<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Michaël Soulignac on Medium]]></title>
        <description><![CDATA[Stories by Michaël Soulignac on Medium]]></description>
        <link>https://medium.com/@michael.soulignac?source=rss-a0149f6aa1db------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*oI0qHMnEbkgLjqnN</url>
            <title>Stories by Michaël Soulignac on Medium</title>
            <link>https://medium.com/@michael.soulignac?source=rss-a0149f6aa1db------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 17:56:03 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@michael.soulignac/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Un drone qui suit la lumière]]></title>
            <link>https://medium.com/@michael.soulignac/un-drone-qui-suit-la-lumi%C3%A8re-3b4aeff4d70d?source=rss-a0149f6aa1db------2</link>
            <guid isPermaLink="false">https://medium.com/p/3b4aeff4d70d</guid>
            <category><![CDATA[uav]]></category>
            <category><![CDATA[path-planning]]></category>
            <category><![CDATA[drones]]></category>
            <category><![CDATA[optics]]></category>
            <category><![CDATA[algorithms]]></category>
            <dc:creator><![CDATA[Michaël Soulignac]]></dc:creator>
            <pubDate>Mon, 05 Oct 2026 19:32:44 GMT</pubDate>
            <atom:updated>2026-10-10T15:41:28.740Z</atom:updated>
            <content:encoded><![CDATA[<h4>Un cheminement entre physique, mathématiques et informatique.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/330/1*wrCLrhkJ7gjYGeKacItU6w.png" /><figcaption>La lumière trouve son chemin, sans jamais le planifier. Source : <a href="https://commons.wikimedia.org/wiki/File%3ARefraction_photo.png">Wikimedia Commons</a></figcaption></figure><h3>Motivation</h3><p>Les drones sont utilisés de façon grandissante pour réaliser diverses missions, militaires, de surveillance ou de sauvetage, par exemple. Leur plan de vol est optimisé par un planificateur automatique, comme on peut en utiliser en navigation maritime. Dans l’eau comme dans l’air, un facteur est déterminant : les courants. Un itinéraire optimal doit passer par des points imposés tout en se laissant porter le plus possible par ces courants ; dans le cas des drones, les courants <em>aériens</em> — le vent.</p><p>Pendant <a href="https://drive.google.com/file/d/1daeLRa8HQHbshMnjts4CjFTEPYuL-5ly/view?usp=drive_link">ma thèse</a>, je me suis penché sur cette problématique. Mais je l’ai traitée comme un <em>informaticien </em>— comme un problème d’optimisation de chemin dans un graphe — et donc, en y apportant une solution algorithmique : des variantes de l’<a href="https://fr.wikipedia.org/wiki/Algorithme_de_Dijkstra">algorithme de Dijkstra</a>. Mais j’ai toujours eu la conviction qu’on pouvait aborder ce problème comme un <em>physicien</em>, en s’inspirant de l’optique géométrique.</p><p>Voici l’idée. La lumière ne planifie pas son trajet : elle prend <em>naturellement</em> le chemin le plus rapide parce qu’elle y est forcée par son environnement. Ce sont les lois de la physique qui lui régissent son comportement — en particulier les <a href="https://fr.wikipedia.org/wiki/Lois_de_Snell-Descartes">lois de Descartes</a>. Ce sont elles qui dictent la manière dont la lumière est déviée en traversant différents milieux : c’est le phénomène de <em>réfraction</em>.</p><p>Ainsi, si on veut atteindre un point précis, avec un laser par exemple, notre seule marge de manœuvre est l’inclinaison initiale du faisceau. Le chemin ensuite emprunté par la lumière dépend uniquement des milieux traversés.</p><p>Nous allons voir que nous pouvons appliquer cette idée à un drone : pour atteindre le plus rapidement possible un point cible en traversant plusieurs zones de vent, la seule chose à optimiser, c’est le cap initial du drone. Tout le reste est imposé par une loi similaire à la loi de Descartes.