*Stéphane Doncieux, directeur de l’ISIR, est professeur d’informatique à Sorbonne Université. **Mohamed Chetouani, directeur adjoint de l’ISIR, est professeur en traitement du signal et en apprentissage automatique pour l’interaction homme-machine à Sorbonne Université. 

La restructuration de l’ISIR se caractérise par la mise en place de cinq équipes de recherche : 

ACIDE : Action, Cognition, Interaction et Décisions Encorporées

• Responsable : Benoît Girard
• L’équipe ACIDE s’intéresse à l’action, la cognition, l’interaction et la décision encorporées : le comportement des agents (vivants ou artificiels) est considéré dans le cadre d’un environnement dynamique comportant d’autres agents. Elle étudie par l’expérimentation et la modélisation, les capacités cognitives des humains et des animaux. D’autre part, elle s’investit dans la conception de dispositifs d’interaction humain-machine plus adaptés, transparents et personnalisés.

ASIMOV : Apprentissage pour les Systèmes Intelligents en Milieux OuVerts

• Responsable : Pascal Morin
• L’équipe ASIMOV se consacre à résoudre des problématiques complexes liées à l’interaction des robots avec leur environnement. Les domaines de recherche couvrent la mécanique complexe et les interactions physiques dans des environnements inconnus et dynamiques, pour relever les défis centrés sur la robotique de service en milieux ouverts.

IRIS : Interface et Robotique pour l’Interaction Sensorimotrice

• Responsable : Ludovic Saint-Bauzel
• L’équipe IRIS se concentre sur le développement de dispositifs capables d’interagir avec l’humain dans sa variété de manière intuitive et synergique. L’objet de recherche de l’équipe est d’étudier la collaboration d’un humain et d’un dispositif robotique et/ou intelligent permettant de réaliser conjointement une tâche.  

MLIA : Apprentissage Machine

• Responsable : Matthieu Cord
• L’équipe MLIA travaillent en intelligence artificielle, sur la conception d’algorithmes d’apprentissage statistique. Leur recherche vise principalement à développer des algorithmes d’apprentissage profond, en lien avec des applications pour la robotique, la vision et le langage, les interactions humain-machine, et la modélisation de systèmes complexes en physique.

RPI-Bio : Robotique, Perception et Interaction pour le Biomédical

• Responsable : Brahim Tamadazte
• L’approche de l’équipe RPI-Bio se veut globale et multi-disciplinaire. Elle se base sur un rapprochement fondamental entre robotique médicale, micro-robotique, traitement de l’information et apprentissage machine. Les membres se font le pari de mettre en commun un panel d’expertises pour lever les verrous technologiques dans les diverses applications médicales et biologiques telles que : l’extension du geste expert, la conception et la commande de systèmes (micro)robotiques, la perception et l’interaction avec le micromonde, l’immersion sensorielle et l’aide à la décision.

Ces cinq nouvelles équipes de recherche reflètent la diversité des domaines explorés à l’ISIR.

Cette année verra aussi la mise en place de deux axes prioritaires, dont l’objectif est d’assurer de l’animation scientifique et technique. L’axe « Apprentissage Machine et Robotique », qui sera piloté par Nicolas Thome, permettra de développer des projets de robotique dans lesquels l’apprentissage machine apportera tout son potentiel. L’axe « Ingénierie des systèmes intelligents », qui sera piloté par Aline Baudry, permettra de fédérer les acteurs du laboratoire les plus impliqués dans les travaux expérimentaux pour partager au mieux notre savoir-faire, tant en interne qu’auprès de la communauté scientifique. Cet axe fonctionnera en coordination avec notre service technique qui vient en soutien aux activités expérimentales.

Publié le 5 février 2024.

L’ISIR vient de se doter de trente nouvelles machines qui accroissent sa capacité de stockage ainsi que ses ressources de calculs. Anciennement hébergé au LIP6, ce cluster a été installé par notre service technique dans un des data centers de la Direction du Système d’Information (DSI) de Sorbonne Université, puis rattaché au réseau de l’ISIR. Une opération sensible, délicate, réalisée sans accroc et en un temps record !

Le cluster répond au besoin de recherche des équipes qui utilisent du calcul intensif à parallélisme fin. C’est le cas en particulier de l’équipe MLIA récemment intégrée à l’ISIR depuis le 1er janvier 2022. Le calcul GPU constitue l’architecture de base pour les travaux sur l’apprentissage et en particulier le deep learning qui est au cœur des expérimentations de MLIA.

Au-delà de ces ressources locales, il existe au niveau national des infrastructures permettant aux scientifiques de réaliser des calculs à hautes performances GPU ou HPC, comme le supercalculateur Jean Zay, que nos équipes utilisent également. Notre cluster interne, par son accès rapide et son usage très souple, complète parfaitement l’offre nationale.

Nouveau cluster de calcul 

Lancer un calcul sur un seul ordinateur est limité en mémoire et en vitesse. Grâce à ce nouveau cluster, lancer un calcul simultanément sur plusieurs ordinateurs permet de réduire considérablement le temps de calcul : un réel gain de productivité. 

Ce nouveau cluster est disponible pour l’ensemble des chercheuses et chercheurs de l’ISIR mais aussi au-delà du périmètre du laboratoire. Par exemple, SCAI – Sorbonne Center for Artificial Intelligence – utilise également cet outil. En tant que partenaire, SCAI investit également dans ce cluster. 

