L’informatique scientifique : qu’est-ce que c’est ?

Les besoins du scientifique

• Acquérir des données (simulations, contrôle d’expérience)
• Manipuler et traiter ces données.
• Visualiser les résultats... pour comprendre ce qu’on fait !
• Communiquer sur les résultats : produire des figures pour des rapports ou des publications, écrire des présentations.

Cahier des charges

• Riche collections de briques déjà toutes programmées correspondant aux méthodes numériques classiques ou aux actions de base : on ne veut pas avoir à reprogrammer le tracé d’une courbe, un algorithme de transformée de Fourier ou de fit. Minimiser la réinvention de la roue !
• Rapide à apprendre : l’informatique n’est pas notre métier ni notre formation. On veut pouvoir tracer une courbe, lisser un signal, faire une transformée de Fourier sans avoir besoin de chercher des heures comment faire.
• Communication facile avec les collaborateurs, étudiants, clients, pour faire vivre le code au sein d’un labo ou d’une entreprise : le code devrait pouvoir se lire comme un livre. Le langage doit donc contenir le moins possible de syntaxe ou de procédures “parasite”, qui détournent l’attention de la signification mathématique/scientifique du code
• Codes efficaces qui s’exécutent rapidement... mais rien ne sert de faire du code rapide si on met plus de temps à l’écrire qu’à l’exécuter. Il faut donc une bonne vitesse de développement et une bonne vitesse d’exécution.
• Un seul environnement/langage pour tout faire, si possible, pour ne pas réapprendre un logiciel à chaque nouveau problème.

Solutions existantes

Quelles solutions les scientifiques utilisent-ils pour travailler ?

• Langages compilés : C, C++, Fortran, etc.

  • Avantages :

    • Très grande efficacité. Compilateurs très optimisés. Pour des calculs “brute force”, c’est difficile de battre la vitesse d’éxécution des codes programmés avec ces langages.
    • Des librairies scientifiques très optimisées ont été écrites pour ces langages. Ex : blas (manipulation de tableaux de nombres).

  • Inconvénients :

    • Utilisation lourde : pas d’interactivité dans le développement (étape de compilation peut être pénible). Syntaxe “verbeuse” (&, ::, }}, ; etc.). Gestion de la mémoire délicate en C. Ce sont des langages difficiles à manier pour le non-informaticien.

• Langages de scripts : Matlab

  • Avantages :

    • collection très riche de librairies avec de nombreux algorithmes, dans des domaines très variés. Exécution rapide car les librairies sont souvent écrites dans un langage compilé.
    • environnement de développement très agréable : aide complète et bien organisée, éditeur intégré, etc.
    • support commercial disponible

  • Inconvénients :

    • langage de base assez pauvre, qui peut se révéler limitant pour des utilisations avancées.
    • prix élevé

• Autres langages de scripts : Scilab, Octave, Igor, R, IDL, etc.

  • Avantages : libres/gratuits/moins chers que Matlab. Certaines fonctionnalités peuvent être très développées (statistiques dans R, figures pour Igor, etc.).
  • Inconvénients : moins d’algorithmes disponibles que dans Matlab, et langage pas plus évolué.

• Logiciels spécialisés pour une utilisation. Ex : Gnuplot ou xmgrace pour tracer des courbes. Ces logiciels sont très puissants, par contre leur utilisation est limitée au seul plot. C’est dommage d’avoir à apprendre un logiciel rien que pour ça.

• Et Python ?

  • Avantages :

    • Librairies très riches de calcul scientifique (un peu moins de choses que dans Matlab cependant).
    • Langage très bien pensé permettant d’écrire du code très lisible, et très bien structuré : on “code ce qu’on pense”.
    • Librairies pour d’autres applications que le calcul scientifique (gestion d’un serveur web, d’un port série, etc.).
    • Logiciel libre, largement distribué avec une communauté dynamique d’utilisateurs.

  • Inconvénients :

    • environnement de développement un peu moins agréable que par exemple Matlab (c’est un peu plus “pour les geeks”).
    • les librairies scientifiques ne proposent pas l’intégralité des toolboxes de Matlab (en contrepartie, certaines parties de ces librairies peuvent être plus complètes ou mieux faites).