</p><h3>La loi de Descartes pour la lumière</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9QZhwUTBt5juAYGVorfmoQ.png" /></figure><p>Lorsqu’un rayon passe d’un milieu 1 à un milieu 2, les angles <em>θ₁</em> et <em>θ₂</em> qu’il forme avec la normale à la frontière vérifient la deuxième loi de Descartes :</p><p><em>n₁ sin(θ₁) = n₂ sin(θ₂)</em></p><p>où <em>nᵢ</em> = <em>c</em>/<em>cᵢ</em> est l’<em>indice de réfraction</em> du milieu <em>i</em> (<em>c</em> : vitesse de la lumière dans le vide, <em>cᵢ</em> : dans le milieu <em>i</em>).</p><p>On peut donc la réécrire sous la forme :</p><p><em>sin(θ₁) </em>/<em> c₁ = sin(θ₂) </em>/<em> c₂</em></p><p>Cette loi découle du <a href="https://fr.wikipedia.org/wiki/Principe_de_Fermat">principe de Fermat</a> : le trajet suivi par la lumière rend son temps de parcours <em>stationnaire</em>. Cela veut dire qu’au point optimal, déplacer légèrement le point où le rayon franchit la frontière ne permet pas de réduire le temps de parcours. C’est cette condition, écrite pour un déplacement le long de la frontière, qui donne la loi de Descartes.</p><h3>L’analogue pour le drone</h3><p>Imaginons un drone devant atteindre un point cible en traversant deux zones de vent séparées par une frontière rectiligne. Dans la zone 1, le vent uniforme est modélisé par un vecteur<strong> v₁</strong>, et dans la zone 2 par <strong>v₂</strong>. Le drone vole toujours à la même vitesse par rapport à l’air, de norme <em>a</em> : sa seule liberté est la direction de <strong>a</strong>, c’est-à-dire son <em>cap</em>. Sa vitesse par rapport au sol est :</p><p><strong>s</strong> = <strong>v</strong> + <strong>a</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yqHvvTbrO6vBiRFRwavD8g.png" /></figure><p>Dans une zone de vent uniforme, le plus rapide est de garder un cap constant : la trajectoire au sol est un segment de droite. Comme pour la lumière, tout se joue donc à la frontière : en quel point la franchir ?</p><p>Reprenons le principe de Fermat pour le drone : son trajet optimal rend son temps de vol <em>stationnaire </em>quand on décale légèrement le point où il franchit la frontière. Si on l’applique aux équations de mouvement du drone, on obtient une loi similaire à la deuxième loi de Descartes :</p><p><em>sin(θ₁)</em> /<em> p₁ = sin(θ₂) </em>/<em> p₂</em></p><p>où <em>θᵢ</em> est l’angle entre le cap du drone et la normale à la frontière dans la zone <em>i</em>, et <em>pᵢ</em> est sa vitesse de progression dans la direction du cap.(mathématiquement, <em>pᵢ</em> = <strong>sᵢ</strong> · <strong>aᵢ</strong> / <em>aᵢ</em>).</p><p>Je trouve ce résultat particulièrement élégant ! Pour les lecteurs voulant tous les détails, la démonstration complète est disponible <a href="https://michaelsoulignac.github.io/snell-path-planning/math/#2-the-drone-model">ici</a>.</p><h3>Planification de chemin inspirée de l’optique</h3><p>Imaginons maintenant un drone qui part d’une zone de vent 1, franchit les zones 2, …, <em>n</em>−1, et doit atteindre un point situé dans la zone <em>n</em>. Pour simplifier, les zones sont juxtaposées de sorte que toutes les frontières soient parallèles.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LXlIzZA4qeVc3MWH9cuQvw.png" /></figure><p>Une fois le cap initial <em>θ₁</em> choisi, la “loi de Descartes pour les drones” régit le changement de cap à chaque frontière : la quantité <em>sin(θ)</em> / <em>p</em> garde la même valeur, notée <em>λ</em>, dans toutes les zones traversées. On appelle ceci un <em>invariant</em>.</p><p><em>sin(θ₁) </em>/<em> p₁ = sin(θ₂) </em>/<em> p₂ = … = sin(θₙ) </em>/<em> pₙ = λ</em></p><p>Le cap initial fixe donc <em>λ</em>, et <em>λ</em> fixe à son tour le cap dans chaque zone, de proche en proche.