Professeure à l'Université Paris-Saclay, ses recherches portent sur les données structurées et modèles à variable latente, la statistique en grande dimension et la théorie du codage sur des alphabets dénombrables.
Son expertise est sollicitée à plusieurs reprises pour faire partie de comités scientifiques universitaires et de prix scientifiques[8]. Elle est par exemple membre du Conseil scientifique de l'École normale supérieure de Paris, chargé d'en définir la politique pédagogique et scientifique[9]. Depuis 2019, elle est membre du comité éditorial de la revue I.E.E.E Transactions on Information Theory[10].
Dans son livre Codage universel, elle a développé une théorie du codage sans perte pour les alphabets dénombrables où il est connu qu’il n’existe pas de code universel. En particulier elle a défini des classes de sources pour lesquelles on peut construire des codages adaptatifs (i.e. réalisant le taux de compression optimal sur chaque classe simultanément). Ce livre met en lumière des liens profonds entre le codage sans perte issu de la théorie de l'information et le problème d'identification d'ordre par sélection de modèles en statistique. Selon le mathématicien Dumitru Stanomir, il s'agit d'« un excellent ouvrage de référence » sur certains aspects importants dans le domaine de la théorie du codage[13]. Pour Nicolae Constantinescu il s'agit d'une « description claire et concise des concepts du codage, en particulier du codage sans perte, du point de vue de la corrélation avec les statistiques au sens de la longueur des mots de code »[14].
En 2018, elle s'inquiète de l'absence d'attractivité de la recherche en France, qui amène les titulaires d'un doctorat en mathématiques à partir à l'étranger[21].
Publications
Élisabeth Gassiat est l'autrice d'une centaine de publications dont[22] :
Ouvrages
Élisabeth Gassiat, Codage universel et identification d'ordre par sélection de modèles, Société mathématique de France, coll. « Collection SMF », (ISBN978-2-85629-782-7).
(en) « The local geometry of finite mixtures », Transactions of the American mathematical society, (lire en ligne)
(en) « Maximum likelihood for blind separation and deconvolution of noisy signals using mixture models », International Conference on Acoustics, Speech, and Signal Processing, (lire en ligne, consulté le )
D. Dacunha-Castelle et E. Gassiat, « Testing the order of a model using locally conic parametrization: population mixtures and stationary ARMA processes », The Annals of Statistics, vol. 27, no 4, , p. 1178–1209 (ISSN0090-5364 et 2168-8966, DOI10.1214/aos/1017938921, lire en ligne, consulté le )
(en) Jean-Marc Azaïs, Élisabeth Gassiat et Cécile Mercadier, « The likelihood ratio test for general mixture models with or without structural parameter », ESAIM: Probability and Statistics, vol. 13, , p. 301–327 (ISSN1292-8100 et 1262-3318, DOI10.1051/ps:2008010, lire en ligne, consulté le )
(en) E. Gassiat, A. Cleynen et S. Robin, « Inference in finite state space non parametric Hidden Markov Models and applications », Statistics and Computing, vol. 26, no 1, , p. 61–71 (ISSN1573-1375, DOI10.1007/s11222-014-9523-8, lire en ligne, consulté le )
Brevet
Thierry Dumont et Elisabeth Gassiat, Procédé de mise à jour continue d'un paramètre représentatif d'une grandeur physique dépendant de sa localisation, et dispositif associé, (lire en ligne)
Hommages et distinctions
Le , Élisabeth Gassiat est nommée au grade de chevalier dans l'ordre national de la Légion d'honneur au titre de « professeure des universités de mathématiques ; 26 ans de services »[23]. Le , elle est faite chevalier de l'ordre puis promue au grade d'officier le au titre de « mathématicienne, professeure des universités à l'université Paris-Saclay »[24].
En 2023, l'Institut de mathématique d'Orsay organise un colloque international : Élisabeth Gassiat - un chemin dans la statistique moderne : 3 jours en l'honneur d'Élisabeth Gassiat pour son 62e anniversaire[26].
↑ a et bDumitru Stanomir, « Gassiat, Élisabeth Universal coding and order identification by model selection », zbmath, (lire en ligne).
↑(en) Nicolae Constantinescu, « Gassiat, Élisabeth Universal coding and order identification by model selection methods. », zbmath, (lire en ligne).
↑(en) E. Gassiat, A. Cleynen et S. Robin, « Inference in finite state space non parametric Hidden Markov Models and applications », Statistics and Computing, vol. 26, no 1, , p. 61–71 (ISSN1573-1375, DOI10.1007/s11222-014-9523-8, lire en ligne, consulté le ).
↑Élisabeth Gassiat, Sylvain Le Corff et Luc Lehéricy, « Identifiability and consistent estimation of nonparametric translation hidden Markov models with general state space », The Journal of Machine Learning Research, vol. 21, no 1, , p. 115:4589–115:4628 (ISSN1532-4435, DOI10.5555/3455716.3455831, lire en ligne, consulté le ).
↑(en) Didier Dacunha-Castelle et Elisabeth Gassiat, « Testing in locally conic models, and application to mixture models », ESAIM: Probability and Statistics, vol. 1, , p. 285–317 (ISSN1292-8100 et 1262-3318, DOI10.1051/ps:1997111, lire en ligne, consulté le ).
↑D. Dacunha-Castelle et E. Gassiat, « Testing the order of a model using locally conic parametrization: population mixtures and stationary ARMA processes », The Annals of Statistics, vol. 27, no 4, , p. 1178–1209 (ISSN0090-5364 et 2168-8966, DOI10.1214/aos/1017938921, lire en ligne, consulté le ).
↑Elisabeth Gassiat et Ramon Van Handel, « The Local Geometry of Finite Mixtures », Transactions of the American Mathematical Society, vol. 366, no 2, , p. 1047–1072 (ISSN0002-9947, lire en ligne, consulté le ).
↑(en) « Gassiat, Elisabeth; Van Handel, Ramon The local geometry of finite mixtures. », zbmath, (lire en ligne).
↑« IA, maths, ingénierie… les diplômés français ont la cote à l’international », Le Monde.fr, (lire en ligne, consulté le ).