Le monde de la recherche en IA est en constante évolution, avec des avancées révolutionnaires à un rythme vertigineux. Mais où se produisent ces avancées ? Alors que les universités sont traditionnellement le foyer de la découverte scientifique, un changement important est en cours. De plus en plus, les grandes entreprises technologiques jouent un rôle central dans la recherche sur l’IA, brouillant les frontières entre le monde universitaire et l’industrie.
En 2019, 65 % des diplômés nord-américains titulaires d’un doctorat en IA ont opté pour un poste dans l’industrieune hausse significative par rapport à 44,4 % en 2010. Cette tendance met en évidence l’influence croissante des laboratoires industriels dans l’élaboration de l’avenir de l’IA.
Pour comprendre ce paysage en évolution, j’ai parlé avec Chakarim Soltanaïevchercheur scientifique chez Sony Interactive Entertainment et ancien ingénieur de recherche chez Huawei. Ses idées mettent en lumière les motivations, les avantages et les défis liés à la conduite de recherches sur l’IA au sein d’une grande entreprise et comment cette interaction avec le monde universitaire stimule l’innovation.
Pourquoi les entreprises adoptent l’édition académique
Des géants de la technologie comme Google, Meta, Microsoft et Nvidia publier des recherches lors de conférences universitaires pour diverses raisons.
« Avant tout, la publication de recherches lors de conférences peut être un puissant outil de marketing pour les entreprises », a déclaré Soltanayev. « Ces publications constituent une forme de marketing indirect, démontrant les prouesses techniques de l’entreprise et son engagement à faire progresser le domaine. Cela renforce leur image de marque au sein de la communauté des chercheurs et aux yeux des clients, partenaires et investisseurs. Ces publications aident les entreprises à se démarquer de leurs concurrents et à renforcer leur présence globale sur le marché.
Le rôle que joue l’édition dans l’acquisition de talents est vital.
« Les conférences de premier plan telles que NeurIPS et CVPR constituent un lieu privilégié pour réseauter avec des chercheurs et ingénieurs de premier plan et recruter des étudiants prometteurs », a déclaré Soltanayev. « En présentant leurs travaux, des laboratoires de recherche tels que Google Deepmind et Meta AI peuvent attirer les esprits les plus brillants du domaine, car les meilleurs talents souhaitent souvent travailler sur des problèmes révolutionnaires en ayant accès à des ressources et à des collaborateurs de haute qualité. »
Une voie à double sens : l’échange de valeur
La relation entre le monde universitaire et l’industrie n’est pas unilatérale ; il s’agit d’un échange dynamique de connaissances et de ressources qui profite aux deux parties.
« Le développement de l’architecture du réseau neuronal convolutif (CNN) est un excellent exemple de recherche universitaire influençant directement l’industrie », a déclaré Soltanayev. « Ce projet a été lancé par Yann LeCun et ses collègues du monde universitaire et a eu un impact majeur sur les produits technologiques, notamment dans le domaine de la vision par ordinateur. Lorsque AlexNet, un modèle basé sur CNN, a remporté le concours ImageNet en 2012, il a suscité une adoption généralisée dans l’industrie. Aujourd’hui, les CNN ont un large éventail d’applications, notamment la reconnaissance d’images pour l’identification faciale et la détection d’objets, l’imagerie médicale pour le diagnostic de maladies et les véhicules autonomes pour la reconnaissance d’objets en temps réel.
D’un autre côté, l’industrie a contribué de manière significative à la recherche universitaire de plusieurs manières.
« L’une des contributions les plus notables est le développement d’ensembles de données à grande échelle et de puissants cadres informatiques », a déclaré Soltanayev. « Par exemple, les entreprises ont publié des ensembles de données massifs, tels que ceux relatifs à la reconnaissance d’images, aux modèles linguistiques et aux simulations de voitures autonomes, qui sont devenus essentiels pour la recherche universitaire. Ces ensembles de données fournissent l’échelle nécessaire à la formation de modèles avancés d’apprentissage automatique, qu’il serait difficile de collecter de manière indépendante pour la plupart des laboratoires universitaires. L’industrie stimule également l’innovation matérielle et logicielle, avec le développement de GPU par NVIDIA et de frameworks d’apprentissage profond comme TensorFlow de Google et PyTorch de Meta, désormais des outils standards dans la recherche universitaire et industrielle.
Différentes priorités, différentes cultures
À mesure que l’IA progresse, le monde universitaire et l’industrie empruntent des voies différentes pour prioriser et aborder ces développements.
« La principale différence entre la recherche universitaire et industrielle réside dans l’orientation », a déclaré Soltanayev. « Dans le monde universitaire, la priorité est souvent portée aux questions fondamentales à long terme qui repoussent les limites de la connaissance. Les chercheurs ont la liberté d’explorer des idées sans la pression d’une application immédiate. Dans l’industrie, la recherche se concentre davantage sur la résolution de problèmes du monde réel et sur la création de produits. Les délais sont donc généralement plus courts et la pression est plus grande pour fournir des résultats pratiques.
