LE CUN YANN (1960- )

Des réseaux de neurones au deeplearning

Mais, en 2002, Bell Labs ferme le laboratoire de Yann Le Cun. Avec Léon Bottou et Vladimir Vapnik, il rejoint les laboratoires NEC America à Princeton, qu’il quitte pour devenir en 2003 professeur au Courant Institute of Mathematical Sciences à l’université de New York. Au cours des années suivantes, les réseaux de neurones ayant déçu, il est très difficile de publier ou de recruter des doctorants. Cependant, l’Institut canadien pour les recherches avancées (Canadian Institute for Advanced Research, CIFAR) finance un programme qui va permettre à Yann Le Cun, Geoffrey Hinton et Yoshua Bengio de poursuivre leurs recherches.

Entre 2004 et 2012, à l’université de New York, Le Cun travaille sur les réseaux convolutionnels pour le traitement d’images. Il participe au programme LAGR (Learning Applied to Ground Robots) de la DARPA (Defense Advanced Research Projects Agency), géré par Larry Jackel. Il s’agit de permettre à des robots mobiles de naviguer dans des environnements extérieurs complexes en évitant les obstacles. Les techniques utilisées sont fondées sur des réseaux convolutionnels pour apprendre aux robots des images présentées.

Le 30 septembre 2012, AlexNet, un réseau convolutionnel profond développé dans l’équipe de Geoffrey Hinton par Alex Krizhevsky, et optimisé sur des processeurs graphiques, pulvérise les résultats de la compétition Large Scale Visual Recognition Challenge sur la base de données d’images ImageNet. Depuis, les réseaux convolutionnels profonds sont partout.

En 2012, Yann Le Cun fonde le Center for Data Science à l’université de New York. L’année suivante, il est chargé par Mark Zuckerberg de créer le Facebook Artificial Intelligence Research (FAIR), organisme regroupant des laboratoires de recherche spécialisés dans l’IA, et en devient le directeur. Il est nommé professeur invité au Collège de France à la chaire Informatique et sciences numériques (2015-2016).

La contribution en informatique de Yann Le Cun a été indispensable pour comprendre les mécanismes de fonctionnement des réseaux convolutionnels profonds, en vision notamment, ainsi que la façon de les mettre en œuvre dans des programmes informatiques efficaces. Il a ainsi ouvert de nouvelles voies de recherche pour l’IA, sur lesquelles travaillent des milliers de chercheurs.