Je vais commencer par une information que certaines personnes connaissent peut-être mais pas toutes, à savoir que vous êtes un jeune lauréat du prix Turing. Le prix Turing est, d'une certaine manière, considéré comme le prix Nobel de l'informatique. C'est seulement la deuxième fois dans l'histoire qu'un scientifique français obtient ce prix, le premier étant Joseph Sifakis pour le model checking. Quelle est votre vie maintenant que vous êtes lauréat du prix Turing ?

Je reçois encore plus d'invitations que je dois refuser si je veux faire de la vraie recherche. À part cela, pas grand-chose n'a changé. C'est un grand honneur et une petite surprise. C'est très bon pour le domaine de l'apprentissage automatique et de l'IA car dans l'histoire du prix Turing, de nombreux prix se sont concentrés sur l'informatique de base comme les systèmes, les compilateurs, les langages de programmation et la théorie, qui est votre expertise, pas la mienne. Je n'y connais rien. Les prix en IA étaient souvent davantage basés sur l'IA logique, qui est proche de l'informatique de base. L'apprentissage automatique a reçu peu d'attention de la part du comité Turing par le passé. C'est une nouveauté. Je suis heureux qu'ils aient choisi de nous le donner à tous les trois : Yoshua Bengio, Geoffrey Hinton et moi-même.

J'ai une plainte. Facebook dispose d'un laboratoire de recherche et vous embauchez de nombreux scientifiques, ce qui est une bonne chose. Mais si vous le vouliez, vous pourriez embaucher tous les scientifiques. Je ne pense pas que ce soit une bonne chose car ces scientifiques sont souvent des professeurs et ils doivent enseigner. Comment voyez-vous les interactions entre les laboratoires industriels comme Facebook et les laboratoires français, en particulier les laboratoires du CNRS ?

Je suis à temps partiel chez Facebook et professeur à l'Université de New York. Je partage mon temps entre les deux. Les deux mondes sont complémentaires. Les gens travaillent avec des hypothèses différentes, ce qui les amène à travailler sur des sujets différents. Ils disposent également de ressources différentes. De nombreuses bonnes idées proviennent du monde universitaire ou de la recherche publique. Les choses pratiques, comme les bons résultats en traduction automatique ou en vision par ordinateur, proviennent de l'industrie parce qu'il faut passer à l'échelle supérieure pour que cela fonctionne bien en pratique. Il y a de très bonnes recherches qui sortent de l'industrie, principalement de Facebook, Google, Microsoft, IBM et d'autres. Le partenariat entre l'industrie et la recherche publique est très fructueux et doit être mené d'une manière qui ne soit préjudiciable ni à l'un ni à l'autre. Un modèle que nous avons promu aux États-Unis, au Canada, au Royaume-Uni et en France consiste à avoir des personnes à temps partiel. Les jeunes professeurs passent généralement un peu de temps chez Facebook et la majeure partie de leur temps dans leur université. Les personnes plus âgées comme moi peuvent passer plus de temps parce qu'elles ont passé l'étape junior. Nous avons de nombreuses collaborations en France avec l'Inria, le CNRS et diverses universités. Nous avons 20 doctorants sous le statut CIFRE. Le CIFRE est un statut particulier pour les doctorants en France qui leur permet de passer la majeure partie de leur temps dans l'industrie. Il est sous co-encadrement de chercheurs scientifiques de l'industrie et du milieu universitaire, et cela favorise la collaboration. Nous en avons 20 au Facebook AI Research à Paris, et c'est extrêmement productif. Les étudiants sont fantastiques. Ils ont produit des résultats étonnants qui ont trouvé leur place dans les produits Facebook et qui ont été publiés et mis en open source. La première promotion d'étudiants est en tant qu'obtenir son diplôme. Certains vont dans le milieu universitaire, d'autres chez Google, d'autres dans des entreprises françaises ou créent des startups. Cela aide à construire l'écosystème local.

On peut ajouter que si vous êtes une entreprise et que vous avez des doctorants sous ce système CIFRE, vous bénéficiez de l'aide de l'État.

Vous recevez de l'aide du gouvernement. Ce n'est pas pour cela que nous le faisons, mais...

Je suis convaincu que ces postes à temps partiel sont très utiles et aident à développer les relations entre le monde universitaire et l'industrie. En France, ce n'est pas très fréquent, et c'est quelque chose que nous aimerions promouvoir au CNRS. Si nous pouvons avoir des doubles postes ou des postes à temps partiel entre le CNRS, l'Inria ou une université française et Facebook, ce serait bien. C'est bien si vous nous aidez à donner des exemples de l'intérêt de ces doubles postes.

