Antoine Chatalic et les algorithmes d'apprentissage automatique

Quel est votre domaine de recherche ?

Antoine Chatalic : Mon domaine de recherche se situe à l'interface entre apprentissage statistique, traitement du signal et informatique. Mes travaux consistent à développer et analyser des algorithmes d'apprentissage automatique efficaces d'un point de vue calculatoire, et donc utilisables sur de grands volumes de données avec des ressources limitées. Je m'intéresse en particulier à des modèles dont la faible complexité algorithmique résulte de l'utilisation d'approximations aléatoires, comme par exemple de techniques de sous-échantillonnage des données ou de projections aléatoires. Il est captivant de voir que dans de nombreux cas, il est possible d'accélérer un algorithme existant en utilisant de telles approximations, sans en dégrader les performances.

Qu'avez-vous fait avant d'entrer au CNRS ? Pourquoi avoir choisi le CNRS ?

A.C. : J'ai effectué mon doctorat à l'Université de Rennes 1, sous la direction de Rémi Gribonval, aujourd'hui directeur de recherche Inria au Laboratoire de l'informatique du parallélisme (LIP - CNRS/ENS de Lyon/Université Claude Bernard Lyon 1). Je m'intéressais au paradigme d'apprentissage compressif, qui consiste à attaquer un problème d'apprentissage automatique comme un problème inverse : le jeu de données est compressé en un faible nombre d'observations, à partir desquelles on cherche à reconstruire une distribution de probabilités en se basant sur une hypothèse de parcimonie. Par la suite, j'ai travaillé comme chercheur postdoctoral à l'Université de Gênes, au sein du laboratoire d'apprentissage MaLGa avec Lorenzo Rosasco, professeur à l'Université de Gênes. Je me suis alors intéressé à l'approximation de distances entre distributions de probabilités et l'approximation numérique d'intégrales, ainsi que sur le développement et l'analyse d'algorithmes efficaces pour la modélisation et le contrôle de systèmes dynamiques.

Le CNRS octroie une grande liberté d'un point de vue scientifique ainsi qu'en termes de mobilité, et des conditions idéales pour pouvoir se consacrer pleinement à la recherche  : ces éléments ont joué un rôle clé dans ma décision de postuler.

Qu'est-ce qui vous a amené à faire des sciences informatiques ?

A.C. : J'avais lors de ma scolarité une certaine appétence pour les mathématiques, et j’ai développé un attrait pour l'informatique tout d'abord via l'apprentissage de la programmation. J'ai grandi avec la démocratisation de l'ordinateur personnel et il y avait sans doute quelque chose de fascinant, près de deux siècles après Charles Babbage et Ada Lovelace, à avoir directement accès à cette puissance de calcul miniaturisée et à pouvoir écrire des programmes. Cela a sans doute orienté mon choix d'un parcours académique tourné vers les sciences informatiques, où j'ai étudié notamment l'algorithmique et la calculabilité. J'ai par ailleurs développé un intérêt pour les algorithmes de compression et les enjeux qui leurs sont liés (traitement du signal, théorie de l'information), et c'est plus tardivement en master que j'ai étudié l'apprentissage automatique et acquis certains outils plus statistiques. Le fait d'avoir observé lors de mes années universitaires la fuite en avant de l'apprentissage profond et l'accroissement inhérent des volumes de données utilisés dans ce contexte a probablement orienté mes thématiques de recherche : qu'est-ce que cela signifie de compresser un jeu de données, une distribution de probabilités ou un algorithme d'apprentissage ?