préalable la valeur des paramètres permettant de rendre compte des préférences subjectives du décideur (par exemple le jeu de poids de la somme pondérée). Cependant, l’élicitation précise de ces paramètres est généralement une tâche difficile à réaliser en pratique car elle nécessite de poser de nombreuses questions au décideur sur ses préférences. Au lieu d’aborder indépendamment et séparément ces deux sujets, nous introduisons des procédures de décision incrémentales combinant l’élicitation des préférences et le calcul de la solution préférée. Le principe général est de réduire l’imprécision sur les paramètres du modèle pendant l’exploration implicite des solutions du problème, en posant des questions au décideur à des moments clés de la résolution, dans le but de concentrer l’effort d’élicitation sur les informations vraiment utiles pour trouver la solution préférée du décideur. L’objectif de cette approche est non seulement de réduire le nombre de questions posées mais aussi d’accélérer la résolution en se concentrant sur les solutions potentiellement optimales les plus prometteuses. Ce principe général nous a conduit à proposer des versions interactives de paradigmes de résolution classiques (programmation dynamique, approche gloutonne, branch and bound, recherche locale, algorithmes génétiques), et de concevoir de nouvelles méthodes incrémentales exploitant l’espace des paramètres admissibles pour trouver rapidement des solutions prometteuses. Toutes ces méthodes ont été testées sur des instances de différentes tailles, et les résultats numériques montrent qu’elles réalisent de bons compromis entre les temps de résolution et le nombre de questions posées en pratique.