Introducing HPC-Enabled Computational Research Training in Africa: A Pilot Study

Imaginez le monde de la découverte scientifique comme une cuisine géante à enjeux élevés. Pendant des décennies, les chefs (scientifiques) ne pouvaient cuisiner qu'avec de petits réchauds personnels. Ils pouvaient préparer une excellente soupe ou un cake décent, mais s'ils voulaient cuire mille pains à la fois ou simuler les modèles météorologiques d'un continent entier, leurs réchauds n'étaient tout simplement pas assez grands. Entrez dans le monde du Calcul Haute Performance (HPC). Voyez le HPC non pas comme un seul super-réchaud, mais comme une cuisine industrielle gigantesque avec des centaines de brûleurs travaillant en parfaite synchronisation. Cela permet aux chercheurs de s'attaquer à des problèmes « impossibles », de la conception de nouveaux médicaments à la prédiction du changement climatique.

Cependant, avoir accès à cette cuisine industrielle ne suffit pas. Il faut aussi savoir utiliser les fours complexes et automatisés, savoir gérer l'inventaire massif d'ingrédients (les données) et savoir travailler en équipe avec d'autres chefs sans mettre le feu aux poudres. C'est cela, la formation à la recherche computationnelle. C'est le livre de recettes et l'apprentissage qui transforment un cuisinier amateur en un maître de la cuisine industrielle. Pendant longtemps, cette formation ressemblait à un club privé, principalement accessible dans les pays riches possédant leurs propres cuisines industrielles. Mais que se passe-t-il lorsque des chefs brillants et affamés dans d'autres parties du monde veulent apprendre, mais n'ont pas de cuisine pour s'exercer, ni de chef maître pour les enseigner ? C'est la question que ce document explore.

---

Le Pilote : Un cours de cuisine dans un monde sans fours

James Afful et son équipe de collaborateurs ont décidé de tester une nouvelle façon d'enseigner ces compétences de « cuisine industrielle » aux étudiants et aux chercheurs en début de carrière en Afrique. Ils ont nommé leur expérience le Centre pour la Recherche et l'Éducation Computationnelles (CCRE). Leur objectif n'était pas de prouver qu'ils pouvaient former des milliers de personnes à la fois ; ils voulaient plutôt voir si un modèle spécifique, étape par étape, pouvait fonctionner du tout lorsque les ressources sont limitées.

Voyez leur modèle comme un seau percé conçu pour capturer les apprenants les plus motivés. D'abord, ils ont jeté un large filet via les réseaux sociaux (LinkedIn, WhatsApp, Instagram) pour trouver toute personne intéressée. Ils ont trouvé 24 candidats — un beau groupe d'apprenants affamés. Mais on ne peut pas enseigner en profondeur à tout le monde avec des ressources limitées, ils ont donc filtré le groupe. 12 personnes ont été invitées à suivre un cours de « pré-cuisine » obligatoire en ligne. C'était comme un test pour voir qui avait la patience et la connexion internet nécessaires pour suivre une recette sans qu'un chef ne soit debout juste à côté d'eux.

Seuls 6 de ces 12 ont réussi à terminer tous les modules requis. Ces six personnes constituaient la « cohorte pilote » finale. C'était un groupe diversifié : principalement des étudiants de premier cycle et des chercheurs en début de carrière issus de domaines tels que l'ingénierie, la physique et la biologie. Crucialement, cinq sur les six n'avaient jamais touché un superordinateur auparavant. Ils étaient comme des gens qui avaient lu des choses sur la cuisine, mais qui n'avaient jamais réellement tenu une spatule.

