Trois lauréats reçoivent le prix de thèse DGA

Chaque année depuis la création du Prix en 2002, la Direction Générale de l’Armement (DGA) puis l’Agence de l'innovation de défense distingue de jeunes docteurs, ayant bénéficié d’une allocation de thèse financée par la DGA, pour l’excellence de leurs travaux. La sélection s’effectue en fonction de l’intérêt des recherches réalisées pour la communauté scientifique, de leur degré d’innovation, de la qualité des résultats obtenus et de l’impact que ces travaux ont eu sur l’insertion professionnelle du docteur. Cette année, 3 chercheurs recevront ce prix conjointement décerné par la ministre des Armées et la ministre de l’Enseignement Supérieur, de la Recherche et de l’Innovation.

- Mathilde Makhsiyan, pour sa thèse portant sur les « Nano-émetteurs thermiques multi-spectraux » cofinancée par l'ONERA et réalisée dans le laboratoire Département d'Optique Théorique et Appliquée (DOTA) de l’ONERA.
Les sources infrarouges sont indispensables à la détection locale de gaz dans de nombreux domaines, que ce soit pour l'environnement (détection de polluants et gaz à effets de serre) ou la défense (détection de menaces biologiques et chimiques). Elles sont également nécessaires en tant que mires de calibration pour le développement de caméras multi spectrales infrarouges. L'objectif de cette thèse était de concevoir des sources thermiques infrarouges compactes et à coût modéré, à spectre accordable et à pertes réduites, pouvant être juxtaposées dans un même dispositif. La thèse de Mathilde Makhsiyan a donc permis en utilisant plusieurs concepts de résonateurs à grand facteur de qualité, de démontrer la possibilité de manipuler l’émissivité spectralement, en polarisation, et spatialement à l’échelle de la longueur d’onde. La limitation des pertes devient aussi possible par le développement d’un nouveau concept de structure, ou le champ est confiné loin des interfaces métalliques. Le  procédé de codage spatio-fréquentiel de l’émissivité a fait l’objet d’un brevet, d’une publication  et a été repris en faits marquants de plusieurs sites scientifiques (tels  OSA, AIP, Materials Today). Une autre application d’intérêt, est le développement d’un détecteur THz, par thermo-photoconversion vers la gamme l’infrarouge, qui a fait également l‘objet d’un dépôt de brevet.
Ces travaux ont été récompensés par deux autres prix : le Prix du Doctorant 2017 de la branche Physique de l’ONERA, et le Best Best Student Paper Award à la conférence SPIE Photonics Europe 2016.
Mathilde Makhsiyan est désormais chef de projet chez SCROME, une PME spécialisée dans le développement et l’engineering d’instruments optroniques et opto-mécaniques.

 
- Thibaut Durand, pour sa thèse sur "L’apprentissage faiblement supervisé pour la reconnaissance visuelle" réalisée dans le Laboratoire d'Informatique de Paris 6 (LIP6).

La thèse de Thibault Durand s’inscrit dans le domaine de la classification ou annotation sémantique d’images. L'objectif est de prédire si une catégorie sémantique (par exemple chat) est présente dans l'image, en utilisant uniquement son contenu visuel. Plusieurs travaux préliminaires ont montré que pour analyser des images de scènes complexes, il est important d'apprendre des représentations localisées. Pour y parvenir, les méthodes classiques utilisent des annotations précises (comme des boites englobantes ou des masques de segmentation) qui sont coûteuses à obtenir et qui ne sont pas disponibles dans le protocole standard de classification d'images. Pour éviter d'avoir à collecter et à utiliser des annotations précises pendant l'apprentissage, cette thèse s'est intéressée à des méthodes d'apprentissage faiblement supervisées. L'idée principale est de modéliser les informations manquantes pendant l'apprentissage, avec des variables latentes.
Thibault Durand a été récompensé par le Prix de thèse de l'Association Française pour la Reconnaissance et l'Interprétation des Formes (AFRIF) en 2017 pour ses travaux.  Il est désormais chercheur en Machine Learning chez Boealis AI à Toronto, Canada.
 

- Timothée Mouterde, pour sa thèse sur les "Matériaux multifonctions : antipluie, antibuée, antireflets", cofinancée par Thales Optronique S.A. et réalisée dans le Laboratoire d'hydrodynamique de l'X.
La thèse de Timothée Mouterde avait pour objectif d'étudier, en s’inspirant de la nature (yeux de moustique ou ailes de cigales), l’impact des texturations de surfaces sur les propriétés multiphysiques, telles que la superhydrophobie, les propriétés antibuée et antireflet. Sur une surface couverte de microrugosités hydrophobes, l’eau est ultra-mobile : les rugosités retiennent une couche d’air sous la goutte qui est donc sur coussin d’air. En situation humide, la buée dans les textures altère ces propriétés. Cependant, il a été observé que les ailes des cigales, pourvues de nano-cônes, semblent être antibuée : des gouttes qui coalescent sur cette surface sautent. Dans cette thèse, l’étude de la résistance des nanostructures à la condensation a conduit à découvrir que les nano-cônes jointifs permettent d’éjecter la quasi-totalité des gouttes de buée qui fusionnent avec leurs voisines.  La résistance des surfaces à l’eau chaude a aussi été analysée. En statique, plus une structure est compacte (piliers nanométriques), plus elle résiste aux liquides chauds. À l’inverse, en dynamique, des piliers micrométriques s’avèrent  meilleurs car la buée n’a pas le temps d’accrocher la goutte en mouvement. Pour certaines géométries, la réduction d’échelle qui permet l’apparition des propriétés antibuée s’accompagne de propriétés antireflets exceptionnelles, ce qui permet d'engendrer des surfaces multifonctionnelles.
Le résultat de ce travail a permis de développer les modèles permettant une compréhension fine des phénomènes rencontrés et donc de disposer d’outils permettant de concevoir des surfaces optiques aux propriétés hydrophobes, antireflet et antibuée.

Ces résultats ont fait l’objet de publications dans Nature Materials (2017) et Nature communications (2019). Timothée achève son post-doctorat à l’université de Tokyo en optique non linéaire appliquée à la nanofluidique.