Yoshua Bengio
Le prix Acfas – Urgel-Archambault 2009 pour les sciences physiques, mathématiques, informatique et génie est remis à Yoshua Bengio, professeur au Département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Son domaine de recherche est une branche de l’intelligence artificielle appelée apprentissage machine. On y met au point des algorithmes permettant aux ordinateurs d’extraire de l’information utile des centaines de millions d’éléments d’information contenus dans les bases de données. Certains de ces algorithmes sophistiqués sont appelés réseaux de neurones à cause de leur inspiration du cerveau. Et cette intelligence machine se retrouve derrière les moteurs de recherche du web, la vision informatique, les prises de décision financière, l’analyse produits-clients, la surveillance des flux de sites web, le processus de découverte de médicament ou encore la reconnaissance de la voix et de l’écriture.
L’ambition du chercheur est de comprendre les principes de l'apprentissage menant à l'intelligence (humaine ou pas) et de développer des algorithmes capables de les recréer par le traitement d’un vaste ensemble de données. Sa réputation et celle de son équipe de recherche font de lui une sommité internationale dans les domaines des réseaux neuronaux et du forage de données.
Yoshua Bengio obtient son doctorat en 1991 à l’Université McGill. Puis il se joint au Massachussetts Institute of Technology (MIT) dans le cadre de son postdoctorat. Il devient professeur au Département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal à partir de 1993. Il y fonde la même année un laboratoire qui compte aujourd’hui plus de 20 chercheurs.
Au début de sa carrière, les travaux théoriques de Yoshua Bengio sur les réseaux de neurones récurrents et les modèles Markoviens cachés mettent en lumière les limitations fondamentales et pratiques qu’ont les algorithmes d’apprentissage actuels à capter les dépendances temporelles à long terme. Ces travaux continuent d’influencer la communauté scientifique encore aujourd’hui.
Vers la fin des années 1990, il s’intéresse à la dimensionnalité dans le domaine de la modélisation statistique de la langue maternelle. Il montre qu’une classe complète d’algorithmes d’apprentissage par méthode du gradient, très populaire à l’époque, mène à un cul de sac pour l’apprentissage de dépendances dans les séquences de données. Un pan entier de la recherche en apprentissage automatique est ainsi chamboulé. Ses travaux sur la représentation distribuée des mots (plutôt qu’une représentation symbolique) ont aussi une influence fondamentale de par ses avantages pour la recherche d’informations, la desambiguation du sens et la représentation d’un modèle de langue.
De nombreux contrats de recherche permettent à Yoshua Bengio de transférer ses découvertes vers de nombreux segments de l’industrie : pharmaceutique, web, finance, assurance, télécommunications. En particulier, il travaille sur un système de classification des montants de chèque de AT&T Bell qui traite encore aujourd’hui 10 p. cent des chèques aux États-Unis. En 2002, il fonde Apstat technologies une entreprise spécialisée en forage de données et prévisions statistiques pour l’assurance et la finance.
Il a perfectionné les algorithmes d’apprentissage statistique leur permettent ainsi de traiter de vastes ensembles de données qui englobent des centaines de millions d’éléments d’information ou des ensembles de données qui englobent de très nombreuses variables.
Ses travaux sur les architectures profondes des réseaux de neurones ont été particulièrement remarqués. Ces travaux fondamentaux contribuent en ce moment à la création d’une nouvelle sous-discipline (l’apprentissage d’architectures profondes) qui connaît un essor remarquable. Avec des collègues, il a mis au point un processus qui permet désormais à ces architectures profondes d’extraire des abstractions qui sont de très haut niveau.
Yoshua Bengio excelle également comme pédagogue. Au sein du DIRO, il a contribué à la formation d’une trentaine d’étudiants hautement qualifiés en apprentissage automatique. De plus, l’originalité de ses travaux et l’ampleur de leurs retombées ont été clairement reconnues par ses pairs. Il fait partie des informaticiens les plus cités au Canada.