fabernovel loader

20 mars 2017 | 12 min de lecture

Tech

Chercheurs d'or : qui sont les bâtisseurs de l'IA ?

Julien Rialan

Deputy Director


FABERNOVEL INSTITUTE
Ils sont 66. 66 brillants scientifiques à avoir reçu les prix les plus prestigieux de l'IA depuis la création de la discipline il y a plusieurs décennies. Découvrez leurs profils ainsi que les entreprises et institutions qui s'arrachent leurs étudiants. 

Derrière l’IA, les humains trop souvent oubliés

Le domaine de l’intelligence artificielle est plein de paradoxes et la tendance à se concentrer sur les résultats et les entreprises en IA plutôt que sur les chercheurs en est certainement un. OpenAI, association de recherche à but non lucratif créée par Sam Altman (président de Y Combinator) et Elon Musk « pour bâtir une IA sûre et s’assurer que les bénéfices de l’IA soient répartis aussi largement et aussi équitablement que possible », en est un exemple parfait. Ils défendent une « culture ouverte » mais ne tiennent pas de liste claire des membres de leurs équipes.

Lors de notre étude sur l’intelligence artificielle, nous sommes au contraire partis de l’hypothèse que l’évolution de la recherche ne dépend pas seulement d’un subtil mélange d’algorithmes, de données et de puissance informatique. Le contexte de la recherche (dans le cas du présent article, qui sont les chercheurs et pour qui ils travaillent) est une problématique qu’il est tout aussi important de creuser.

C’est pourquoi nous avons décidé de nous plonger dans la vie des chercheurs les plus brillants du monde de l’IA. Nous avons répertorié les lauréats des 6 prix généralistes les plus prestigieux dans ce domaine et étudié la carrière des 66 individus se trouvant sur notre liste. Bien entendu, nous dépendions de la quantité d’information disponible pour chaque personne, mais nous étions persuadés que nous tirions à coup sûr de fascinantes leçons d’une telle liste.

Toutefois, un avertissement méthodologique s’impose : ces prix scientifiques mettent parfois beaucoup de temps à récompenser leurs lauréats (même quand ils récompensent de « jeunes » chercheurs, les lauréats les plus jeunes de notre liste sont nés en 1979). Ceci explique pourquoi nous nous sommes intéressés aux étudiants de ces lauréats, afin de comprendre aussi précisément que possible l’évolution toute récente de l’IA en ce qui concerne les carrières des figures de proue du domaine.

 

Le profil des chercheurs en IA au fil des années

Nous avons commencé par compiler les principales caractéristiques des 66 chercheurs de notre liste et avons étudié les résultats globaux ainsi que leur évolution dans le temps. Ces caractéristiques sont : leur nationalité, leur sexe, les domaines de leurs doctorats et licences, leurs relations avec le secteur privé et les universités où ils ont étudié ou enseigné.

 

Nationalité

Agrégé :

Évolution : Avec le temps, les lauréats de prix en IA sont venus de pays de plus en plus variés (même s’ils ont souvent travaillé ou obtenu leur doctorat aux États-Unis). Ceci explique pourquoi seulement ⅓ des 15 lauréats les plus jeunes sont Américains, alors que cette proportion est de ⅔ pour les 15 plus âgés.

 

Sexe

Total : Sans surprise, et malheureusement, les chercheuses ne représentent qu’une petite partie des lauréats en IA (7 sur 66). Toutefois, il est important de noter que la scientifique la plus décorée de notre panel est une femme : Barbara Grosz (elle a reçu 4 des 6 prix que nous avons étudiés). De plus, les femmes américaines représentent une partie encore plus infime des lauréats, comparées à leur collègues masculins : seulement 2 figurent sur notre liste (en comparaison, nous dénombrons 3 Israéliennes et 2 Italiennes).

Évolution : Si ce n’est pour souligner qu’aucune chercheuse n’apparaît dans le tiers le plus âgé de notre panel, l’échantillon est trop restreint pour pouvoir tirer toute autre conclusion dans cette catégorie. Par exemple, il y a 3 femmes dans le tiers d’âge intermédiaire et 4 dans le tiers le plus jeune, donc aucun signe de féminisation dans notre base de données.

 

Spécialités de doctorat

Agrégé :

Évolution : Quand les premiers chercheurs en IA ont obtenu leur doctorat, les départements d’informatique et les laboratoires spécialisés en IA étaient inexistants, ou au mieux naissants. Ils se sont donc formés dans d’autres départements, comme ceux de mathématiques ou d’électrotechnique (les premiers départements et diplômes de ce dernier domaine remontent aux années 1880). Ceci explique pourquoi, dans notre liste, les doctorants en mathématiques sont nés en moyenne en 1934, les doctorants en électrotechnique en 1938 et les doctorants en informatique en 1958.

