Cela fait une dizaine d’années que je travaille à Inria, dans une équipe commune avec l’ENS et le CNRS sur l’apprentissage statistique, ou le machine learning, une sous-branche de l’intelligence artificielle. Il s’agit de développer des méthodes de traitement automatisé de données numériques de très grande taille. Dans le machine learning, nous regardons le passé pour mieux prédire l’avenir. À partir de très nombreuses données d’entrée, nous essayons de déduire des règles et de produire un système prédictif. Avec la démultiplication des machines, les algorithmes deviennent parfois lents. Notre but est de faire en sorte que ces algorithmes soient plus rapides dans cet environnement distribué (sur plusieurs machines) et surtout qu’ils donnent des prédictions pertinentes. Nous cherchons un compromis entre la rapidité du temps de calcul et la justesse de la prédiction. Nous voulons aussi faire en sorte que les méthodes algorithmiques que nous mettons au point soient utilisées partout dans le monde. C’est pourquoi nous créons du code en open source , pour que les gens utilisent nos méthodes algorithmiques dans leur domaine, que ce soit l’informatique, la vision, etc…
Il s’agit du projet Sequoia, qui traite de la vitesse des algorithmes et de la pertinence du résultat à partir de nombreuses machines et de données non structurées. Nous avons aujourd’hui des problèmes très grands et mal posés. Le but est de créer des sous-problèmes bien formulés et de les résoudre.
Ce qui me plaît dans le machine learning, c’est que c’est une discipline en interaction avec beaucoup d’autres comme les statistiques, les mathématiques, mais aussi le langage ou la vision. De ce fait, le travail avec mes autres collègues est important. Et puis, c’est très intéressant de voir le lien entre les maths et la vie réelle. Je passe de la théorie à l’application et c’est ce qui me plaît.
Elle représente une nouvelle étape (NDLR : la première a été obtenue en 2009). C’est une reconnaissance académique assez forte, importante pour la carrière. Et surtout, l’ERC permet d’obtenir un financement important pour nos travaux de recherche. Nous n’avons plus besoin de nous soucier de l’aspect financier, et c’est une bonne chose. Et même si la bourse est décernée à titre personnel, elle récompense le travail de toute une équipe. Nous ne sommes pas tout seuls. D’ailleurs j’ai été très entouré par mes proches collègues et le centre Inria de Paris qui m’ont aidé à travailler sur le dossier ERC. Ils m’ont épaulé pour décrire un projet rigoureux et ambitieux. Cet entourage professionnel est très important.
Nous allons déjà recruter des étudiants et des postdoctorants pour renforcer l’équipe actuelle. Car nous aurons besoin de main d’œuvre pour travailler sur le projet Séquoia pendant cinq ans. Nous espérons recruter sept personnes. Et puis, nous allons aussi nous équiper en machines. Nous devons travailler sur les machines que les gens utilisent. Il faut pouvoir tester les algorithmes en conditions réelles, sur les mêmes architectures que les utilisateurs finaux, ou sur le cloud.
Je n’ai pas de plan stratégique au-delà de cinq ans, tout va dépendre de ce que font les autres chercheurs et comment les choses bougent d’ici-là. Et puis ce sera aussi une question de rencontres professionnelles sûrement.