</p><p>Tout se passe comme si on avait orienté un rayon laser, qui traversait ensuite une succession de milieux. Le chemin ainsi obtenu est le plus rapide pour atteindre la dernière zone, mais pas forcément au point cible. Alors, comment faire ?</p><p>Par tâtonnement. On peut <a href="https://michaelsoulignac.github.io/snell-path-planning/math/#5-monotonicity-of-lambda">démontrer</a> que le cap initial et l’ordonnée du point d’arrivée évoluent dans le même sens (propriété appelée <em>monotonie</em>): si on augmente le cap, on arrive plus haut, et inversement. Si on est un peu trop bas, on corrige en visant plus haut, et ainsi de suite. C’est un peu comme le jeu du “plus ou moins”. Pour le faire efficacement, on divise l’intervalle de recherche par deux à chaque essai : c’est la méthode de la <a href="https://fr.wikipedia.org/wiki/M%C3%A9thode_de_dichotomie">dichotomie</a>.</p><p>Sur ce principe, on peut construire un planificateur automatique : il teste un cap, mesure l’écart avec la cible, puis ajuste par dichotomie jusqu’à s’en approcher suffisamment. La figure suivante illustre ce processus sur un exemple.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v_5-rBnpoQe9yWhQteJvJw.png" /></figure><h3>Essayez la démo !</h3><p>Vous trouverez <a href="https://michaelsoulignac.github.io/snell-path-planning/">à cette page</a> une application de démonstration illustrant tous les concepts de cet article et vous permettant de tâtonner par vous-même. Quand vous en aurez assez, appuyez sur <em>Solve</em> pour laisser le planificateur trouver la solution pour vous !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*chNvAgRvmJ7EJGntuw0rzw.png" /></figure><p>Vous avez remarqué ces secteurs colorés ? C’est une particularité d’un déplacement d’un drone dans le vent : si la vitesse du drone est inférieure à celle du vent, le drone dérive comme un nageur dans un courant trop fort. Dans ces conditions, seule une partie du plan devient accessible.</p><h3>Le mot de la fin</h3><p>Nous arrivons à la fin de notre ballade. J’espère qu’elle vous aura plu !</p><p>Ce travail n’aurait pas été possible sans deux personnes que je souhaite remercier ici. D’abord <strong>Sofiane Tafat</strong>, physicien, qui m’a soufflé l’idée d’appliquer le principe de Fermat pour déduire une loi similaire à Descartes. Mais bien que l’idée soit séduisante sur le papier, les équations différentielles proposées par Sofiane étaient trop complexes à résoudre. C’est <strong>Benjamin Parent</strong>, mathématicien, qui a débloqué la situation en formulant les mouvements élémentaires du drone sous forme vectorielle. Un élément clé qui a permis de concrétiser l’intuition de Sofiane !</p><p>Ce genre de collaboration, désintéressée, juste pour la beauté du résultat, est l’idée que je me fais de la science. C’est en décloisonnant les disciplines scientifiques que des approches en IA comme les <a href="https://fr.wikipedia.org/wiki/R%C3%A9seau_de_neurones_artificiels">réseaux de neurones</a> ou les <a href="https://fr.wikipedia.org/wiki/Algorithme_de_colonies_de_fourmis">colonies de fourmis</a> ont pu voir le jour.</p><p>C’est dans cet esprit que j’écris cet article aujourd’hui, et que je mets à disposition le code du démonstrateur sur <a href="https://github.com/michaelsoulignac/snell-path-planning">GitHub</a>, avec une licence très permissive (<a href="https://fr.wikipedia.org/wiki/Licence_MIT">MIT</a>). N’hésitez pas à contribuer à ce projet, que ce soit pour améliorer le code ou la démonstration mathématique, en faisant des <a href="https://docs.github.com/fr/pull-requests"><em>pull requests</em></a> !</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3b4aeff4d70d" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>