 

Spécialités de licence

Agrégé : À notre grande surprise, les étudiants en informatique pure sont l’exception au sein de notre panel. En effet, sur les 58 profils de lauréats pour lesquels nous avons des informations concernant les licences, seuls 5 ont suivi un tel cursus. Environ la moitié des chercheurs ont suivi des études scientifiques (notamment en maths), avec 13 autres lauréats spécialisés en ingénierie et 5 inscrits dans un cursus hybride entre maths et informatique.

Évolution : Il n’existe pas de schéma particulier dans l’évolution des domaines de licences. On trouve par exemple toujours de nombreuses spécialisations en mathématiques parmi les jeunes chercheurs de notre liste.

 

Relations avec le secteur privé

Agrégé : Nous utilisons exprès le terme ambigu de « relations » afin d’insister sur les différentes façons dont les chercheurs en IA ont interagi avec les sociétés ou les centres de recherche privés (ce qui ne veut pas dire « à but lucratif »). Il existe trois grands types de relations : (i) le conseil (nous incluons le rôle de membre de comités de conseil scientifique pour les grandes entreprises), (ii) l’emploi et (iii) l’entrepreneuriat.

Évolution : Aucune tendance marquée n’a émergé de notre base de données, sans doute à cause de la nature qualitative de ces données. Pour faire simple, il y a toujours eu des relations entre le secteur privé et les chercheurs en IA, domaine dont l’explosion actuelle n’est pas nouvelle de ce point de vue. Toutefois, ces décennies de progrès de l’IA ont connu quelques tournants et cycles. Le premier tournant est que les lauréats de notre liste ont globalement moins tendance à être des employés et davantage tendance à être des entrepreneurs (même si l’entrepreneuriat est souvent doublé d’un poste principal dans l’enseignement). Le second tournant, plus évident, est l’évolution des institutions collaborant avec les chercheurs. Les vieux géants de l’électronique, comme RCA ou Bell Labs, et les centres privés, comme PARC (une filiale de Xerox) et SRI, ont peu à peu été remplacés par des start-up et des géants du numérique comme Microsoft, Yahoo! ou Google. Enfin, le volume des activités de conseil ou d’entrepreneuriat dépend en grande partie du cycle économique en cours (la bulle des dot-com et l’évolution de ces dernières années ont généré un accroissement de ce volume).

 

Universités

Total : Nous avons classé les universités en nous basant sur (i) l’établissement où les lauréats de notre panel ont obtenu leur doctorat et (ii) dans quelles universités ils ont enseigné au moins 5 ans. Voici nos résultats :

Ces résultats sont cohérents avec l’histoire de l’intelligence artificielle, puisque ses grands « fondateurs » étaient en effet basés au MIT (où Marvin Minsk et John McCarthy ont fondé l’Artificial Intelligence Project, renommé Laboratory en 1959), à Stanford (fondation du Stanford AI Lab par John McCarthy en 1963) et à la CMU (Herbert Simon et Allen Newell ont fondé son département d’informatique en 1965).

Évolution : La première conclusion est de souligner qu’il n’y a pas eu d’évolution significative : Stanford, le MIT et la CMU ont été capables de garder leur avance au fil des années. La seconde est que les universités d’Harvard et de Toronto, qui apparaissent chacune 4 fois dans les parcours du tiers d’âge intermédiaire, n’ont pas de représentant dans le tiers le plus jeune. Toutefois, le résultat de l’université de Toronto est nuancé par la notoriété dont elle a bénéficié ces dernières années avec l’intérêt porté au deep learning.

 

 

5 types de chercheurs en IA

Même s’il y a eu peu de changements de parcours chez les professionnels de l’IA avec les années, on peut néanmoins trouver quelques types de carrières parmi ces scientifiques. 5 archétypes ont particulièrement retenu notre attention :

Description : Ce chercheur enseigne dans la même université pendant la majeure partie de sa carrière.

Un bon exemple : Maria Gini (née en 1947), spécialiste de robotique, a passé quelques années comme adjointe de recherche au Politecnico di Milano avant d’émigrer aux États-Unis en 1982 pour devenir professeur à l’université du Minnesota, où elle enseigne toujours.

