Pouvez-vous nous parler de votre parcours académique ?

F.V.: « Mon ouverture au monde des affaires remonte à mon année en tant qu’étudiant à la Sloan School of Management du Massachusetts Institute of Technology (MIT) à Boston. Cette année de césure fait suite à mon diplôme d’ingénieur en mathématiques appliquées de l’Université de Louvain (UCL). J’ai fini par être diplômé du MIT, avec un deuxième Master en Recherche Opérationnelle en 1993, suivi d’un Doctorat en Mathématiques Appliquées de l’Université de Louvain (UCL) en 1994.

J’ai commencé ma carrière en tant que maître de conférences à l’Université de Cambridge dans le département d’ingénierie et au Judge Institute of Management Sciences. En 1998, j’ai intégré l’Université de Bordeaux en tant que professeur et j’ai monté une équipe en Optimisation Mathématique au sein du laboratoire de recherche CNRS (Centre National de la Recherche Scientifique).

En 2008, j’ai créé une équipe de recherche à l’Inria (Institut National de Recherche en Sciences et Technologies du Numérique). Le projet associe les forces des laboratoires de l’Institut de Mathématiques et d’informatique du CNRS de Bordeaux, ainsi que des partenariats avec des équipes de recherche à Rio de Janeiro, au Brésil. Ce projet, nommé RealOpt, a développé des méthodologies d’optimisation génériques et leur mise en œuvre efficace. »

Pourquoi avez-vous décidé de lancer votre start-up ?

F.V.: « Grâce à des collaborations industrielles dans divers domaines d’activité, nos travaux de recherche ont toujours été confrontés à des problèmes réels, allant de la planification de la production et du manufacturing à la conception de réseaux de télécommunications et à la logistique. Nous avons observé l’écart entre ce que la recherche universitaire est en mesure de fournir et ce qui est actuellement utilisé dans l’industrie. De nombreux cas d’usage restent sans solution faute d’outils technologiques adaptés ; et de nombreuses ressources sont gaspillées dans le processus. Ainsi, la décision de créer notre startup était à la fois motivée par le marché et aussi en réponse à une motivation sociétale de faire plus et mieux, avec moins de ressources.

Vouloir avoir un impact est dans l’ADN des universitaires, qui sont formés à publier leurs résultats pour valoriser leur effort de recherche. Mais avec la DeepTech, faire connaître les résultats ne suffit pas pour atteindre l’objectif et avoir un impact. Les collaborations industrielles peuvent apporter du prototypage, mais ne deviennent que rarement des outils opérationnels. C’est ainsi que nous avons développé le sentiment qu’il était également de notre responsabilité de poursuivre cet effort jusqu’au transfert de la technologie vers l’industrie. Quelle grande satisfaction de mettre nos 25 années de recherche et de savoir-faire à disposition de la société !

Le coup d’envoi du lancement de ce grand défi d’industrialisation d’une technologie complexe a été de réunir des co-fondateurs très motivés et brillants de notre groupe de recherche en tant que co-fondateurs et un précieux co-fondateur externe avec une expertise business. Cette aventure est celle d’une équipe, dans la lignée du travail d’équipe qui a conduit notre projet Inria. Ainsi, les technologies de rupture arrivées à maturité allaient devenir des outils d’intelligence de l’optimisation utilisés dans les processus métier via notre spin-off. »

Quels sont les challenges liés à cette transition de la recherche à l’entreprise ?

F.V.: « L’enjeu fondamental est de rendre la DeepTech accessible à l’utilisateur. La raison d’être d’Atoptima est de fournir des techniques d’optimisation de pointe très sophistiquées de manière totalement fluide, fiable et intégrée, avec de très courts délais de mise en service. Traiter une application industrielle dans un contexte académique, en comparaison, est une perspective différente : une étude ponctuelle et de longue haleine, uniquement prototypant une solution, sans intégration requise.

Le problème d’optimisation de chaque client est différent. Pourtant, pour offrir des performances élevées qui évoluent, le moteur d’optimisation doit exploiter pleinement la structure spécifique du problème. Pour résoudre ce dilemme, tout en favorisant l’accessibilité à la technologie, Atoptima propose des solutions sur mesure avec une expérience client équivalente à l’intégration d’un solveur « sur étagère ». La machinerie sous le capot est constituée d’une bibliothèque logicielle très modulaire qui encapsule les modèles d’optimisation et les meilleures pratiques pour les résoudre.

Ainsi, notre défi interne est d’industrialiser notre savoir-faire dans le traitement des problèmes complexes de planification des opérations dans une boîte à outils générique de composants logiciels déposés, certifiés et multi-applications afin de pouvoir créer rapidement un solveur applicatif sur mesure pour chaque cas d’usage de notre domaine. Il s’agit ainsi de rendre l’intelligence de l’optimisation rapidement accessible aux entreprises qui souhaitent gravir la prochaine marche de l’échelle technologique avec des solveurs applicatifs hébergés sur le cloud et faciles à utiliser. »

Vous sentez-vous toujours l’âme d’un chercheur ?

F.V.: « Plus que jamais. Être confronté à des applications réelles est le déclencheur de notre effort de recherche continu pour apporter de meilleures performances, rendre nos algorithmes plus largement applicables et étendre le champ des décisions qui peuvent être optimisées simultanément. Il y a en effet des marges d’amélioration importantes à atteindre en considérant, au sein d’un même problème d’optimisation, des décisions qui étaient auparavant prises de manière indépendante ou hiérarchique.

Chez Atoptima, l’effort de R&D est permanent et massif pour fournir des performances inégalées sur les problèmes de planification des opérations les plus complexes de l’industrie, et pour contribuer à la recherche internationale de pointe en optimisation combinatoire. Notre ADN est ce solide bagage scientifique. Notre mission est d’apporter l’état de l’art via un transfert technologique continu. Nos recrutements sont en grande partie composés de talents de premier ordre capables de fournir cette technologie de rupture.

Au-delà de notre équipe permanente, nous développons sans cesse des partenariats académiques avec les meilleurs chercheurs dans notre domaine. Nous soignons ces collaborations R&D et les thèses en entreprise. Nous publions des articles pionniers dans les principales revues et conférences académiques internationales. Nous contribuons également à la communauté via notre plateforme open source (Coluna.jl) sur les techniques de décomposition pour les problèmes d’optimisation.