Suite à cette refonte des clusters de l’ISIR, nous pouvons exploiter une structure composée de deux clusters de calculs, GPU (Graphics Processing Unit) ou CPU (Central Processing Unit), ou alors d’un super cluster capable de réaliser tous les calculs et géré en local.

Le nouveau cluster de l’ISIR en chiffre 

• 30 nouvelles machines qui accroissent la capacité de stockage et les ressources de calculs ;

• 73 cartes GPU – bientôt 100 ;

• Puissance de calcul actuelle de 1020 TFLOPS en FP32.

Contact référent : Loïc Charlery – Responsable informatique ; loic.charlery(at)sorbonne-universite.fr

Entretien avec Patrick Gallinari, Professeur en réseaux de neurones à Sorbonne Université et Responsable de l’équipe MLIA. 

Deep Learning : de quoi parle-t-on ? 

Le Deep Learning ou apprentissage profond est une branche du Machine Learning (apprentissage statistique) qui est au cœur de l’essor de l’Intelligence Artificielle depuis le début des années 2010. Le Deep Learning est l’héritier des travaux sur les réseaux de neurones, initiés dès la fin des années 1950 et qui a connu plusieurs épisodes de succès et de sommeil. Adoptée comme une technologie majeure de l’IA dès la fin des années 2000 par les grands acteurs de la Tech dont les GAFAMs* et les BATXs*, le domaine connaît depuis un succès grandissant et une expansion considérable, qui a mis l’IA au centre du jeu scientifique et économique.

*GAFAMs : l’acronyme GAFAM vient des initiales des entreprises Google, Apple, Facebook, Amazon, Microsoft. *BATXs : l’acronyme BATX vient des initiales du moteur de recherche Baidu, du site de e-commerce Alibaba, du site de services Tencent et de l’entreprise technologique Xiaomi.

Que fait l’équipe MLIA d’un point de vue scientifique ? 

Les membres de l’équipe MLIA travaillent sur le développement d’algorithmes d’apprentissage statistique. Leurs travaux sont largement motivés par des développements dans des domaines d’application du Deep Learning, liés en particulier à l’analyse de données sémantiques, aux interactions utilisateur et à la modélisation de systèmes complexes en physique. 

L’équipe développe des coopérations fortes avec des partenaires industriels qui donnent lieu à des projets communs et des co-encadrements. Au sein de Sorbonne Université, MLIA est impliquée dans l’animation de la recherche en IA, en particulier au travers de SCAI (Sorbonne Center for AI) et dans son enseignement au travers de sa participation et de l’administration de masters. 

Les activités de recherche Deep Learning nécessitent une infrastructure de calcul conséquente. MLIA a son propre cluster GPU* administré par le laboratoire et utilise très largement des facilités nationales comme le calculateur Jean Zay du CNRS.

Cluster GPU* : un cluster d’ordinateurs dans lequel chaque nœud est équipé d’une unité de traitement graphique. 

Quels sont les enjeux de cette intégration ? 

Au cours de ces dernières décennies, nous avons pu observer l’essor de deux domaines : les robots et les systèmes intelligents, et l’apprentissage artificiel. Ces deux domaines ont des applications concrètes au service de la société. D’une part, l’autonomie des machines et leur capacité à interagir avec les êtres humains permettent de répondre à des enjeux sociétaux majeurs, tels que la santé et le service à la personne. D’autre part, l’apprentissage artificiel permet aux machines d’intégrer des informations issues de l’expérience ou de données fournies, afin d’élaborer des décisions ou des prédictions. 

La plupart des projets robotiques menés à l’ISIR constituent des champs d’application à fort potentiel pour les recherches en Deep Learning de l’équipe MLIA. Les activités de recherche développées au sein des deux entités montrent en effet de nombreuses proximités et complémentarités autour de la thématique des systèmes intelligents. 

La fusion de ces deux domaines porteurs d’avenir permettra de créer une dynamique de recherche : faire progresser le domaine de la robotique et des systèmes intelligents grâce aux méthodes de l’apprentissage statistique et faire évoluer le Deep Learning pour qu’il puisse augmenter son impact sur les systèmes en interaction avec le monde réel. 

L’objectif est de contribuer à la conception de dispositifs robotiques et de systèmes intelligents, matériels ou numériques, capables d’engager des interactions avec leur environnement physique et avec des personnes humaines, utilisatrices ou cohabitantes.

Ce rapprochement vise à développer une synergie en renforçant les compétences existantes à l’ISIR et . Des nouvelles pistes de recherche et des volontés de collaboration ont déjà été identifiées. Quatre nouveaux projets fédérateurs ont ainsi été récemment définis : 

• L’apprentissage ouvert,
• L’apprentissage hybride combinant modèles physiques et statistiques,
• La prédiction de mouvement,
• Le langage et la sémantique pour l’interaction humain-machine.

En savoir plus : Présentation de l’équipe MLIA

De la part de tous les membres de l’ISIR, nous vous souhaitons une belle année 2021. Que cette année soit riche de projets et de succès . Nous en profitons pour vous remercier sincèrement de votre confiance tout au long de cette année.