Futur probable : des lendemains qui déchantent. Si les projets de recherche privés continuent d’attirer des doctorants ou des professeurs plus expérimentés, il semble peu probable qu’un grand nombre de diplômés choisiront une carrière purement académique.

Description : Pendant de l’universitaire loyal, ce chercheur ne quitte jamais la sphère de la recherche privée et travaille soit dans un laboratoire d’entreprise (ex : Bell Labs) soit dans une institution de recherche privée (ex : SRI International).

Un bon exemple : Eric Horvitz (né en 1963) étudie la machine intelligence chez Microsoft Research depuis 1993.

Futur probable : des lendemains qui chantent. Nous pouvons imaginer que de nombreux diplômés rejoindront les laboratoires d’IA d’entreprises dans les années à venir. Ceci dit, nous pensons également que de tels chercheurs diviseront leurs carrières entre plusieurs postes, plutôt que de se cantonner au même employeur privé pendant des dizaines d’années.

Description : Ce chercheur est un mélange des deux premiers stéréotypes, car sa carrière est en générale divisée en deux parties : l’une passée dans le secteur privé (parfois sa propre entreprise), l’autre dans l’enseignement. En général, le parcours évolue de la première vers la seconde.

Un bon exemple : Henry Kautz (né en 1956) a été embauché par les AT&T Bell Labs après avoir obtenu son diplôme en 1987. Il a ensuite rejoint la faculté de l’université du Washington en 2000 avant de devenir professeur à l’université de Rochester en 2007.

Futur probable : des lendemains incertains. Puisque la très fréquente chasse aux doctorants en IA est assez récente (en tout cas au vu de l’histoire globale du domaine), nous n’avons pas assez de recul pour dire si, après quelques années au sein d’une entreprise, certains souhaiteront embrasser une nouvelle carrière à l’université. De plus, le résultat dépendra également de la nature de l’essor actuel de l’IA : s’il s’avère aussi éphémère que les « printemps » de l’IA qui l’ont précédé, alors l’enseignement se muera en refuge bienvenu sous peu.

Description : Ce chercheur est très semblable au passeur, si ce n’est pour une différence notoire : il appartient en même temps au monde de l’enseignement et aux sphères privées.

Un bon exemple : Le professeur brésilien Carlos Guestrin (né en 1975) enseigne à l’université du Washington et est également directeur du machine learning chez Apple, qui en août 2016 a racheté Turi, une start-up co-fondée par Guestrin en 2013.

Futur probable : progression modérée. Ce profil va sans doute se populariser dans les années à venir, pour au moins deux raisons en lien avec l’explosion actuelle de l’IA. Premièrement, les entreprises tentent d’embaucher les professeurs expérimentés (une denrée rare) qui souhaitent souvent conserver leur poste d’enseignant et ont les moyens d’obtenir ce qu’ils veulent. Ensuite, le corps professoral prend une part toujours plus importante dans la création de start-up, en à-côté. Mais en parallèle, le nombre de jeunes diplômés qui se tournent vers l’entreprise va contrebalancer cette tendance : on ne peut pas obtenir des esprits bicaméraux sans commencer par intéresser en premier lieu les étudiants aux carrières universitaires.

Description : Ce chercheur explore sans relâche un domaine de l’IA, et est même prêt à créer un environnement sur-mesure pour continuer à l’étudier.

Un bon exemple : Depuis les années 1980, Douglas Lenat (né en 1950) poursuit la même idée, que Wired a résumée ainsi : « une croisade solitaire pour inculquer du bon sens à l’ordinateur ». Cela signifie créer une immense base de connaissances de millions d’affirmations générales, telles que : « on ne peut pas être à deux endroits en même temps » (évident pour nous, un peu moins pour un ordinateur). Ce projet, baptisté Cyc, a été créé en 1984. Les tendances de l’IA ont beau avoir connu des hauts et des bas, le projet de Lenat est toujours actif.

Demain : des lendemains qui déchantent. Ce modèle est plus intéressant qu’il n’est répandu et les différentes collaborations et carrières hybrides entre enseignement et sphère privée continueront à lui valoir son statut d’exception.

 

 

Les entreprises font-elles main basse sur les talents de l’IA ? Une étude des doctorants

Il existe une crainte que les entreprises (et notamment les GAFA) ne soient en train de capter tous les talents en IA, privant ainsi les universités de nombreux doctorants. Notre panel de lauréats ne nous a pas aidés à vérifier cette tendance, et nous avons donc étudié l’historique des emplois de leurs propres étudiants (en tout cas quand les noms et les informations concernant leurs carrières étaient disponibles). La liste de près de 300 profils que nous avons dressée est sans doute biaisée, mais elle nous donne tout de même quelques indications quant au passé et au présent de l’IA.

