31/03/2026
Intelligence articificielle : de nouveaux modèles à haut potentiel
Konstantin Usevich, Chargé de recherche CNRS du département BioSiS, est le coordinateur scientifique du nouveau projet sur l’intelligence artificielle dénommé TENSOR4ML – TENSOR methods FOR mastering modern Machine Learning.
Le déploiement de grands modèles d’IA est l’un des défis de la recherche en IA qui sera au centre des travaux de TENSOR4ML. Pendant 4 ans, une équipe pluridisciplinaire développera de nouveaux modèles d’IA frugaux basés sur l’approximation de rang faible des tenseurs dans des formats tensoriels novateurs, en tenant compte des particularités des applications, de la mise en œuvre et des contraintes matérielles.
Le projet a pour but de libérer tout le potentiel des méthodes tensorielles pour la compression et l’entraînement efficace des modèles d’IA modernes.
En d’autres termes, les recherches consisteront à proposer de nouveaux algorithmes d’apprentissage et d’inférence basés sur des mécanismes tensoriels bien maîtrisés, avec une faible complexité et des exigences en matière de données. Un des enjeux consiste à comprendre l’interaction entre la compression de rang faible et les performances des réseaux neuronaux afin de choisir les meilleures architectures et stratégies d’apprentissage.
Pour accélérer l’apprentissage et répondre aux besoins des applications à haute dimension dans les domaines scientifiques et de l’IA générative, les chercheurs utiliseront des calculs haute performance.
Sur le volet sociétal, les travaux menés dans le cadre de ce projet visent à réduire la consommation d’énergie et les besoins de stockage des méthodes d’IA actuelles et de les rendre accessibles à une communauté plus large.
Le consortium du projet est composé du laboratoire CRAN, du laboratoire de Mathématiques Jean Leray, d’INRIA Bordeaux et Grenoble. Il mobilise une quinzaine d’experts en apprentissage automatique, en théorie de l’approximation, en analyse matricielle et tensorielle, en optimisation et en calcul haute performance.
L’équipe-projet SiMul du département BioSiS, dont des axes principaux de recherche sont les modèles tensoriels de rang faible en IA et la science des données, interviendra à toutes les étapes du projet. Elle sera représentée par Konstantin Usevich et Ricardo Borsoi, tous deux Chargés de recherche CNRS.
Financé dans le cadre de l’appel à projet Mathématiques de l’apprentissage profond du Programme et Equipements Prioritaires de Recherche -PEPR Intelligence Artificielle lancé en 2024, le projet débutera au 1er avril 2026.
Voir la page web du projet : www.pepr-ia.fr/projet/tensor4ml-2