Gradient dans la brume : quelle pente suivre ?

Intervenant 10:00

Bienvenue dans le podcast du magazine Tangente. Je suis vraiment ravi d'accueillir tous ceux qui nous écoutent aujourd'hui pour une nouvelle exploration mathématique.

Intervenant 20:09

Bonjour à toutes et à tous, très heureuse d'être là.

Intervenant 10:12

Pour démarrer cette discussion de la meilleure des manières, on va planter le décor tout de suite. Imaginons un instant un skieur complètement épuisé. Il a passé une longue journée très sportive sur les pistes. La nuit commence à tomber et surtout, il y a une brume incroyablement épaisse qui vient de se lever.

Intervenant 20:31

Le genre de purée de pois où on ne voit absolument rien à plus d'un mètre autour de soi.

Intervenant 10:35

C'est ça, le brouillard total. Son seul et unique but, c'est de rentrer se mettre chaud. Il doit donc trouver le point le plus bas de la vallée, là où se trouve le chalet. La mission de notre exploration aujourd'hui, qui s'appuie sur le très très bon article de Tangente intitulé « Méthode du gradient deux points, ce qui est pour minimiser », c'est de comprendre ça.

Intervenant 20:55

Comprendre comment cette cécité se traduit en maths, oui.

Intervenant 10:58

Exactement. Comment ce brouillard physique, cette situation où on avance un peu à l'aveugle, a donné naissance à l'un des algorithmes les plus puissants des mathématiques. C'est un voyage qui va nous mener, tu vas nous l'expliquer, de la simple petite approximation locale jusqu'à la rigueur absolue de la topologie

Intervenant 21:13

pure. Représente avec une très grande précision la contrainte fondamentale des problèmes d'optimisation.

Intervenant 11:20

C'est-à-dire qu'on n'a pas la carte géographique, quoi.

Intervenant 21:22

Voilà. Quand on cherche le point optimal d'un système complexe, on n'a presque jamais la carte globale sous les yeux. Le sommet, la vallée, tout ça, c'est invisible. La seule information qui est disponible, c'est ce que l'on ressent directement sous la semelle de ses chaussures, à un instant donné.

Intervenant 11:38

C'est le fondement de toute l'analyse locale, en fait.

Intervenant 21:41

C'est ça, oui.

Intervenant 11:42

Bon, décordiquons un peu ça, parce que c'est bien beau de parler de ski, mais il faut faire des maths. Si on veut modéliser notre montagne pour l'étudier, on va utiliser une fonction mathématique à deux variables. On a la position géographique sur la carte, des coordonnées qu'on peut appeler bêtement x et y.

Intervenant 21:57

Et le résultat de cette fonction, le fameux f , eh bien ça correspond à l'altitude.

Intervenant 12:03

À la hauteur du bonhomme sur la montagne. Donc l'objectif de notre skieur aveugle, c'est simplement de trouver les valeurs exactes de x et y qui renvoient à l'altitude la plus petite possible.

Intervenant 22:13

Absolument. Et le cœur du problème, c'est cette absence de vision globale dont on parlait. Si notre skieur se trouve à un point précis, la seule action, disons la seule action mathématique qu'il puisse entreprendre, c'est d'examiner son environnement immédiat.

Intervenant 12:25

Il tâte le terrain du bout du bâton en gros.

Intervenant 22:27

Exactement. Il va tâter le terrain en faisant un pas vraiment minuscule. Un décalage infime qu'on va noter petit h sur l'axe des x et un décalage très petit, petit k sur l'axe des y.

Intervenant 12:38

D'accord. Donc il se déplace vers les nouvelles coordonnées x plus h et y plus k. Mais comment anticiper l'altitude à ce nouveau point sans la carte ? Je veux dire, s'il ne voit rien, comment il sait s'il monte ou s'il descend rien qu'en faisant ce petit pas ?

Intervenant 22:54

Alors, c'est ici qu'intervient l'analyse classique, plus particulièrement l'approximation locale de Taylor.

Intervenant 13:00

Ah oui, la fameuse formule de Taylor.

Intervenant 23:02

C'est ça. Puisque les pas H et K sont extrêmement petits, on peut estimer l'altitude future avec une formule qui est très élégante. En gros, l'altitude au prochain point sera à peu près égale à l'altitude actuelle, à laquelle on vient ajouter une petite correction.

Intervenant 13:18

Et cette correction dépend de l'inclinaison de la pente à l'endroit précis où il est, j'imagine ?

Intervenant 23:23

Tout à fait. Concrètement, on multiplie le pas h par ce qu'on appelle la dérivée partielle de la fonction par rapport à x. Et on ajoute à ça le pas k multiplié par la dérivée partienne par rapport à y.

Intervenant 13:36

Attends, prenons juste le temps de bien définir cette notion de dérivée partielle pour ceux qui nous écoutent et que ça pourrait rebuter un peu. Si je comprends la logique physique, c'est comme si on forçait le skieur à ne regarder que dans une seule direction à la fois. C'est une excellente métaphore, oui. Donc la dérivée partielle par rapport à X, c'est la pente exacte de la montagne sous ses skis s'il décide de s'orienter strictement sur un axe disons nord-sud, en ignorant complètement l'inclinaison est-ouest. C'est bien ça.

Intervenant 24:03

C'est tout à fait ça. C'est le taux de variation de l'altitude le long d'un seul axe. Et l'idée de génie de cette méthode d'approximation, c'est d'associer ces informations.

Intervenant 14:13

On les regroupe ?

Intervenant 24:14

Voilà. Si l'on prend la pente selon X et la pente selon Y, et qu'on les regroupe dans un même objet, on forme un objet géométrique, un vecteur à deux composantes. Ce vecteur très particulier, c'est ce qu'en mathématiques on appelle le gradient.

Intervenant 14:27

Voilà, le fameux gradient. Pour visualiser ce concept, on pourrait dire que c'est une sorte de boussole interne de la montagne. Ce vecteur condense toutes les infos sur l'inclinaison du terrain et il pointe toujours dans la direction où la pente monte le plus fortement, c'est ça ?

Intervenant 24:41

Exactement. Le gradient, il t'indique le chemin le plus raide vers le sommet. Ce qui est fascinant ici, c'est d'étudier l'interaction entre cette boussole et le mouvement du skieur pour donner vie à l'algorithme.

Intervenant 14:52

Parce qu'on rappelle qu'à notre skieur, lui, il veut descendre, pas monter.

Intervenant 24:56

Bien sûr !