Pouvez-vous nous présenter votre parcours ?

Après un bac (scientifique), j’ai beaucoup hésité entre une classe préparatoire à dominante biologie (BCPST) ou mathématique (MPSI), j’ai finalement choisi la biologie parce que j’avais du mal avec le fait de faire des maths pour faire des maths. Mais très rapidement, je me suis passionnée pour les applications des mathématiques et de l’informatique à la biologie, par mes lectures, et par des cours complémentaires après avoir intégré l’École Normale Supérieure, où l’interdisciplinarité est très encouragée. Après une première année de master de Biologie, une année de césure où j’ai pu découvrir l’apprentissage automatique (dans une start-up, Tinyclues et en cours), j’ai fait une deuxième année de master en mathématiques appliquées (le MVA à l’ENS Paris-Saclay). Certains aspects très théoriques m’ont demandé beaucoup de travail, mais d’autres parties du programme m’étaient très familières.

J’ai ensuite fait un stage et une thèse à l’Institut Curie et à l’école des Mines, co-encadrée par un chercheur en apprentissage automatique et un chirurgien, où j’ai travaillé sur des algorithmes pour reconstituer l’histoire évolutive des tumeurs à partir du séquençage de leur génome. J’ai vraiment pris conscience durant ma thèse du décalage entre la recherche fondamentale et la recherche à visée clinique. Les deux sont très essentielles et passionnantes, mais j’ai réalisé que c’était très important pour moi d’essayer d’avoir un impact à court ou moyen terme.

Quelle est la spécificité des formations que vous donnez ?

Dans mes sujets de recherche et de formation, il y a une composante technique pointue, mais aussi beaucoup d’autres éléments qui entrent en compte pour faire une analyse de données réussie : comprendre les enjeux légaux éventuels, le mécanisme d’acquisition des données, les biais des données, la question scientifique à résoudre, et ne pas faire d’erreur d’interprétation des résultats. L’intelligence artificielle a des résultats spectaculaires avec des dialogues qui s’approchent de l’humain, mais on est encore très loin de l’analyse automatique de bout en bout. On a besoin de compétences très pointues sur les outils d’intelligence artificielle, mais aussi dans tous les champs d’application, et surtout de personnes ouvertes car la communication entre différentes communautés savantes qui n’ont pas les mêmes codes et les mêmes réflexes n’est pas toujours facile, mais très enrichissante !!

D’après votre expérience, quels conseils pouvez-vous donner aux jeunes femmes qui hésite à se lancer dans un carrière scientifique ou dans le numérique ?

Si une carrière scientifique vous intéresse, il faut se faire confiance et foncer ! En tant que société, on perd énormément à se passer de la moitié des cerveaux.
Il faut cependant être vigilante, se préserver et chercher un environnement bienveillant, demander des avis sur l’atmosphère de travail ou d’études, parler au maximum de personnes pour trouver le bon sujet et le bon endroit pour s’épanouir.