LE CUN YANN (1960- )

Informaticien français, Yann Le Cun est un spécialiste de l’apprentissage profond (deeplearning en anglais), méthode d’apprentissage automatique (machine learning en anglais) de réseaux de neurones artificiels, permettant de les entraîner (à partir d’une base de données d’exemples, par essais-erreurs) à réaliser une tâche donnée. Ses travaux sur les réseaux de neurones artificiels, et notamment les réseaux convolutionnels profonds, sont en partie à l’origine de la « révolution de l’intelligence artificielle (IA) » des années 2010. En mars 2019, Yann Le Cun a reçu le prix Turing de l’Association for Computing Machinery, plus haute distinction dans le domaine informatique, qu’il a partagé avec Yoshua Bengio et Geoffrey Hinton.

L’apprentissage automatique des réseaux de neurones

Né le 8 juillet 1960 à Soisy-sous-Montmorency (Val-d’Oise), Yann Le Cun obtient le diplôme d’ingénieur de l’École supérieure d’ingénieurs en électrotechnique et électronique (ESIEE) en 1983. Il rejoint ensuite l’équipe de recherche de Françoise Soulié pour y préparer un doctorat qu’il soutient en 1987 à l’université-Pierre-et-Marie-Curie (Paris). Il y présente, pour entraîner des réseaux de neurones multi-couches à résoudre une tâche, un algorithme de « rétropropagation du gradient » qui permet progressivement de réduire les erreurs. Celui-ci dépasse les limites qui avaient été identifiées en 1969 par Marvin Minsky (1927-2016) et Seymour Papert (1928-2016) sur les premiers réseaux de neurones apprenants (perceptrons) et qui avaient causé le premier « hiver » de l’IA (c’est-à-dire un ralentissement de l’intérêt général pour cette discipline et une baisse des crédits accordés) qui dura jusqu’au début des années 1980. Cet algorithme, redécouvert par plusieurs auteurs, a un impact important sur l’apprentissage automatique en général et les réseaux de neurones en particulier dès la fin des années 1980. Le travail de Yann Le Cun comporte à la fois le cadre théorique et les aspects informatiques (code, astuces d’optimisation).

Grâce aux travaux réalisés lors de son doctorat, il rencontre Larry Jackel, physicien américain des Bell Labs aux États-Unis, et Geoffrey Hinton, professeur à l’université de Toronto (Canada). Ce dernier l’invite à effectuer un post-doctorat dans son équipe de recherche. C’est à cette époque que Yann Le Cun décide d’écrire son nom en un seul mot, la graphie originale posant des problèmes en anglais. En 1988, Larry Jackel, directeur de l’Adaptive Systems Research Department aux Bell Labs, le recrute. Il rejoint l’une des équipes les plus performantes travaillant sur les réseaux de neurones. Depuis les puces neuronales jusqu’aux travaux théoriques sur l’apprentissage statistique et les « machines à vecteurs de support » (support vectormachines ou SVM) de Vladimir Vapnik (une technique différente des réseaux de neurones), l’équipe obtient de très nombreux résultats théoriques et appliqués. En 1996, lors du départ à la retraite de Larry Jackel, Yann Le Cun prend la direction de cette équipe et la réoriente vers le traitement d’images.

Après son départ pour les États-Unis, Yann Le Cun continue à collaborer avec Léon Bottou, un autre doctorant de Françoise Soulié, qui met alors au point un type de réseaux de neurones selon le modèle d’Alexander Waibel (time delayneural network) pour la reconnaissance de la parole et qui rejoindra les Bell Labs après avoir soutenu sa thèse (1991). L’équipe des Bell Labs avait commencé à développer ces architectures de time delayneural network (appelés plus tard « réseaux convolutionnels ») pour la reconnaissance d’images. Ces réseaux fabriquent peu à peu dans leurs couches successives une représentation des données de haut niveau (featuremaps). L’équipe se lance dans la production de réseaux[...]