« Les événements extrêmes, comme une crue de la Garonne, un record de Léon Marchand ou une canicule historique, sont rares et intenses, mais pas totalement imprévisibles. Les mathématiques permettent d’étudier ces phénomènes extraordinaires en extrapolant à partir d’observations de l’ordinaire, grâce à ce que l’on appelle la théorie des valeurs extrêmes.
Cependant, ces modèles mathématiques ont une limite : ils sont fiables seulement lorsqu’ils disposent de suffisamment de données pour s’entraîner. Or, les observations sont souvent rares ou coûteuses à obtenir, que ce soit par mesure physique ou par simulation numérique.
Dans ma thèse, je propose une solution : l’apprentissage par transfert. L’idée est d’utiliser les connaissances acquises sur un événement similaire, pour lequel les données sont nombreuses, afin de mieux comprendre l’événement d’intérêt, pour lequel les données sont limitées. L’apprentissage par transfert s’inspire de la manière dont nous apprenons : quelqu’un qui sait déjà jouer du piano apprendra plus facilement le violon. De la même façon, un modèle mathématique pourra mieux prédire un événement rare s’il a appris à le faire pour un événement similaire.
En combinant théorie des valeurs extrêmes et apprentissage par transfert, il devient possible de mieux comprendre et anticiper l’extraordinaire.
«