La 3D qui aide à fouiller

Extraire des informations pertinentes de myriades de données est une problématique récurrente et souvent cruciale, en particulier pour nombre d’entreprises qui ont besoin de connaître les préférences d’achat des consommateurs ou de déceler des facteurs de bénéfices afin de prendre des décisions opportunes¹. Or il est difficile d’adapter les logiciels existant dans ce domaine à l’explosion des volumes d’informations disponibles et surtout aux besoins variables des utilisateurs. C’est pourquoi l’on recherche de nouveaux moyens d’exploration visuelle de données qui soient faciles d’emploi et propices à des analyses dont les aboutissants ne sont pas nécessairement tous connus au préalable.

Les applications de ce champ de recherche permettent d’explorer notamment des structures sociales actuelles, tels les réseaux « d’amis » sur Internet, ou celles du passé. Des historiens médiévistes ont ainsi découvert, en collaboration avec notre équipe et des mathématiciens toulousains, des réseaux de relations dans la paysannerie du Moyen Âge.² Cette dernière représentait plus de 90 % de la population de l’époque mais reste encore mal connue car la documentation disponible concerne en majorité le clergé et la noblesse. Les chercheurs ont toutefois tiré parti d’un ensemble exceptionnel de 3 000 archives d’actes notariés relatifs à des transactions agraires dans une petite zone du sud-ouest de la France, chacun de ces documents comportant des détails sur les personnes et les lieux concernés³. Après un long travail de numérisation des archives, il a été possible de construire des réseaux dans lesquels deux nœuds (individus) sont reliés si leurs noms apparaissent dans un même acte. Il restait à découvrir l’organisation de ces ensembles complexes de liens inscrits dans le temps.

Popularités et centralités en réseau
L’analyse a combiné des outils mathématiques et des techniques de visualisation de graphes⁴. Les outils mathématiques permettent de quantifier des propriétés de réseau : on calcule notamment la « popularité » d’un nœud en dénombrant ses voisins et sa « centralité » en comptant le nombre de fois où il se trouve sur des plus courts chemins entre paires de nœuds non voisins. Les techniques de visualisation que nous développons complètent la quantification : un algorithme de disposition spatiale des nœuds, qui tient compte de leurs popularités et de leurs centralités, et un système d’affichage sur un dôme sont ajustés pour faciliter la navigation à la fois dans l’arborescence des nœuds et dans le temps et favoriser la mise en évidence de « communautés », ensembles de nœuds comportant de nombreux liens.

L’organisation sociale hiérarchisée qui a été ainsi dévoilée traverse le temps malgré les bouleversements dus à la guerre de Cent Ans. Elle consiste en de nombreuses communautés de tailles modestes, apparemment très dépendantes de la proximité géographique, et reliées à des membres d’un « club huppé », communauté correspondant à une élite sociale rurale. Ce projet constitue un test positif de l’apport, dans l’analyse des réseaux complexes, de supports novateurs, tridimensionnels et immersifs, de restitution visuelle. Des expérimentations menées avec des utilisateurs volontaires sont en cours pour évaluer plus précisément son intérêt par rapport à des supports plans.

1. d’où le terme informatique décisionnelle

2. Cf. Une interaction Histoire/Informatique/Mathématiques

3. Par exemple, on y apprend que « Noble Tristan de Manas fils de Sans Gaissias, bailla à nouveau fief à Pierre Aude fils de Pierre et de Jeanne de Merle, la moitié d’une métairie appelée de la Vaissière dans la paroisse de Saint-Paul ».

4. Dans le cas présent, un graphe est constitué d’un ensemble de nœuds (des noms d’individus) et d’un ensemble d’arêtes qui modélisent une relation binaire entre les nœuds (la désignation commune dans un acte notarié). Les nœuds sont représentés par des points dans un espace géométrique et les arêtes par des segments, et l’on peut projeter la représentation sur un plan ou une surface courbe (cf. la photo ci-dessous).

En offrant un large champ de visualisation, proche de 120°, la projection d’un graphe sur un dôme rend « immersive » sa restitution et semble permettre d’explorer sa structure plus efficacement qu’avec un écran plat. © Lina-Cod

Des diagnostics automatisés

Les technologies de « vision par ordinateur » sont de plus en plus utilisées, notamment dans le domaine biomédical (IRM, scanner, tomographie par émission de positons...) pour observer et quantifier des propriétés anatomiques et physiologiques. Leur emploi récent dans l’étude de la santé des plantes est motivé par des enjeux différents de ceux de la santé humaine ou animale : tandis que l’imagerie biomédicale vise essentiellement à produire un diagnostic relatif à un individu, connaître l’état de santé d’une plante revêt une importance moindre ; en revanche, pouvoir diagnostiquer périodiquement celui d’une population de végétaux présente des intérêts en horticulture comme en biologie végétale.

L’automatisation d’un tel suivi est au cœur du projet Phenotic¹. Cette plateforme technologique regroupe des moyens d’acquisition, de traitement et de référencement d’images de phénotypes (apparences) de végétaux sains ou porteurs d’une pathologie. Dans ce cadre, le travail que nous menons actuellement² consiste à développer une application originale de la Kinect.

La Kinect est une interface homme-machine conçue pour des jeux vidéo et par laquelle la position et les mouvements du joueur sont détectés optiquement. L’intérêt qu’elle présente pour Phenotic est de permettre une production aisée et à bas coût d’une cartographie 3D d’une plante, en repérant automatiquement chacune de ses feuilles, tandis qu’une imagerie classique, en 2D, ne permet pas de distinguer les unes des autres certaines feuilles qui ont la même couleur (cf. la figure A).

Un algorithme et des couleurs
Il s’agissait de mettre au point un algorithme de cartographie utilisant les données acquises par la Kinect. Ces données sont des distances entre la caméra et de nombreux points de la plante, mais pour que l’algorithme puisse faire correspondre des feuilles à ces points (comme le montre la figure B, on peut alors visualiser chaque feuille via différentes couleurs), il faut lui fournir au préalable quelques informations sur la structure spatiale typique d’un feuillage (quant à la distinction entre une branche et une feuille et quant à l’espacement relativement régulier des branches). On peut ensuite mettre en correspondance (opération nommée recalage) cette cartographie avec des images acquises par d’autres caméras et qui donnent des informations sur l’état de santé du feuillage : l’imagerie thermographique, par exemple, permet de détecter la présence de la tavelure du pommier, un champignon qui se développe à la surface des feuilles, les feuilles malades étant les plus froides (en bleu dans la figure C) ; à chaque feuille sont ainsi associées des données thermographiques (figures D et E) et il est alors possible de connaître la distribution spatiale et la sévérité de l’infection.

Cette application devrait rendre possible la production de diagnostics automatisés, nombreux, peu coûteux, non destructifs, impossibles à réaliser à l’œil nu et reproductibles à loisir. Il est notamment envisagé d’y recourir en plaçant des caméras dans des serres ou au-dessus de tapis roulants, par exemple pour détecter précocement des pathologies dans des productions maraîchères. Cette application devrait aussi offrir des moyens inédits aux études et recherches portant sur la croissance des végétaux ou sur les processus de développement de pathologies végétales.

1. contraction de phénotype et de TIC (technologies de l’information et de la communication), un projet porté par l’Institut de formation et de recherche Quasav (Université d’Angers/Inra/Agrocampus Ouest/ Université de Nantes).

2. doctorat co-encadré par François Chapeau-Blondeau et mené en collaboration avec l’IRHS d’Angers, Institut de recherche en horticulture et semences

© Lisa