Nous travaillons depuis de nombreuses années avec le CNRS. Des dizaines de thèses CIFRE et de contrats de collaboration nous ont permis d'explorer un très large éventail de potentiels dans les domaines de l'intelligence artificielle, de la ville durable, de l'interaction homme-machine avancée, du traitement automatique du langage, etc. Cette relation, qui nous est chère, a permis au groupe de mûrir et de développer des preuves de concept et des innovations à la pointe de la technologie et dans un souci de numérique à la française, respectueux des valeurs de sécurité des données personnelles et d'inclusion numérique.
Aujourd'hui, nous entamons un nouveau chapitre de notre histoire avec le CNRS, par le biais d'un partenariat stratégique engageant pour les cinq prochaines années. A cette occasion, nous recentrons également notre collaboration avec le CNRS pour nous concentrer sur trois défis majeurs pour la prochaine décennie.
Modèles systémiques pour l'aide à la décision dans les villes
Les villes sont des objets probablement parmi les plus complexes que l’homme ait pu créer. Comprendre le fonctionnement des villes requiert l’intervention d’une très large quantité de disciplines dont la géographie, la géomatique, la sociologie, l’anthropologie, la physique, l’économie, la politique, etc. Comprendre le métabolisme urbain est d’autant plus probant que nous faisons face à une urgence écologique et des mutations comportementales, sociales et sociétales fortement impactées par les technologies numériques.
Ces changements appellent la création de nouveaux outils. Berger-Levrault et le CNRS sont convaincus que ces outils doivent être nourris et éduqués par la science. Plusieurs problématiques émergent pour répondre à ce défi. Nous cherchons à créer des modèles de résilience urbaine permettant de mieux comprendre la dynamique systémique du métabolisme et de la morphologie urbaine. Nous cherchons à créer des jumeaux numériques des villes. La ville est un objet géo-spatial complexe qui évolue dans le temps. Une bonne compréhension d'une ville ne peut être obtenue qu'en ajoutant des données sémantiques qui représentent les phénomènes qui s'y produisent, qu'ils soient physiques (CO2, humidité, vent, pollution, T°, etc.) ou humains (finances, activités, démographie, accessibilité, etc.).
Désapprentissage, hasard, intelligibilité
Chez Berger-Levrault, nous avons atteint un niveau de maturité en matière d'Intelligence Artificielle. Le travail effectué par nos équipes au cours des dix dernières années nous a permis de faire face à de multiples réalités concernant l'applicabilité de l'IA. Lorsque nous faisons référence à l'IA, c'est dans un sens large puisque nous incluons l'apprentissage automatique (supervisé et non supervisé), les métaheuristiques et les méthodes statistiques avancées plus traditionnelles.
Quel que soit le domaine d'application, un constat s'impose : nous sommes confrontés à des difficultés complexes à résoudre avec l'état de l'art de l'apprentissage automatique. Si nos travaux donnent des résultats convaincants in-vitro, ils sont très délicats à généraliser sur le terrain. Nous souhaitons donc contribuer à répondre à plusieurs questions fondamentales : Quel est le rôle du hasard dans la généralisation des modèles d'IA ? Quelle place faut-il laisser à la mutualisation de l'IA et au désapprentissage ? Comment travailler sur l'intelligibilité des algorithmes ?
Vers des logiciels frugaux dès la conception
Les intérêts des développeurs se sont éloignés des contraintes matérielles, ce qui signifie qu'ils ne maîtrisent plus l'impact calculatoire de leur code. On observe également une décorrélation entre les fonctionnalités d'un logiciel et ses besoins en calcul (donc en énergie). Les services rendus par les logiciels métiers en 2022 sont plus ou moins similaires à ceux d'il y a 10 ans pour des besoins matériels en augmentation exponentielle.
La loi de Moore a eu un effet de rebond. Concrètement, nous voulons développer un ensemble d'outils permettant de s'assurer que l'impact énergétique de nos produits est maîtrisé dès la conception et tout au long du développement et du déploiement de nos produits. Dès lors, des questions de recherche apparaissent :
Comment mesurer automatiquement la quantité d’énergie consommée par un logiciel et par une portion de logiciel ? Peut-on concevoir des architectures logicielles frugales by-design ? Les logiciels peuvent-ils optimiser dynamiquement leur consommation énergétique ?