Je pense que c'est une chose merveilleuse. Il y a un problème en France : les chercheurs sont très mal payés. Je sais que vous êtes d'accord. Cela fait partie du rapport Villani sur l'IA. Il est difficile pour la France d'attirer les meilleurs talents dans la recherche publique ou les universités car les salaires sont bas par rapport à l'Amérique du Nord, la Suisse, certaines parties de l'Asie et l'Allemagne. Cela rend difficile l'attraction de talents en France. J'aurais aimé, quand j'étais un jeune doctorant, qu'il y ait des opportunités de recherche en France qui m'auraient permis de rester. Aujourd'hui, il existe des laboratoires comme Facebook AI Research et Google Research à Paris qui offrent ces opportunités aux jeunes chercheurs, peut-être avec des postes à temps partiel dans la recherche publique pour favoriser les interactions. L'industrie française devrait prendre plus de risques en investissant dans la recherche à long terme. Ce n'est pas une tradition bien établie en France dans les technologies de l'information. Cela l'a été dans d'autres domaines comme l'aérospatiale et l'énergie nucléaire, mais pas autant dans l'informatique. En dehors d'un très petit nombre d'entreprises françaises, il n'y a pratiquement aucune recherche avancée à long terme dans les technologies de l'information en France.

Je suis d'accord.

Je sais que vous l'êtes. Cela fait également partie du rapport Villani sur l'IA. Il est très difficile pour la France d'attirer les meilleurs talents dans la recherche publique ou dans les universités car les salaires sont si bas par rapport à l'équivalent en Amérique du Nord, en Suisse, dans certaines parties de l'Asie et l'Allemagne. Cela rend très difficile l'attraction de talents en France. J'aurais aimé, quand j'étais un jeune doctorant diplômé, qu'il y ait des opportunités de recherche en France qui m'auraient permis de rester. Ce n'était pas le cas. Maintenant, il y a des laboratoires comme Facebook AI Research et Google Research à Paris qui offrent ce genre d'opportunité aux jeunes chercheurs, peut-être avec des postes à temps partiel dans la recherche publique pour favoriser les interactions. L'industrie française devrait également probablement prendre plus de risques en investissant dans la recherche à long terme. Ce n'est pas une tradition bien établie en France dans les technologies de l'information. Cela l'a été dans d'autres domaines comme l'aérospatiale et l'énergie nucléaire, mais pas autant dans les technologies de l'information. En dehors d'un très petit nombre d'entreprises françaises, il n'y a pratiquement aucune recherche avancée à long terme dans les technologies de l'information en France.

Pour être précis pour les personnes qui ne sont pas françaises, si nous embauchons quelqu'un au CNRS, nous n'avons aucune liberté concernant le salaire car tous les chercheurs ont des postes de fonctionnaires. Si vous êtes recruté après un ou deux postdocs, vous commencez avec un salaire brut de moins de 3 000 euros, ce qui n'est pas compétitif par rapport aux autres pays. Pourtant, nous sommes un pays attractif pour l'IA. L'année dernière, après le rapport de Cédric Villani, le président a décidé de faire de la France une nation de l'IA. Nous progressons, j'espère. Quel est votre avis sur la position de la France dans le paysage international de l'IA ?

La France et l'Europe ont de très bons systèmes éducatifs, il y a donc beaucoup de talents. C'est la chose la plus difficile à construire. Je pense qu'il y a des frictions dans les institutions de recherche qui font qu'il est difficile pour les meilleurs talents de s'épanouir. Beaucoup de gens s'en rendent compte et veulent faire quelque chose. C'est difficile compte tenu de l'inertie de décennies d'histoire, mais les talents sont là. J'ai été impressionné par la croissance de l'écosystème technologique à Paris. La France est un pays centralisé, donc beaucoup de choses se passent en un seul endroit. C'est tout aussi vigoureux mais plus disséminé en Allemagne. Cela se construit autour d'écoles d'ingénieurs de grande qualité. Nous avons besoin d'un mélange de laboratoires de recherche industriels, de recherche publique, d'universités, d'écoles d'ingénieurs et de startups. C'est ce qui se passe à Paris. Cela pourrait être plus rapide, mais Paris est en train de devenir l'un des meilleurs endroits en Europe pour les investissements en capital-risque, en particulier dans les industries liées à l'IA.

