Paul obtient son diplôme d’ingénieur de Télécom Paris en 2016. Il se spécialise dans cette école en traitement des signaux et des images, et intègre en 2015 le Master 2 recherche « Mathématiques, Vision, Apprentissage » de l’école normale supérieure de Cachan (aujourd’hui ENS Paris-Saclay).

De 2016 à 2020, il effectue une thèse de doctorat à l’école normale supérieure sous la direction de Vincent Duval et Gabriel Peyré, pendant laquelle il travaille sur le développement de nouvelles approches numériques pour la résolution de problèmes inverses en imagerie, notamment la super-résolution d’images de microscopie par fluorescence.

De 2020 à 2024, il poursuit ses recherches dans ces domaines en contrat post-doctoraux en Allemagne, d’abord à l’institut de Mathématiques de l’université d’Osnabrück, puis au sein de l’institut pour l’imagerie biologique et médicale du centre Helmholtz-Munich. En 2024, il rejoint l’université de Lorraine et le CRAN en tant que maître de conférences.

Domaines d’expertise

Son expertise porte sur les problèmes inverses en imagerie et sur les approches variationnelles permettant de les résoudre, en particulier dans le cadre des problèmes de super-résolution, qui consistent à reconstruire avec une grande précision un signal à partir de données peu résolues et bruitées. Ses travaux portent également sur le transport optimal, une méthode permettant de mesurer la similarité entre des distributions de données, fondée sur des considérations géométriques. Cet outil trouve aujourd’hui de nombreuses applications en traitement des signaux et des images, par exemple pour la fusion multimodale, la classification ou la comparaison de données complexes.

Quel serait votre projet idéal, alliant numérique et santé ?
Nous avons posé la question à Paul :

« La biophotonique et l’optique biomédicale se situent à l’interface entre la santé et le numérique, et offrent un champ de défis scientifiques riche. Par exemple, la caractérisation des tissus biologiques par spectro-imagerie permet d’envisager des diagnostics in vivo et non invasifs des cancers cutanés. Le développement de solutions fiables pour le traitement des données acquises constitue ainsi un enjeu majeur pour permettre le déploiement clinique de ces techniques. »

« Sur le plan scientifique, la question des garanties et de la robustesse des méthodes est cruciale, alors même que certaines approches très performantes, notamment celles fondées sur l’apprentissage profond, n’y répondent pas toujours facilement. Dans ce contexte, le développement d’outils hybrides, combinant des approches automatiques fondées sur les données et des approches reposant sur des modèles, qu’ils soient mathématiques, exploitant par exemple la géométrie sous-jacente des données, ou physiques, s’appuyant sur les équations décrivant la propagation des photons dans les tissus, constitue un projet de recherche que je trouve particulièrement stimulant. »

« Dans le cadre de ces biopsies optiques, le volet numérique repose ainsi notamment sur:

• le développement de méthodes de classification automatique robustes à la variabilité inter- et intra-patients des données;

• l’intégration conjointe des différentes modalités spectroscopiques dans les procédures de traitement;

• l’intégration de connaissances a priori, issues de modèles physiques ou biologiques, afin d’améliorer la fiabilité des diagnostics.

Depuis mon arrivée au CRAN, j’ai la chance de pouvoir explorer certains aspects de ces questions dans le cadre de mes recherches. Le développement de nouveaux outils méthodologiques, notamment fondés sur des approches innovantes telles que le transport optimal, me semble essentiel pour relever ces défis, et favoriser le transfert de ces technologies vers la pratique clinique. »

Article source : Communauté numérique & santé UNYS - Newsletter avril 2026