Les variations entre les deux environnements influencent considérablement la dynamique culturelle.
« Le monde universitaire encourage l’exploration approfondie, la réflexion indépendante et la publication des résultats pour faire progresser les connaissances », a déclaré Soltanayev. « La recherche industrielle, en revanche, est plus collaborative, avec des équipes travaillant ensemble pour transformer rapidement des idées en produits ou en solutions. Alors que la recherche universitaire fournit souvent les bases théoriques, la recherche industrielle stimule l’innovation en appliquant ces idées à des situations réelles.
L’attrait des laboratoires industriels
Alors, pourquoi davantage de chercheurs poursuivent-ils une carrière dans des laboratoires industriels plutôt que dans des établissements universitaires traditionnels, et quels sont les avantages et les inconvénients de chaque voie ?
« De nombreux chercheurs choisissent de travailler dans de grandes entreprises en raison des conditions de rémunération attractives », a déclaré Soltanayev. « Les salaires dans les laboratoires industriels sont généralement beaucoup plus élevés que ceux du monde universitaire, et ils s’accompagnent souvent d’avantages supplémentaires tels qu’une assurance maladie, des régimes de retraite et des primes. En particulier, les stock-options ou les actions peuvent constituer un attrait majeur, en particulier dans les entreprises technologiques où les actions ont le potentiel de croître considérablement en valeur. Ces incitations financières peuvent offrir une sécurité à long terme qui est plus difficile à obtenir dans le milieu universitaire, où les chercheurs peuvent être confrontés à des cycles de financement basés sur des subventions et à des salaires inférieurs, en particulier au début de leur carrière. La stabilité et les avantages offerts par les grandes entreprises, combinés à la possibilité de travailler sur des projets à fort impact et bien financés, font des laboratoires industriels un choix attrayant pour beaucoup.
La recherche industrielle est souvent axée sur la réalisation d’objectifs commerciaux spécifiques et le développement de nouveaux produits, ce qui peut limiter la liberté des chercheurs d’explorer des sujets uniquement pour le plaisir de la connaissance.
« En revanche, le monde universitaire offre la possibilité de poursuivre des projets à long terme motivés par la curiosité, ce qui peut être profondément gratifiant pour les passionnés de recherche fondamentale », a déclaré Soltanayev. « Le monde universitaire encourage également le développement de programmes de recherche indépendants et la capacité d’encadrer et d’enseigner à la prochaine génération de scientifiques, ce que de nombreux chercheurs trouvent enrichissant. Cela dit, la culture du « publier ou périr » dans le monde universitaire peut créer une pression pour produire des articles fréquemment, ce qui peut parfois limiter la liberté de prendre de gros risques ou d’explorer de nouvelles idées. L’obtention de financements et de postes permanents peut également être très compétitive, ce qui ajoute au stress d’une carrière universitaire.
L’industrie offre des incitations financières supérieures, une sécurité d’emploi et un accès aux ressources pour relever d’importants défis du monde réel. D’un autre côté, le monde universitaire offre une plus grande autonomie intellectuelle et des opportunités de recherche autonome. Les deux voies ont leurs propres avantages, et la décision dépend des motivations personnelles du chercheur : s’il privilégie l’impact et la compensation immédiats ou une exploration plus approfondie des idées fondamentales.
L’avenir de la collaboration
Soltanaïev envisage un avenir encore plus étroitement lié pour le monde universitaire et l’industrie.
« Je vois la relation entre le monde universitaire et l’industrie dans le domaine de l’IA devenir encore plus collaborative », a déclaré Soltanayev. « À l’avenir, je m’attends à voir davantage de partenariats entre les universités et les entreprises, dans lesquels la recherche universitaire fournit la base sur laquelle l’industrie peut s’appuyer, tandis que les entreprises fournissent les données, la puissance de calcul et le financement nécessaires pour mener des expériences et des applications à grande échelle. Les entreprises continueront de jouer un rôle majeur dans l’avenir de l’IA, notamment dans la recherche appliquée et le développement. Grâce à leurs vastes quantités de données et à leur accès à de puissantes ressources informatiques, ils sont dans une position unique pour accélérer les progrès en matière d’apprentissage automatique, de traitement du langage naturel et de vision par ordinateur.
Les organisations maintiendront leur influence sur la recherche en IA en contribuant à des projets open source, en partageant des données et en créant de nouveaux outils et cadres. Cet environnement coopératif jouera un rôle essentiel pour accélérer les progrès de l’IA et garantir son progrès responsable. Alors que les frontières entre le monde universitaire et l’industrie deviennent de plus en plus floues, nous pouvons nous attendre à des progrès encore plus remarquables dans le domaine de l’IA, portés par la relation de collaboration entre ces deux entités influentes.
