Kimia Nadjahi et les algorithmes d'apprentissage statistique

Quel est votre domaine de recherche ?

Kimia Nadjahi : Ma recherche porte sur l’étude théorique des algorithmes d’apprentissage statistique dans le but de les rendre plus fiables et robustes et moins exigeants au niveau computationnel. Pendant ma thèse, j’ai développé des méthodes inspirées par le problème mathématique du transport optimal pour résoudre efficacement des problèmes à très grande dimension comme la génération d’images, tout en offrant des garanties théoriques. Plus récemment, j’ai analysé la capacité des réseaux de neurones compressés à prédire avec précision, même sur des données non vues pendant l’entraînement, en utilisant la théorie de l’apprentissage statistique et la théorie de l’information. Depuis mon arrivée au CNRS, j’étudie les algorithmes d’apprentissage soumis à de nouvelles contraintes, qui constituent de véritables freins à leur déploiement dans la vie réelle. Par exemple, j’incorpore des données fortement biaisées et je m’intéresse à la quantification des incertitudes associées aux prédictions.

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

K.N. : De 2018 à 2021, j’ai fait une thèse à Telecom Paris sur la distance de Sliced-Wasserstein, issue du transport optimal, pour des problèmes d’apprentissage statistique. J’ai ensuite effectué deux post-doctorats : le premier à Sorbonne Université, le second au Massachussetts institute of technology (MIT). Ces expériences m’ont permis de découvrir des cultures académiques différentes, notamment à l’étranger, mais aussi de travailler sur de nouveaux sujets, comme l’apprentissage à partir des données manquantes et les propriétés de généralisation des réseaux de neurones. J’ai choisi le CNRS pour la liberté académique et la stabilité professionnelle, deux critères qui me sont importants pour pouvoir m’épanouir dans le métier de chercheuse.

Qu’est-ce que qui vous a amené à vous intéresser aux sciences informatiques ?

K.N. : J’ai développé une curiosité pour les sciences informatiques dès le collège, en apprenant à coder pendant mon temps libre. La programmation m’a beaucoup plu puisqu’elle nécessite rigueur et logique, mais aussi une pensée créative, pour développer des outils concrets. Après mes études en classes préparatoires, j’ai intégré l’Ensimag, une école d’ingénieurs qui offre une formation très complète en sciences informatiques et mathématiques appliquées : j’ai pu apprendre plusieurs langages de programmation et suivre des cours d’informatique théorique comme la théorie des langages formels et les machines de Turing. Dans ma recherche, les performances des algorithmes d’apprentissage me poussent à étudier des problèmes mathématiques, et inversement, les théorèmes m’inspirent le développement de nouvelles méthodes pratiques. Entretenir ce lien fort entre mathématiques et informatique m’est indispensable, puisque cela me permet de satisfaire mon attrait pour ces deux disciplines.