People – «Reflective, researcher, randomizer»

© Steven Gilmour

Nous présentons les membres de notre comité de direction : prof. Steven Gilmour, Département de mathématiques, King’s College de Londres, Royaume-Uni

Pouvez-vous vous décrire par trois mots commençant par un R (en anglais lors de l’interview) ?

Reflective, Researcher, Randomizer

2. Qu’est-ce qui vous a incité à rejoindre le comité de direction du PNR 79 ?

Je ne suis pas un expert des 3R, mais mes recherches sur la conception et l’analyse statistiques d’expériences sont pertinentes pour de nombreux aspects de ce principe. Je suis ravi d’avoir été invité à rejoindre le comité de direction car c’est l’occasion d’en apprendre davantage et, je l’espère, d’apporter ma contribution. Il est clair que la taille des échantillons joue un rôle majeur dans le contexte des 3R, et j’aime particulièrement encourager la réflexion statistique. Par exemple, bien que nous voulions réduire la quantité d’animaux utilisés, nous devons également remettre en cause la valeur des études de très faible envergure qui fournissent des informations limitées. En tant que statisticien, je crois que mon rôle est souvent de poser des questions naïves, mais épineuses. La vaste pluridisciplinarité de ce programme m’a également attiré.

3. Comment imaginez-vous l’avenir des 3R (remplacement, réduction et raffinement) en matière d’expérimentation animale, notamment compte tenu de vos récents projets ?

D’autres sont bien mieux placés que moi pour répondre à cette question, mais je pense à certains aspects liés aux statistiques et à l’analyse de données. Les chercheurs·euses ont accès à beaucoup plus de données qu’auparavant, aussi bien issues de leurs propres travaux que des bases de données disponibles. Savoir quelles données existent et comment y accéder peut être difficile. J’espère que le recours, entre autres, à des méthodes mises au point dans le cadre de ce programme permettra de remédier à cette difficulté. Cette situation a aussi une incidence sur les plans d’expériences, car il se peut que certaines connaissances visées par l’expérimentation soient déjà disponibles. Y avoir accès permettrait aux chercheurs·euses de réaliser des expériences différentes ou de plus faible envergure.

Principaux domaines de recherche :

  • Aspects statistiques des plans d’expériences
  • Méthode des surfaces de réponses
  • Analyse de données issues d’expériences complexes
  • Évaluation statistique d’algorithmes d’IA