INTRODUCTION ET PARCOURS
Peux-tu te présenter en quelques mots ?
Je m’appelle Imrane Zaakour et je poursuis actuellement une thèse sous la co-direction de Spyros Angelopoulos et Vianney Perchet. Je suis diplômé de l’ENSAE et titulaire d’un Master 2 Recherche en Mathématiques de l’Aléatoire de l’Université Paris-Saclay (Orsay). Ma thèse est rattachée à l’École Doctorale STIC de Paris-Saclay et se déroule au sein du laboratoire ILLS, qui dépend de CentraleSupélec.
Qu’est-ce qui t’a amené à t’intéresser à l’intelligence artificielle ?
Mon intérêt pour l’intelligence artificielle est né de ma volonté de comprendre comment des outils mathématiques peuvent produire des décisions intelligentes à partir de données. Très vite, le machine learning s’est imposé comme un terrain d’exploration stimulant, offrant à la fois la possibilité d’aborder des questions théoriques profondes — sur l’apprentissage, la généralisation ou les biais algorithmiques — et de développer des méthodes ayant un impact concret.
Aujourd’hui, ce qui me motive le plus, c’est cette combinaison unique de rigueur théorique et d’applicabilité pratique : concevoir des algorithmes robustes, en comprendre le fonctionnement en profondeur et les mettre au service de problèmes réels. Pour moi, l’IA est à la fois un espace de réflexion et un vecteur d’action.
Comment décrirais-tu ton sujet de thèse à quelqu’un en dehors du domaine ?
Ma thèse porte sur la conception d’algorithmes capables de prendre des décisions de manière séquentielle dans des environnements incertains. L’idée est d’apprendre en agissant : on prend des décisions, on observe leurs conséquences, puis on s’adapte.
La spécificité de mon travail réside dans le fait que je dispose d’un accès partiel à l’environnement via un oracle stochastique : je peux interroger la probabilité des situations possibles, sans jamais la connaître entièrement. Cela me permet de concevoir des algorithmes qui exploitent intelligemment cette information partielle pour mieux anticiper, tout en restant robustes face à l’incertitude.
Mon objectif est double : comprendre théoriquement l’impact de cet accès supplémentaire sur la performance des algorithmes et développer des méthodes de décision plus efficaces et réalistes pour des applications concrètes.
LE COEUR DU PROJET
Quel est l’objectif principal de ta recherche ?
L’objectif principal de ma recherche est de comprendre comment concevoir des algorithmes de décision plus performants dans des environnements incertains. Le problème central réside dans le fait que, dans de nombreuses situations réelles, il est impossible d’apprendre uniquement par essais-erreurs : l’information est partielle et le temps disponible est limité.
Mon hypothèse est que l’accès indirect à la distribution des situations possibles via un oracle stochastique modifie profondément les stratégies envisageables. En exploitant intelligemment cette information partielle, il devient possible de développer des algorithmes à la fois plus efficaces et plus robustes face à l’incertitude.
L’impact scientifique attendu est double : d’une part, approfondir la compréhension théorique des limites fondamentales de la décision séquentielle dans ce nouveau cadre ; d’autre part, proposer des méthodes qui rapprochent les modèles d’apprentissage des contraintes concrètes rencontrées dans les applications réelles.
Quelles méthodes ou approches utilises-tu ?
Mon approche est principalement théorique. Je construis et analyse des modèles mathématiques qui permettent de formaliser des problèmes de décision sous incertitude et d’étudier de manière rigoureuse le comportement des algorithmes.
Sur cette base, je conçois de nouvelles méthodes et établis des garanties théoriques quant à leurs performances. Ces travaux sont ensuite complétés par des expérimentations numériques, qui illustrent les phénomènes étudiés et permettent de relier la théorie à des situations concrètes.
Mon travail se situe à l’intersection des mathématiques, de l’apprentissage automatique et de l’algorithmique, avec pour objectif de produire des méthodes à la fois solides sur le plan théorique et pertinentes pour des applications réelles.
Pourquoi ce sujet te semble-t-il important pour l’IA de demain ?
Ce sujet est essentiel pour l’IA de demain, car de nombreux systèmes d’intelligence artificielle ne pourront pas se limiter à un apprentissage hors ligne dans des environnements statiques. Ils devront prendre des décisions en temps réel, s’adapter à des situations inédites et agir avec une information partielle.
Mon travail s’inscrit précisément dans cette perspective : il vise à comprendre comment exploiter intelligemment l’information partielle, à l’image de tendances observables ou de données simulées, sans surestimer ce que l’on connaît. Cette approche permet de concevoir des algorithmes plus fiables, plus robustes et mieux alignés avec les contraintes du monde réel.