En tant que président du CNRS, je trouve fascinant que l'IA soit présente dans toutes les sciences. Au CNRS, nous couvrons tous les domaines de la science. Bien sûr, nous avons des mathématiciens et des informaticiens, mais l'IA est aussi utile aux chimistes pour trouver de nouvelles molécules et de nouveaux matériaux. Nos amis physiciens reçoivent une quantité énorme de données et ils ont besoin de l'IA. Nous avons également des recherches impliquant des personnes des sciences sociales et humaines. Ils ont leurs propres ensembles de données pour lesquels l'IA est utile. Elle est également nécessaire pour développer la recherche entre les sciences dures et les sciences sociales sur les questions d'éthique pour comprendre pourquoi l'IA est ou n'est pas acceptée. Ces questions sont-elles importantes pour Facebook ?

Elles sont très importantes. Je suis directeur scientifique de l'IA chez Facebook et professeur à NYU. À NYU, j'ai créé le Center for Data Science pour rassembler des personnes issues de domaines scientifiques tels que la physique, la chimie, la biologie et les sciences sociales en un seul lieu afin de collaborer et d'inventer de nouvelles méthodes basées sur l'apprentissage automatique, l'IA et les statistiques pour tirer de nouvelles connaissances des données. De nombreuses sciences sont en train de passer à une science centrée sur les données, et je trouve cette transition fascinante. La physique des hautes énergies, l'astrophysique, la chimie et la génomique ont commencé il y a des années, et we en voyons les conséquences en médecine et dans d'autres domaines. Les sciences sociales sont la nouvelle frontière. Le fait que nous disposions de sources importantes de données sur le comportement humain pourrait révolutionner la manière dont nous pratiquons les sciences sociales. Une grande partie de ces données est privée, il est donc difficile pour les scientifiques d'y accéder. Facebook a une initiative qui permet aux spécialistes des sciences sociales d'accéder aux données au sein de Facebook, gérée par le professeur Gary King à Harvard. Nous allons en apprendre davantage sur les humains grâce à l'IA. L'une des quêtes de l'IA est de comprendre l'intelligence humaine, pas seulement de construire des gadgets intelligents, mais de découvrir les mécanismes sous-jacents de l'intelligence et de l'apprentissage. Si l'IA peut aider les sciences sociales, la psychologie et les neurosciences, c'est très important.

De votre point de vue, comment traitons-nous des questions comme l'éthique et la vie privée ? Parfois, les gens semblent penser que l'éthique est un concept universel. Je n'y crois pas. Les gens des États-Unis ou de Chine ont des éthiques différentes de ceux d'Europe. Ils ne sont ni meilleurs ni pires, mais ils sont différents. Nous voyons l'éthique de l'Amérique concernant les armes à feu ; nous n'avons pas la même éthique en Europe. Avec votre double culture, comment peut-on gérer cela ? Si je discute de cela avec vous en tant que chercheur à NYU, vous aurez une position, mais en tant que scientifique de Facebook, comment puis-je être sûr que vous ne favoriserez pas d'abord l'intérêt de Facebook ? Étant donné que de nombreux chercheurs en IA ont des doubles fonctions, comment pouvons-nous gérer cela ?

Premièrement, en tant que chercheurs au Facebook AI Research, la recherche que nous pratiquons est ouverte. Rien n'est secret. Notre code est distribué en open source. Notre travail porte généralement sur des ensembles de données publics car nous voulons pouvoir comparer nos méthodes avec d'autres. Cela signifie que nous travaillons avec des données publiques. Lorsqu'un projet de recherche fonctionne bien, nous discutons avec des ingénieurs ou des chercheurs appliqués qui l'entraînent sur des données internes. D'un point de vue de la recherche, les questions éthiques sont similaires à celles du monde universitaire. La façon dont une technologie est utilisée est une question intéressante. J'ai reçu le prix Turing pour l'invention des réseaux de neurones convolutionnels, qui sont utilisés universellement pour la reconnaissance d'images. Ils sont utilisés pour l'analyse d'images médicales et la sécurité routière afin d'éviter les collisions. Ils sont également utilisés à grande échelle en Chine pour la surveillance. La population chinoise trouve cela normal et pense que cela augmente la sécurité. Ce n'est pas un compromis que les gens d'Europe occidentale accepteraient en raison de la protection de la vie privée. Facebook n'opère pas en Chine car ils ne veulent pas donner au gouvernement chinois l'accès aux données privées. Des entreprises comme Facebook et Google protègent les données de leurs utilisateurs. Lorsque vous déployez un système d'IA qui filtre le contenu, il y a des questions éthiques profondes qui sont politiques. Facebook ne s'estime pas légitime pour décider quel contenu est approprié. Il demande aux gouvernements de fournir des directives sur les politiques d'acceptabilité des contenus. Ce sont des questions éthiques importantes liées aux données et aux statistiques plus largement.

