Les vaches ou les moutons ont les yeux de chaque côté de la tête, ce qui protège ces proies potentielles en augmentant leur champ de vision. Mais les loups ou les tigres ont une vision binoculaire, plus adaptée à ces prédateurs: leur cerveau leur permet en effet de combiner ces deux images très proches pour deviner à quelle distance se trouve leur victime, pour mieux lui sauter dessus.

C’est exactement ce que cherche à reproduire un des derniers algorithmes créés par François Fleuret, avec un de ses étudiants, Stepan Tulyakov: le réseau de neurones utilise la parallaxe entre les images de deux caméras proches l’une de l’autre pour estimer si un point de l’image est proche ou lointain. Il travaille donc comme un cerveau, reconstruisant de la 3D avec des images en 2D; dans ce cas précis, il s’agissait de reconstruire le relief du sol martien à partir d’images prises par la sonde ExoMars Trace Gas Orbiter.

Bienvenue à l’Idiap, Fondation de l’Institut Dalle Molle d’intelligence artificielle perceptive, institut de recherche privé situé à Martigny, et associé à l’EPFL. C’est ici, dans cette Mecque de la vision par ordinateur, de l’authentification biométrique et du traitement de la parole, qu’ont été analysés des enregistrements attribués à Oussama ben Laden en 2002. C’est aussi ici qu’a été mis au point un robot capable de racler du fromage l’année dernière: les applications du machine learning font saliver tous les domaines de l’industrie (et de la surveillance).

La «tentation Google»

«Le secteur est phagocyté par les grosses entreprises, il y a toujours cette «tentation Google». Les meilleurs doctorants se voient proposer des salaires entre 200 000 et 500 000 francs, c’est fou. Tous les ordres de grandeur sont différents: puissance des serveurs, quantité de ressources… Des infrastructures avec lesquelles le milieu académique peut difficilement se comparer.»

Mais cela fait vingt ans que François Fleuret se consacre au machine learning, il a autant de recul que de projets pour l’avenir. A la tête de plusieurs brevets, consultant pour de nombreux spin-off de l’EPFL, tutoyant de grosses vedettes plus médiatiques qu’il fréquente depuis longtemps comme Yann Le Cun, parti chez Facebook, ou Joshua et Samy Bengio, les deux frères pionniers de l’apprentissage profond, le premier à l’Université de Montréal et le second chez Google, il fait partie de cette équipe de première ligue qui change le monde avec ses algorithmes.

L’être humain, plus efficace et moins cher

Le machine learning, c’est en bon français l’apprentissage automatique, statistique, qui consiste à régler les paramètres d’un programme pour le faire fonctionner sur des exemples. Présenter 500 visages ou 500 avions à un ordinateur, pour lui «apprendre» à les reconnaître. Plus l’échantillon est grand, meilleure sera la reconnaissance ultérieure – et cela fonctionne pour des sons, des images fixes, des images en mouvement.

Mais ne vous y trompez pas, «l’être humain est redoutablement efficace et très supérieur pour détecter en un clin d’œil une vache et un ballon dans un pré», alors qu’entraîner un ordinateur pour obtenir le même résultat reste long et exige de griller des petaflops (1 petaflop équivaut à 1 million de milliards d’opérations): analyser une seule image consomme énormément de ressources.

François Fleuret travaille beaucoup à l’optimisation des coûts computationnels, un autre de ses algorithmes permet à l’ordinateur de «trouver» quelle partie d’une image analyser, par exemple dans une photo de route, il portera son «attention» sur les panneaux de limitation de vitesse, l’information qui compte dans l’image. De quoi gagner temps, énergie et argent. Indispensable, quand un seul mois d’entraînement d’un seul modèle de Meena, le dernier chatbot révolutionnaire créé par Google, coûte 442 000 dollars…

Le Versaillais d’origine, qui a aujourd’hui la nationalité suisse, a des souvenirs très clairs de son premier ordinateur, reçu à 11 ans. «Un ordinateur, ça obéit, ça va vite, c’est infaillible. Même si on se trompe, on ne casse rien. Un ordinateur, c’est très tolérant, très rassurant…» Etudes de mathématiques et d’informatique à Paris VI puis à l’ENS, un doctorat avec Donald Geman, star de l’apprentissage des formes, un an à l’Université de Chicago puis c’est le campus de Lausanne, avant Martigny.

Des amphithéâtres bondés

Professeur titulaire à l’EPFL, il enseigne le machine learning en master dans des amphithéâtres bondés – «il y a beaucoup d’étudiants en sciences de la vie, ils ont raison de venir»: l’observation quantitative a commencé de révolutionner le domaine, qu’on songe par exemple à l’analyse automatisée de radiographies ou de photos de mélanomes…» A Martigny, François Fleuret encadre entre trois et huit doctorants et se consacre à sa passion, reconnaissant à la Suisse de ne pas l’accabler de tâches bureaucratiques.

Ce père de deux enfants prend aussi le temps de partager son savoir et ses interrogations. Présentations à des gymnasiens, interventions pour l’organisme Science Valais, organisation depuis huit ans du Swiss Machine learning day… Il mentionne avec plaisir et un peu de fierté aussi le groupe de réflexion spirituelle qui l’a invité à parler big data et machines face à la conscience, l’intelligence et le bonheur.

Quelle toxicité possible de l’intelligence artificielle dans la société, comment inciter les législateurs à faire l’effort de comprendre ce qui se passe? Le chercheur connaît les questions, pas les réponses. Que pense-t-il de la série télévisée Black Mirror, qui aborde spectaculairement ces sujets? «C’est trop réaliste. Je n’ai pas voulu regarder».


Profil

1972 Naissance à Versailles.

1993-95 Magistère de mathématiques et informatique à l’Ecole normale supérieure de la rue d’Ulm.

2000 Soutenance de sa thèse, «Détection hiérarchique de visages par apprentissage statistique».

2004 Arrivée à l’EPFL comme «senior researcher».

2007 Arrivée à l’Idiap, où il dirige le «Machine Learning group».


Retrouvez tous les portraits du «Temps».

Explorez le contenu du dossier