À long terme, cette recherche contribue au développement de systèmes d’IA capables de prendre des décisions responsables et maîtrisées, même dans des environnements complexes et incertains.
COLLABORATION ET ÉCOSYSTÈME
Avec quelles structures, laboratoires ou partenaires travailles-tu ?
Je travaille au sein de l’équipe Fairplay à l’ENSAE, sous la direction de Vianney Perchet, et je collabore également avec le LIP6 aux côtés de Spyros Angelopoulos. Cette structure me permet de bénéficier d’un environnement très stimulant, combinant théorie, algorithmique et applications concrètes, et de collaborer avec des équipes complémentaires sur des problématiques liées à l’apprentissage et à la prise de décision en ligne.
En quoi le soutien du DIM AI4IDF a-t-il été un levier pour ton projet ?
Le soutien du DIM AI4IDF a constitué un véritable levier pour mon projet. Il a cru en la vision de mon projet de thèse et a rendu possible son développement. Grâce à cet appui, je peux me consacrer pleinement à la recherche, accéder à des ressources et collaborations précieuses, et développer des méthodes ambitieuses qui n’auraient pas été envisageables autrement.
Comment vois-tu les collaborations entre les différents clusters et domaines de recherche (IA, santé, robotique, data science, etc.) ?
Je considère l’IA comme un véritable catalyseur pour l’ensemble des domaines de recherche. En mettant en relation des clusters tels que la santé, la robotique ou la data science, elle permet d’accélérer les avancées et de créer plus rapidement des solutions innovantes.
Dans mon travail, par exemple, les algorithmes et méthodes que je développe pourraient inspirer des systèmes adaptatifs en robotique ou des outils d’aide à la décision en santé. L’IA ne se limite pas à appliquer des techniques existantes : elle stimule l’innovation, ouvre de nouvelles perspectives et renforce l’impact concret de chaque discipline.
IMPACT ET SOCIÉTÉ
Selon toi, quelles sont les implications éthiques ou sociétales de ta recherche ?
Même si ma recherche est avant tout théorique, elle présente des implications éthiques et sociétales concrètes. L’objectif est de concevoir des algorithmes de décision robustes et fiables pour l’utilisateur final, capables de bien performer même en présence d’informations incomplètes.
Ces méthodes peuvent améliorer l’efficacité de services essentiels, tels que la santé, la robotique ou la logistique, en optimisant l’allocation des ressources, en réduisant les erreurs et en accélérant les processus. En ce sens, ma recherche contribue à construire une IA plus responsable, capable de prendre des décisions performantes tout en respectant les contraintes éthiques et les besoins réels de la société.
Comment vois-tu le rôle de l’IA dans les grands défis contemporains ?
Je considère l’IA comme un levier majeur pour relever les grands défis contemporains. Dans le domaine du climat, elle peut contribuer à optimiser l’utilisation des ressources et à anticiper des phénomènes complexes. En santé, elle permet de concevoir des outils d’aide à la décision plus précis et personnalisés. Dans l’éducation et la diffusion de la culture scientifique, elle peut rendre les connaissances plus accessibles et adaptatives.
L’IA ne remplace pas les experts, mais renforce leur capacité à agir efficacement et à explorer des solutions innovantes. À mes yeux, son rôle est de catalyser l’innovation en reliant théorie, données et action concrète, afin de générer un impact tangible sur la société.
VISION ET INSPIRATION
Une découverte ou un concept scientifique qui t’inspire ?
Un concept qui m’inspire particulièrement est celui du biais implicite en apprentissage automatique, par exemple dans la descente de gradient appliquée aux réseaux de neurones. Il est fascinant de constater qu’un algorithme apparemment simple ne se contente pas d’optimiser une fonction : il induit des comportements et des solutions spécifiques, parfois inattendus.
Pour moi, cela illustre combien la théorie peut révéler des mécanismes profonds derrière des systèmes qui paraissent opaques, et souligne l’importance de comprendre ces phénomènes pour concevoir une IA plus fiable et performante.
Un conseil pour les futurs doctorants qui voudraient se lancer dans la recherche ?
Bien que je n’en sois qu’au début, je suis très enthousiaste à l’idée de poursuivre cette aventure. Mon conseil aux futurs doctorants est simple : osez vous lancer si vous souhaitez contribuer à l’avancement de la connaissance scientifique. La recherche exige curiosité, persévérance et parfois la capacité à sortir de sa zone de confort, mais elle constitue une expérience profondément enrichissante, à la fois sur le plan scientifique et humain, où chaque petite découverte compte.
Si tu pouvais résumer ton approche de la recherche en une phrase ?
Oublie que c’est compliqué, testes tes idées… et on ne sait jamais, avec une bonne intuition, ça peut marcher !
Propos recueillis par Khaled Benaida