Domaine :
Statistique spatiale, Statistiques appliquées, Modélisation probabiliste et inférence bayésienne pour l’analyse de données spatio-temporelles , simulation Monte Carlo par chaînes de Markov, Copule, Programmation C++/R.
Projet : Méthode de classement multi-critères pour la sélection d'abeilles
L'un des objectifs du projet Melior'Api est le développement d'une méthode de classement multi-critères dans le cadre du renouvellement du cheptel d'abeilles. Pour cela, j'ai développé une méthode qui repose sur trois composantes. La première composante est une distance euclidienne pondérée qui permet de mesurer le "degré de similarité" entre une colonie est une "colonie parfaite". Le choix des critères et de leur pondération intègre les connaissances en apiculture des professionnels du domaine ainsi que la stratégie de sélection de l'utilisateur. La deuxième composante est la modélisation de la loi des données, au moyen d'une copule en vigne, pour construire un critère de classement interprétable : la probabilité d'avoir une meilleure colonie théorique appelé ici risque. L'ultime composante est une application RShiny à destination des apiculteurs. Cette méthode intègre dans une application grand public, une modélisation statistique basée sur des connaissances en apiculture.
Projet : Détection des sources de fluides dans un système de mélange de fluides géologiques
La composition chimique des fluides géologiques est le résultat d'un mélange de plusieurs fluides sources. La détection de sources est alors l'estimation du nombre et de la composition chimique de ces fluides sources. Le modèle Hug a été développé pour détecter les sources dans un espace chimique multidimensionnel. La distribution des sources dans cet espace est supposée être modélisée par un processus ponctuel de Gibbs, dont la densité repose sur les connaissances utilisées par les experts lors de la détection graphique ("à la main"). Les sources proposées par le modèle sont construites à partir des configurations de points maximisant la densité du processus ponctuel. La densité du processus ponctuel est simulée par une méthode de type Monte-Carlo par Chaînes de Markov (MCMC) qui se base sur la DRLIB développé en C++. Les résultats sont analysés par un script R. Une application RShiny a aussi été développé pour améliorer l'ergonomie de la méthode.
Les différents scripts sont disponibles sur mon GitHub.
Publications
Article accepté (mars 2026, Mathematical Geosciences) :
[1] Reype, C., Stoica, R. S., Gemmerlé, D., Richard, A., & Deaconu, M. (2023). Hug model: parameter estimation via the ABC Shadow algorithm. arXiv preprint arXiv:2308.04441.
Thèse de Doctorat
[2] Reype, C. (2022). Modélisation probabiliste et inférence bayésienne pour l’analyse de la dynamique des mélanges de fluides géologiques: détection des structures et estimation des paramètres (Doctoral dissertation, Université de Lorraine).
Communication dans une conférence
[3] Reype, C., Mondet, F., Opitz, T., Bassi, E., Basso, B. B., Gotti, M., ... & Tagliabue, M. (2025, October). A strategy to help beekeepers choose breeder colonies using vine copulas. In 2025 ModStatSAP Workshop.
[4] Gemmerlé, D., Stoica, R. S., & Reype, C. (2022, August). DRlib: a C++ library for marked Gibbs point processes simulation and inference. In 21st Annual Conference of the International Association for Mathematical Geosciences, IAMG 2022.
[5] Reype, C., Richard, A., Deaconu, M., & Stoica, R. (2020). Bayesian statistical analysis of hydrogeochemical data using point processes: a new tool for source detection in multicomponent fluid mixtures. arXiv preprint arXiv:2009.04132.
Exposés
Séminaire de l'équipe Abeille et Environnement, 2026
UK - France Workshop 2025 (ModStatSAP), 2025
Séminaire du Laboratoire de Mathématiques Pures et Appliquées Joseph Liouville (LMPA), 2025
Séminaire du Laboratoire Pluridisciplinaire et Simulations (LAMPS), 2025
Visite de l'Option Géostatistique et Probabilités Appliquées, Mines Paris 3A (INRAE équipe BIOSP), 2024
Séminaire de l'équipe RING GeoRessources, 2023
Spatial Statistics and Image Analysis in Biology, éditions 2021 et 2022
International Association for Mathematical Geosciences (IAMG), 2022
DEEPSURF, éditions 2021 et 2022
RING MEETING, 2020
Collaboration
Collaboration internationale
Suite à la publication sur HAL de [4], Radu Stoica et moi avons été contactés par Daniele Luigi Pinti, professeur à l'Université du Québec à Montréal, qui faisait partie jury de ma thèse. Depuis ma soutenance de thèse, nous sur la détection de sources dans un jeu de données hydrochimiques sparse. Du fait du grand nombre de données manquantes et de la répartition non uniforme des données dans l'enveloppe convexe des sources (biais d'échantillonnage), nous améliorons le modèle Hug pour qu'il soit en mesure donner des résultats satisfaisants dans ce contexte.
Réalisation d'un logiciel
Je participe au développement de la librairie DRLib en langage C++ en collaboration avec Didier Gemmerlé et Radu Stoica. L'objectif est de créer une méthode de travail efficace pour modéliser, simuler et inférer des processus ponctuels marqués de Gibbs. Grâce à sa puissance et sa rapidité, le langage C++ permet l'utilisation des méthodes de Monte Carlo à Chaîne de Markov (MCMC) nécessaire à la simulation et l'inférence des processus ponctuels. J'utilise actuellement cette méthode pour que le prototype du modèle développé durant ma thèse, le modèle Hug, devienne accessible et facile d'utilisation pour le public.