Édouard Pauwels et ses travaux en optimisation pour l’IA récompensés par la médaille de bronze du CNRS

Les réseaux de neurones profonds se sont progressivement imposés comme une approche incontournable pour l’apprentissage automatique, ou machine learning. Cela a donné naissance à de nouvelles pratiques numériques et considérablement élargi le champ d’application de ces méthodes, si bien qu’aujourd’hui, beaucoup de questions liées à leur usage échappent à notre compréhension. Édouard Pauwels, maître de conférences à l’IRIT, étudie justement le comportement des programmes qui entraînent ces réseaux à la résolution automatique de tâches relevant de l’intelligence artificielle (IA). Ces travaux ont valu au scientifique de recevoir la médaille de bronze du CNRS.

« Globalement, mes domaines d’application concernent l’IA au sens large, une discipline à l’interface entre les mathématiques et l’informatique, explique Édouard Pauwels. Je m’intéresse en particulier à l’apprentissage automatique, qui a pour objectif de construire des algorithmes dont les tâches ne sont pas programmées à l’avance, mais sont apprises à partir d’un jeu de données d’entraînement. Ainsi, elles parviennent à reproduire des comportements apparentés à de l’intelligence, uniquement sur la base d’exemples. »

Ses travaux touchent à l’optimisation numérique, une composante essentielle de l’apprentissage qui détaille le processus par lequel ces machines intègrent le flux de données d’entraînement pour aboutir au comportement souhaité. La finalité est double : développer des algorithmes plus performants, et comprendre les propriétés de méthodes plus anciennes à la lumière des questionnements actuels.

Selon Édouard Pauwels, sa principale contribution scientifique remonte au début de l’année 2020 avec la publication, dans la revue Mathematical Programming, du concept de « champ conservatif multivalué ». Comme beaucoup de procédures informatiques, les librairies logicielles d’apprentissage automatique sont construites sur des routines numériques, c’est-à-dire des portions de code dédiées à une action très spécifique. L’une d’elles, appelée la différenciation algorithmique, est très répandue pour le calcul numérique de dérivées pendant les phases d’entraînement. Elle est cependant très largement utilisée en dehors de son cadre de validité théorique. La routine ne fonctionne alors pas exactement comme prévu et on ne sait parfois pas ce qu’elle calcule, même si le comportement général du logiciel semble cohérent.

« Nous sommes contents de cet article parce qu’il justifie de regarder cette question avec de nouvelles lunettes s’enthousiasme Édouard Pauwels. L’idée la plus naturelle est de restreindre l’usage de la routine pour qu’elle reste dans le cadre de validité existant. Nous avons montré que ce n’était pas nécessaire et proposé un cadre théorique beaucoup plus large, qui capture l’usage le plus répandu de ces logiciels. »

Au cours de sa thèse, Édouard Pauwels a d’abord utilisé l’apprentissage automatique pour la bio-informatique. Il a ensuite travaillé en contrôle optimal, pour retrouver quelle énergie est minimisée par une collection de trajectoires données en robotique. Édouard Pauwels investigue également l’intégration de réseaux de neurones dans des boucles de rétroaction en automatique ou pour des systèmes critiques.

Édouard Pauwels fait ainsi preuve d’une riche activité scientifique, d’autant plus que son statut d’enseignant-chercheur mobilise la moitié de son temps au profit de ses étudiants. « La médaille de bronze du CNRS est une très bonne nouvelle, car elle donne de la visibilité à mes recherches, se félicite Édouard Pauwels. Même si la médaille est remise à titre individuel, je publie rarement seul. Cette récompense constitue aussi une reconnaissance pour mes coauteurs et, plus largement, les chercheurs qui ont contribué à ces thématiques, parfois alors que l’engouement scientifique et médiatique était peut-être ailleurs. »