Amies prix de thèse 2025

Remise du prix de Thèse MATHS ENTREPRISES & SOCIETE 2025

Le prix de thèse 2025


Le prix de thèse maths entreprises & société a été créé en 2013 pour promouvoir les thèses de Mathématiques réalisées en partie en collaboration avec un partenaire socio-économique et ayant des retombées directes pour celui-ci. Il est organisé par AMIES et parrainé par les sociétés savantes SFDS, SMAI et SMF.

Membres du jury 2025 : Valérie Perrier (Présidente, Grenoble INP-Ensimag, Université Grenoble Alpes), Mireille Bossy (INRIA), Sandrine Charousset (EDF), Emmanuelle Crépeau (CERAMATHS Université polytechnique Hauts-de-France), Franck Iutzeler (IMT Toulouse), Claude Le Pape-Gardeux (Schneider Electric), Juliette Mattioli (Thalès), Nelly Pustelnick (ENS Lyon), Valentin Resseguier (Scalian), Xavier Vigouroux (VIRIDIEN), Thierry Yalamas (Phimeca).

Le prix de thèse 2025 a été remis lors de la 14ème édition du Forum Entreprises & Mathématiques, le mardi 7 octobre 2025, au CNAM à Paris.

laureat img
  • Lauréate : Margaux ZAFFRAN
  • Titre de la thèse : Post-hoc predictive uncertainty quantification : methods with applications to electricity price forecasting
  • Mot du jury : Le domaine de la thèse est celui de l’apprentissage statistique fiable et de la quantification d’incertitude appliquée aux prix du marché de l’électricité. Les problématiques scientifiques adressées par la thèse sont issues de contraintes réelles d’EdF (utilisation de données non échangeables, nombre de données fini, application à un algorithme d’inférence quelconque, données manquantes pour l’agrégation, non-stationnarité, etc). Le travail de thèse a résidé en d’une part créer la théorie pour répondre à ces problématiques, ensuite l’appliquer aux cas réels, avec de vraies données. Le code et les résultats sont extrêmement précieux pour EDF et actuellement utilisés dans une plateforme de test par EDF R&D.

    Premier prix : Le jury a particulièrement apprécié la complétude du dossier sur tous les aspects du prix : des développements théoriques importants motivés par une application réelle, et dont la valeur a été attestée par des publications. Du développement logiciel (avec notamment des contributions opensource) avec un apport avéré pour l’entreprise. D’autres aspects également ont séduit le jury comme l’investissement de la lauréate dans la communauté et ses apports en médiation scientifique.

  • Université de délivrance : Institut Polytechnique de Paris
  • Noms et Prénoms des Directeur-es de thèse : Aymeric Dieuleveut, CMAP, École polytechnique; Julie Josse, Inria (équipe PreMeDICaL)
  • Noms et Prénoms des encadrants industriels : Olivier Féron et Yannig Goude
  • Entreprise : EDF R&D
laureat img
  • 2ème prix : Antoine DE MATHELIN
  • Titre de la thèse : Towards reliable machine learning under domain shift and costly labeling, with applications to engineering design
  • Mot du jury : Le domaine de la thèse est celui de l’apprentissage automatique pour l’aide à la conception de pneumatiques. L’usage des modèles d’apprentissage automatique dans ce cadre amène à la réduction du nombre de prototypes nécessaires à l’élaboration de nouveaux produits. Sur le plan applicatif il faut appréhender des défis spécifiques tels que la rareté des données étiquetées, la fiabilité des prédictions et les changements de distribution entre données d'entraînement et réelles. La thèse d’A. De Mathelin aborde ces problématiques en proposant des approches robustes adaptées aux contraintes industrielles. Plus spécifiquement, A. De Mathelin considère le problème de prédire les performances du pneu à partir de la « recette » du pneu.

    Le jury a particulièrement apprécié les nombreuses contributions théoriques, le travail d’expérimentation important sur des données Michelin, et le développement d’une librairie Python opensource originale sur le transfert learning (apprentissage par tranfert).

  • Université de délivrance : Université Paris-Saclay
  • Noms et Prénoms des Directeur-es de thèse : Pr. Mathilde Mougeot (Centre Borelli ENS Paris-Saclay et ENSIIE), co-direction de Pr. Nicolas Vayatis (Centre Borelli ENS Paris-Saclay).
  • Noms et Prénoms des encadrants industriels : Dr François Deheeger (Michelin)
  • Entreprise : Michelin
laureat img
  • 3ème prix : Louis BOUVIER
  • Titre de la thèse : Structured learning and combinatorial optimization : methodological contributions and inventory routing at Renault
  • Mot du jury : Le domaine de la thèse est celui de la recherche opérationnelle de la chaine logistique Renault. Plus précisément, il s’agit d’étudier et d’améliorer la logistique du retour des emballages vides (problèmes d’inventory routing). Louis Bouvier a rapidement conçu et livré une implémentation d’un algorithme pour le problème opérationnel, dont les résultats étaient prometteurs. Cette contribution académique a été transformée en réalité industrielle par l’industralisation de ce travail dans l’équipe Supply-Chain de Renault, et qui tourne désormais en production. Selon l’industriel, les ordres de grandeur des gains engendrés sont le million d’euros et la kilotonne de CO2 annuels, ainsi qu’une division des pénuries d’emballages par deux, ce qui est exceptionnel.

    Le jury a particulièrement apprécié la richesse en idées, en avancées et en contributions importantes, attestés par des publications qui ont conduit à la levée d’un verrou technologique ayant permis une mise en production d’envergure chez Renault.

  • Université de délivrance : Ecole Nationale des Ponts et Chaussées (IP Paris)
  • Noms et Prénoms des Directeur-es de thèse : Axel Parmentier, chercheur au CERMICS et professeur à l' École Nationale des Ponts et Chaussées
  • Entreprise : Groupe Renault, plus précisément au sein de la supply chain.