IA et jumeaux numériques : Alexandre Daby-Seesaram accélère la simulation des organes pour diagnostiquer et opérer

Alexandre Daby-Seesaram est enseignant chercheur au Laboratoire de Mécanique et de ses Interfaces (LMI*) de l’ENSTA. Ce poste, qu’il occupe depuis le début de l’année 2026 dans le cadre d’un Tenure Track de l’Institut Polytechnique de Paris**, s’inscrit dans la suite logique d’un parcours marqué par la mécanique. « J’ai toujours eu envie de comprendre les choses tangibles qui nous entourent. Lorsque j’ai réalisé que les équations de la mécanique régissaient de nombreux phénomènes de la vie courante, j’ai souhaité me diriger vers la mécanique des fluides ». Suivant les conseils d’un proche universitaire, Alexandre Daby-Seesaram entre à l’ENS Cachan (aujourd’hui ENS Paris-Saclay). Bien que le cursus mette davantage l’accent sur les solides, le jeune étudiant y trouve un cocktail scientifique à son goût : mathématiques, physique, modélisation, étude de problèmes proches du réel... « J’étais comblé ! ».

Les interactions entre mécanique générale et informatique puis la simulation le séduisent. Il se lance alors dans un Master 2 recherche en mécanique numérique, décroche un stage puis un doctorat dans ce domaine au sein de l’ancien Laboratoire de Mécanique et Technologie de l’ENS (aujourd’hui Laboratoire de Mécanique Paris-Saclay). Au cours de ses trois années de thèse, le jeune chercheur développe des modèles offrant des simulations rapides pour le calcul de probabilités de défaillance d’éléments structuraux dans les centrales nucléaires. 

Tester des traitements, entrainer les chirurgiens

Alexandre Daby-Seesaram est alors contaminé par le virus de la mécanique numérique et de la recherche académique. « J’ai vite ressenti le besoin de continuer à manipuler tous ces outils mais je souhaitais m’éloigner de l’industrie et exercer dans des domaines plus impactant pour la société ». De nouvelles portes s’ouvrent au cours de sa thèse alors qu’il donne des cours à l’École polytechnique et rencontre Martin Genet, enseignant chercheur au Laboratoire de Mécanique des Solides (LMS***). « Martin travaillait sur la modélisation de phénomènes physiques modélisation de phénomènes physiques caractérisant le cœur et les poumons. Le besoin d’accélérer ses calculs en intégrant des méthodes de réduction de modèles commençait à se faire sentir. Il m’a recruté en post doctorat dans son équipe ».

En effet, pour que ces modèles de jumeaux numériques soient transposables cliniquement, il fallait en adapter les paramètres à de nombreux patients. « L’intérêt est ici de représenter fidèlement un malade au fil du temps afin de tester des remèdes ou des chirurgies avant prescription ou passage à l’acte », souligne Alexandre Daby. Cela implique d’explorer de nombreuses possibilités pour chaque paramètre, donc des calculs longs et coûteux, peu adaptés à la temporalité de la médecine. Les travaux du post doctorant prenaient ici tout leur sens. 

Le jeune chercheur est alors pleinement aligné à ses valeurs et ses compétences de mécanicien des structures déformables s’appliquent parfaitement à la biomécanique. « Travailler sur du vivant fait appel à des couplages de physiques variées et apporte une dose d’incertitudes que les problématiques industrielles, bien balisées, n’ont pas. C’est très stimulant. C’est aussi pour cela que j’ai choisi de candidater sur ce poste en Tenure Track », explique-t-il.

Avec ce dispositif, Alexandre Daby-Seesaram bénéficie d’une grande liberté d’action. Il poursuit ainsi ses travaux de post doctorat sur la réduction de modèles de poumons à des fins thérapeutiques mais développe également de nouveaux axes de recherche comme l’aide à la chirurgie robotisée. « Il s’agit de simuler rapidement, pendant une opération, l’impact d’un geste sur le corps du patient et d’intégrer les résultats dans l’algorithme de contrôle du robot ». Parallèlement, le chercheur envisage un logiciel recréant des modèles personnalisés d’organes mous. Le chirurgien peut alors s’entrainer virtuellement à les opérer, via un robot. « Pour aller encore plus loin, les méthodes de réduction de modèles accélèreront le calcul permettant d’imprimer dans un temps restreint, en 3D, à moindre coût et à l’aide de polymères, la forme optimisée de l’organe. Le praticien retrouvera les propriétés haptiques de l’opération hors du corps de son patient ». 

Rapidité et précision

Pour parvenir à réduire un modèle et accélérer les simulations numériques, Alexandre Daby-Seesaram considère un nombre restreint de paramètres représentatifs de l’organe ciblé – de l’ordre de la centaine de milliers ou du million. Chacun d’entre eux est utilisé pour résoudre les équations qui régissent le fonctionnement de l’organe. Or, pour que le modèle soit utile à plusieurs patients, il faut rentrer les paramètres de centaines de malades. « La quantité de calculs et de data est considérable. Je cherche donc à simplifier l’espace mathématique dans lequel sont résolues ces équations. Ainsi, au lieu de calculer toutes les possibilités liées à un paramètre – par exemple la rigidité des poumons pour un patient donné – je sélectionne une combinaison judicieuse de paramètres apportant une vue d’ensemble des rigidités que peuvent présenter les poumons ». En éliminant de la sorte les redondances et en ne conservant que les données nécessaires, le nombre de calculs est drastiquement réduit, la simulation accélérée et la précision préservée. 

L’hybridation d’algorithmes utilisés dans l’industrie avec des méthodes récentes d’apprentissage automatisé (des réseaux de neurones) est la clef de voûte de ces simplifications mathématiques. « Nous contraignons le modèle d’IA en définissant précisément les paramètres à prendre en compte. Puis nous développons une façon d’utiliser des optimiseurs d’apprentissage profond, de telle sorte que l’architecture idéale des réseaux de neurones soit définie pendant l’entrainement du modèle. Cela nous procure la versatilité dont nous avions besoin pour prendre en compte les différentes physiques en jeu en biomécanique ».

À propos d’Alexandre Daby-Seesaram 

Alexandre Daby-Seesaram est Maître de conférences à l'ENSTA. Ses travaux se situent à l'intersection de la mécanique computationnelle, de la réduction de modèles et des applications biomédicales. Titulaire d'un doctorat en mécanique numérique de l'ENS Paris-Saclay (préparé au LMPS - Laboratoire de Mécanique Paris-Saclay), Alexandre a ensuite rejoint l'École polytechnique pour un postdoctorat de deux ans. C’est durant cette période qu’il a commencé à appliquer des méthodes de réduction de modèles à la biomécanique, avec pour objectif de créer des jumeaux numériques spécifiques à chaque patient. Ses recherches actuelles se concentrent sur la réduction de modèles pour la résolution de problèmes hautement non linéaires, en utilisant notamment la Proper Generalised Decomposition (PGD). Au cœur de ses travaux, il explore l'hybridation entre ces méthodes classiques et l'apprentissage automatique, alliant décomposition tensorielle et réseaux de neurones interprétables. L'objectif final de ses travaux est de transformer ces outils mathématiques en applications cliniques concrètes, permettant la simulation d'organes humains en temps réel pour une médecine de précision individualisée.

>> La page personnelle d’Alexandre Daby-Seesaram

>> Alexandre Daby-Seesaram sur Google Scholar