Le Voyage : De la théorie à la réalité

Le programme a été conçu par étapes, passant de la théorie à la pratique :

1. La Préparation : Les six survivants ont suivi un cours en ligne de quatre modules pour apprendre les bases, comme la façon de parler à un ordinateur en utilisant des commandes textuelles (Linux) et comment organiser des fichiers.
2. Le Mentorat : Une fois la préparation réussie, ils ont été jumelés avec des mentors. Il ne s'agissait pas seulement d'un professeur qui donne un cours magistral ; c'était un guide aidant à résoudre de vrais problèmes.
3. Le Projet : La véritable magie s'est produite ici. Les six étudiants se sont divisés en deux équipes et ont construit de véritables outils en utilisant la puissance réelle du calcul intensif.
   • L'Équipe 1 a construit un « modèle de substitution » (surrogate model) pour un test de sécurité de réacteur nucléaire. Au lieu de lancer une simulation lente et coûteuse à chaque fois, ils ont entraîné un modèle d'apprentissage automatique pour prédire instantanément les résultats de sécurité. Ils ont même construit un site web interactif et coloré (en utilisant un outil appelé Streamlit) pour que d'autres puissent l'utiliser.
   • L'Équipe 2 a créé un outil d'IA pour repérer les tumeurs cérébrales dans les scanners IRM. Ils ont appris à un ordinateur à regarder des images et à mettre en évidence l'emplacement exact de la tumeur, en utilisant une technique appelée Grad-CAM pour montrer son « raisonnement ».

Les Résultats : De grands espoirs, de réels obstacles

À la fin du programme, les chercheurs ont demandé aux participants comment cela s'était passé. Les résultats étaient élogieux. Les étudiants ont donné au programme une note moyenne de 4,20 sur 5. Chaque personne ayant répondu a affirmé qu'elle le recommanderait certainement à un ami. Ils ont eu le sentiment d'avoir acquis des compétences pratiques, d'avoir tissé des liens avec une communauté et d'avoir gagné en confiance.

Cependant, le document prend grand soin de ne pas présenter cela comme un « remède miracle ». Bien que les étudiants se soient sentis très satisfaits, les problèmes structurels n'ont pas disparu par magie.

• L'Internet : Trois étudiants sur cinq ont signalé que leur connexion internet était instable, ce qui leur a fait manquer des parties du cours.
• Les Barrières Majeures : Même après la formation, les étudiants ont toujours rapporté qu'ils manquaient d'accès aux superordinateurs, qu'ils n'avaient pas d'experts locaux pour les mentorer et qu'ils ne pouvaient pas supporter le coût du calcul en nuage (cloud computing).

Le document suggère que si ce programme de formation a été une « étincelle » fantastique, il ne pouvait pas réparer le problème du « carburant ». Vous pouvez apprendre à quelqu'un à conduire une voiture de course dans un simulateur, mais s'il n'a pas de voiture, pas de route et pas de mécanicien, il ne peut pas faire de course. La formation leur a donné les compétences et la confiance, mais l'infrastructure (les ordinateurs, les mentors, l'argent) fait toujours défaut dans leurs environnements locaux.

Ce que cela signifie pour l'avenir

Les auteurs concluent qu'on ne peut pas se contenter de lancer un atelier ponctuel et espérer résoudre le problème. Au lieu de cela, ils proposent un cadre à quatre piliers pour l'avenir :

1. Accès : Donner aux gens la chance de toucher de vrais ordinateurs, et pas seulement d'en lire des descriptions.
2. Préparation : Utiliser des leçons en ligne structurées pour que tout le monde ait le même niveau de base.
3. Pratique Mentorée : Maintenir la connexion humaine ; les mentors sont essentiels pour éviter que les apprenants ne baissent les bras.
4. Durabilité : C'est le point crucial. Le programme doit construire une communauté où les anciens étudiants deviennent mentors pour les nouveaux, et où les universités et les entreprises s'associent pour fournir un accès à long terme à la puissance de calcul.

En bref, ce document suggère que la recette du succès pour la recherche computationnelle en Afrique ne consiste pas seulement à enseigner les compétences ; il s'agit de construire tout un écosystème où ces compétences peuvent réellement être utilisées. Le pilote a prouvé que la recette fonctionne, mais la cuisine doit encore être construite.