Vous serez probablement d'accord pour dire que certaines personnes se demandent ce qu'il reste à faire en IA. Détecter les mauvais commentaires ou textes n'est pas facile car les personnes qui veulent diffuser du contenu raciste ou homophobe utilisent des codes, et c'est un domaine de recherche.

Nous faisons beaucoup de recherches sur la compréhension des contenus, en partie pour le filtrage afin de décider quoi bloquer et quoi vous montrer. Nous déterminons ce qui est susceptible de vous intéresser le plus sans vous enfermer dans une bulle d'information. Cela implique de comprendre le contenu, les images et le texte. Il existe des applications évidentes comme la traduction de messages pour effacer les barrières linguistiques ou la génération de légendes pour les malvoyants. La recherche tente également de réduire la quantité de données nécessaires pour entraîner un système. C'est important pour la traduction. Les gens utilisent plusieurs milliers de langues différentes sur Facebook. Traduire entre 2 000 langues nécessiterait 4 millions de traducteurs. Nous n'avons pas les données pour entraîner cela. Nous devons entraîner des systèmes à représenter le langage indépendamment de la langue particulière utilisée, puis générer des phrases à partir de cette représentation interne du sens. Certains des travaux les plus intéressants dans ce domaine ont été réalisés ici au FAIR Paris par des doctorants résidents.

Le temps passe trop vite ; nous devons inventer une machine à remonter le temps. Nous avons discuté de la position des différents pays concernant l'IA, et je suis convaincu que l'éducation est une question clé. Nous devons probablement faire plus d'efforts en France en termes d'éducation à l'IA. Je suis également convaincu que nous n'avons pas seulement besoin de doctorants ; nous avons aussi besoin de bacheliers en informatique et de masters en IA. Qu'en pensez-vous ?

Les économistes décrivent l'IA comme une technologie à usage général, ou GPT, ce qui signifie que l'IA se diffusera dans tous les coins de l'économie. Il faudra probablement 10 à 15 ans pour que cela se produise. Le principal facteur qui limite la diffusion de l'IA est la vitesse à laquelle les gens apprennent à l'utiliser. Pour qu'un pays profite de ces transformations, la meilleure chose à faire est d'investir dans l'éducation. Cela inclut l'éducation primaire, l'éducation des adultes et la formation professionnelle. Vous avez besoin de personnes à tous les niveaux, pas seulement des chercheurs avec des doctorats ou des ingénieurs avec des masters. Il a fallu 15 ans pour que la technologie informatique devienne omniprésente. À l'origine, les gens pensaient qu'ils n'apprendraient jamais à taper sur un clavier, mais maintenant tout le monde le fait. Tout le monde a appris à utiliser une souris et des systèmes de fenêtres. Ce n'est que lorsque cela se produit dans la population au sens large que l'on voit une augmentation de la productivité. Les économistes disent que pour l'IA, il faudra probablement encore 10 ans avant de voir un effet sur la productivité. La France, l'Europe et le reste du monde ont environ 10 ans pour rattraper leur retard et éduquer leurs populations à utiliser la nouvelle technologie.

Nous savons tous les deux que beaucoup de gens ont encore peur de l'IA. Je pense que le nombre d'opportunités est fascinant, en particulier en science. Au CNRS, nous montrons chaque jour comment l'IA peut être une révolution pour la science et la société. Pour conclure, comment pouvons-nous promouvoir l'IA dans d'autres sciences et comment pouvez-vous aider le CNRS à faire cela ?

Les gens pensent parfois d'abord aux dangers de l'IA. Certains dangers n'existent pas. Personne de sérieux ne s'inquiète d'un scénario à la Terminator. Nous devons garder à l'esprit que l'IA appliquée à la médecine et aux transports sauvera des vies. C'est un grand avantage. Il y a aussi l'accès à l'information, l'éducation, la traduction et la connexion des gens. La science stimule le progrès technologique, la croissance économique et le bien-être. C'est l'espoir de beaucoup dans le domaine que l'IA aura un impact positif important sur la vie de chacun.

C'est fini.

C'est fini.

Merci. Merci.