logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Menu
mobile logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
12 avril 2018
DAP, Portrait de data scientist

Pierre-André Savalle, l’intelligence artificielle concrète

⏱ 3 min

Spécialiste de méthodes statistiques et d’apprentissage automatique (machine learning), cet ingénieur Centralien ne s’imaginait pas docteur. Et pourtant… Recruté chez Cisco juste après sa thèse, il est très attaché à l’application de ses recherches et n’aime rien moins que de voir une idée s’incarner dans un produit fonctionnel.

« Très tôt, j’ai exclu de faire de la recherche fondamentale, lance Pierre-André Savalle. J’aime m’emparer d’une question concrète, construire quelque chose, et le voir fonctionner. » D’où le goût de ce spécialiste de l’apprentissage automatique pour l’informatique dès son plus jeune âge : « C’est un domaine où les échelles de temps sont très courtes. Bonne ou mauvaise, une idée est facile à mettre en œuvre et à tester. » C’est ce qui convient à ce touche-à-tout qui enchaine les projets au gré de ses rencontres autant que de son intérêt fondamental pour une question.

De l’idée au produit

Illustration dès son année de césure, en 2009, deux ans après son entrée à l’Ecole Centrale. Pierre-André Savalle vient d’y suivre le cours de Nikos Paragios, spécialiste reconnu en vision artificielle, et opte pour un séjour de 6 mois chez General Electric où il travaille sur la reconnaissance visuelle appliquée à l’imagerie médicale. « Cette première expérience m’a permis de me familiariser avec les procédures qui conduisent d’une idée à un produit », commente l’ingénieur qui, avec un camarade de promotion, consacre la seconde moitié de son année de césure au développement d’un synthétiseur musical de guitare. L’aventure entrepreneuriale ne va pas jusqu’à son terme, mais un logiciel (Spicy guitar) est toujours en accès libre sur le net !

Retour à Centrale où Pierre-André Savalle suit l’enseignement du master MVA de l’ENS Paris-Saclay. Il s’y spécialise en machine learning, cette branche de l’intelligence artificielle qui permet à une machine de reconnaître, de prendre des décisions et d’agir sur la base de ses expériences passées. Et qui trouve aujourd’hui des applications de la biologie à la vente en ligne en passant par la médecine et la physique des particules.

Ensuite, le jeune scientifique s’inscrit en thèse : « Je me suis surpris moi-même à prendre une telle décision, confie-t-il. Mais ce master, avec ses enseignants au top, ouvrait tellement de portes qu’il était une véritable invitation à faire de la recherche pour comprendre comment les idées se relient les unes aux autres. »

Selon ses propres mots, Pierre-André Savalle opte pour un sujet « flou ». Ou plutôt enchaîne plusieurs problématiques a priori sans cohérence entre elles. Dans un premier temps, il développe de nouvelles idées sur le problème général en statistique dit de recommandation : « Il s’agit par exemple de déterminer comment optimiser les propositions faites à un consommateur sur la base de ses choix antérieurs », explique le mathématicien. Puis, il se frotte à la question théorique des critères permettant d’affirmer qu’un problème statistique possède (ou pas) une solution. Enfin, il travaille sur la question de la reconnaissance d’objets et de leur structure dans des images. « Le lien entre ces différents travaux est apparu à la fin, moins dans les outils mathématiques utilisés que dans une certaine démarche », commente-t-il.

Trouver le bon modèle théorique

En 2014, dès son doctorat en poche, Pierre-André Savalle renoue avec l’univers des applications en rejoignant l’entreprise Cisco, spécialisée dans les réseaux informatiques. Premier projet : le développement de nouvelles méthodes pour des applications en cybersécurité. « Classiquement, on détecte les comportements malveillants en se référant à une liste statique de tels agissements. A l’inverse, nous avons développé un modèle théorique du réseau et de ses acteurs dans l’objectif de détecter également des attaques non encore référencées », détaille le scientifique. Secret industriel oblige, il ne s’étend pas sur son activité présente, indiquant simplement qu’il s’agit de concevoir des outils d’apprentissage machine permettant de sonder la bonne santé et les performances des réseaux de communication. Comme il le résume, « ma satisfaction n’est pas liée au fait de chercher la meilleure méthode générale pour concevoir des intelligences artificielles, mais de bien comprendre la spécificité de chaque problématique pour proposer la solution la plus adaptée. »

Prendre en compte chaque situation, c’est aussi le conseil de Pierre-André Savalle aux futurs experts en intelligence artificielle : « Cours, stages, projets personnels… il faut saisir toutes les opportunités. C’est la seule façon, d’une part de comprendre comment les choses fonctionnent véritablement, d’autre part de saisir ce que l’on aime vraiment faire. » Sans rien exclure !

Mathieu Grousson
Termes liés :
  • Machine learning
  • Intelligence artificielle (IA)
Share:
Posts you'd might like
En attendant l’ordinateur quantique universel…
L’IA teste ses premiers algorithmes quantiques
Les promesses de l’IA quantique
La recherche à l’assaut des deepfakes vocaux
Recyclage : nos déchets sous l’œil de l’IA
Stéphane Canu :
au service de l’IA et de la mobilité de demain
DAP, la newsletter du Data Analytics Post Recevez chaque semaine un éclairage sur les data science

Peut-on laisser un algorithme apprendre tout seul ?

A la différence de l’apprentissage supervisé, le contexte non supervisé est celui où l’algorithme doit opérer à partir d’exemples non annotés.

En savoir plus

ARTICLES RÉCENTS
  • En attendant l’ordinateur quantique universel…
  • L’IA teste ses premiers algorithmes quantiques
  • Les promesses de l’IA quantique
  • La recherche à l’assaut des deepfakes vocaux
  • Recyclage : nos déchets sous l’œil de l’IA

Tout savoir sur…

Le DAP

Comité Éditorial

Partenaires

Équipe


Copyright © Data Analytics Post. Tous droits réservés.

Mentions légales & CGU