Depuis septembre 2019, Liva Ralaivola dirige le département de la Recherche au sein du Criteo AI Lab, le laboratoire d’Intelligence Artificielle de Criteo, qu’il a rejoint en septembre 2018 comme chercheur à temps partiel, partageant alors son activité avec l’université d’Aix-Marseille (AMU).
Ancien chargé de mission IA pour cet établissement en 2018 et membre junior de l’Institut universitaire de France de 2016 à 2019, aujourd’hui en détachement de son poste de professeur à l’AMU, il nous présente le Criteo AI Lab, créé en juin 2018, composé d’une trentaine de chercheurs et d’une soixantaine d’ingénieurs qui travaillent à développer les capacités en machine learning (ML).
Liva Ralaivola nous parle de son expérience de recherche chez Criteo, leader mondial de la publicité en ligne et acteur-clé de l’écosystème Commerce Media, et la met en regard de son expérience dans le milieu académique.
Dans le cadre des jeux olympiques 2024, nous vous offrons chaque jour un article issu du magazine ActuIA n°4, dont le dossier principal est “Le sport à l’ère de l’IA”. Afin de découvrir le magazine ActuIA, nous vous invitons à vous rendre sur notre boutique. Tout nouvel abonnement d’un an vous donne droit à l’ensemble des archives au format numérique.
En France, le fossé séparant l’univers académique du milieu industriel semble évoluer vers une intense collaboration entre ces deux mondes. Quel type de passerelles établissez-vous chez Criteo pour relever le défi de la recherche dans le milieu industriel ?
Chaque écosystème a ses spécificités qu’il faut appréhender comme un tout et la capacité à s’y épanouir dépend d’un ensemble insécable de facteurs (expérience, envies, personnalité). Pour ma part, je suis très heureux de mon expérience chez Criteo, qui me pose le défi passionnant de maintenir l’équilibre entre des sujets de recherche fondamentale à visée long terme et d’autres de recherche appliquée, plus mouvants, dont les avancées doivent aider à déverrouiller à plus court terme des problématiques métiers. Un cercle vertueux est à entretenir là où les besoins métier alimentent la recherche fondamentale ou appliquée en nouveaux questionnements, dont les réponses doivent garantir en retour à notre infrastructure technologique de rester à la pointe et de bénéficier d’une assise scientifique robuste.
Le milieu académique est quant à lui le poumon de la recherche, c’est là que se développent les travaux les plus prospectifs et en rupture, lesquels bénéficient du dynamisme d’étudiants très bien formés. Les collaborations avec ce monde nous sont donc fondamentales, en ce qu’elles nous permettent d’élargir notre vision du ML pour moi, et pour le Criteo AI Lab en général, il y a une réelle complémentarité à travailler entre la recherche académique et la recherche industrielle.
Parmi les nombreuses passerelles mises en place, citons des co-encadrements de thèses, des postes à temps partiel Université/ Criteo, des postes de chercheurs invités, des enseignements en master, l’organisation de conférences ou workshops scientifiques (e.g. Machine Learning in the Real World, Workshops à NeurIPS, KDD, ICML) ou encore des hackathons ouverts au public sur nos données.
La structure du Criteo AI Lab est-elle semblable à celle des laboratoires universitaires que vous connaissez ?
Le Criteo AI Lab regroupe une trentaine de chercheurs (le groupe dont je suis responsable) en machine learning (ML), dont dix doctorants, et plus d’une soixantaine d’ingénieurs qui, pour la grande majorité, sont aussi spécialistes du ML – les compétences ML sont d’ailleurs loin d’être concentrées au Lab, des experts en ML opèrent également dans d’autres départements de Criteo. Dans les laboratoires universitaires de mathématiques et d’informatique que j’ai connus, la variété des domaines de recherche était plus grande et la proportion chercheurs/ingénieurs inversée.
Le laboratoire d’Informatique fondamentale de Marseille (aujourd’hui intégré au laboratoire Informatique et Systèmes) que j’ai dirigé comptait par exemple une centaine de scientifiques répartis en sept équipes de recherche (algorithmique, algorithmique distribuée, vérification, calcul naturel, bases de données, ML, traitement automatique de la langue). Les quatre ingénieurs du laboratoire venaient en appui de ces sept équipes qui, de fait, concentraient leurs efforts sur leurs deux missions, incontournables, à savoir la production scientifique et la formation.
Le ratio chercheurs/ingénieurs du Criteo AI Lab nous dote d’un continuum de compétences ML depuis la recherche fondamentale (et la vingtaine de publications associées aux plus grandes conférences ML : ICML, NeurIPS, COLT, AISTATS, KDD…) jusqu’au déploiement logiciel, un savoir-faire essentiel pour Criteo, dont l’avantage compétitif repose sur sa capacité à innover (et donc à transférer la recherche vers les besoins métier et inversement) et à faire fonctionner au quotidien des modèles de ML sur des téraoctets de données.
Cet article est extrait du magazine ActuIA. Afin de ne rien manquer de l’actualité de l’intelligence artificielle, procurez vous ActuIA n°16, actuellement en kiosque et sur abonnement :