Nos données répondent simplement à notre question : oui, les entreprises privées recrutent en masse ces talents ! Les pourcentages de doctorants dont le premier emploi est dans l’enseignement, auprès des géants du numérique ou dans des start-ups ont évolué comme suit :

Comme vous le voyez, l’une des principales nouveautés est que la part d’étudiants en IA embauchés par un géant du numérique (34 %) a dépassé celle de ceux qui se tournent vers l’enseignement (33 %) pour la première fois sur la période 2010-16.

Ceci dit, la tendance qu’ont les GAFA à embaucher de jeunes doctorants en IA ne date pas d’hier : parmi notre panel, 35 étudiants ont été recrutés par Google, Amazon, Facebook ou Apple après l’obtention de leur diplôme (dont ⅔ par le seul Google), dont 20 en 2011 ou avant.

Nous avons observé dans notre échantillon que la tendance à se tourner vers une entreprise du numérique dépend beaucoup du directeur de thèse. Il s’agit sans doute d’un reflet de l’attraction variable des différentes spécialités de l’IA. Pour quelques professeurs, cela pose la question du financement de la recherche quand seuls quelques diplômés deviennent professeurs à leur tour : qui formera la prochaine génération de scientifiques ?

Prenons l’exemple d’Andrew Ng, figure mondialement reconnue dans le domaine du deep learning, et jusqu’à il y a peu directeur scientifique de Baidu. Quand il enseignait à Stanford, il a encadré 11 doctorants pour la période 2008-2014. 4 d’entre eux ont débuté leur carrière dans l’enseignement, mais un seul d’entre eux enseigne toujours (curieusement, il s’agit du tout premier doctorant de Ng). Les autres travaillent désormais chez Salesforce, Google, Facebook, Twitter, Baidu…

De plus, il existe un risque que lorsque des professeurs établis décident de rejoindre le secteur privé, ils contribuent à la désertification des rangs universitaires. Car, en toute logique, qui connaissent-ils bien et essaient-ils de recruter ? Leurs anciens élèves.

 

 

Conclusion : où et comment trouver des talents

Si vous voulez accéder aux talents en IA, il y a deux façons de faire :

  • Indirecte : les chercheurs en IA des meilleures universités sont déjà courtisés par Google et tutti quanti, donc la bataille sera rude. La solution est de bénéficier de leurs travaux de recherche au travers des plateformes de cloud et des API de machine learning correspondants, que Google, AWS, Microsoft, IBM, etc. tiennent à la disposition de tout un chacun. Mais bien entendu, ils n’adapteront pas leur travail aux besoins spécifiques de votre organisation.
  • La façon directe :  si vous voulez embaucher vos propres chercheurs en IA, il y a deux principes à suivre :

1// La diversité

Débusquez les trésors cachés en dehors des toutes meilleures universités (et donc les plus connues), dans différents pays, en jetant par exemple un œil aux articles acceptés par les meilleures conférences en IA. Et travaillez à une construction égalitaire de l’avenir en formant une équipe constituée d’autant de femmes que d’hommes.

Cette diversité deviendra un facteur important pour attirer des talents supplémentaires.

 

2// La flexibilité

Comme nous l’avons constaté dans notre échantillon, les chercheurs d’aujourd’hui ne sont plus les enseignants au poste unique d’autrefois. Ils sont attirés par des carrières plus entrepreneuriales et changent ou cumulent fréquemment plusieurs emplois. D’où l’importance de faire de la satisfaction de ces désirs la clé de voûte de votre stratégie d’embauche en proposant des plans de carrière flexibles. Par exemple, cela signifie considérer (et soutenir) les scientifiques comme étant de potentiels intrapreneurs, en leur permettant aussi qu’ils conservent des postes d’enseignants à mi-temps ou en les aidant à retrouver un poste d’enseignant en s’associant avec leur laboratoire universitaire.

Jouez fair-play avec l’université et vous vous démarquerez.

Vous souhaitez recevoir chaque semaine un nouvel épisode de notre première saison sur l'intelligence artificielle ?

Inscrivez-vous
Cet article appartient à une enquête
logo business unit

FABERNOVEL INSTITUTE

développe la vision et le leadership, favorise les rencontres et l'acquisition de compétences et méthodologies nouvelles pour permettre aux équipes et aux organisations d'avancer deux fois plus vite.

à lire