Date : 2026-04-02
Lieu : PSL, site Amyot (3 rue Amyot, 75005 Paris)
Journée « Frugalité » en traitement automatique des langues et machine learning
Lieu : PSL, site Amyot (3 rue Amyot, 75005 Paris)
Date de la journée : jeudi 2 avril 2026
Date limite de soumission : vendredi 13 février 2026
URL de soumission : https://enquetes.univ-lorraine.fr/index.php/724568
Les progrès récents dans les domaines de l’intelligence artificielle ont montré des avancées étonnantes en termes de performances et de richesse des applications possibles, avec potentiellement un impact sociétal fort. On peut, au moins en partie, attribuer ce succès à l’entraînement auto-supervisé de grands modèles dits “de fondation” sur de grandes quantités de données, afin de capturer toute la richesse de leur distribution et par conséquent de réaliser une diversité de tâches. En traitement du langage naturel avec les LLM, en vision artificielle avec les “world models”, en traitement des signaux acoustiques avec les modèles SSL, et dans bien
d’autres domaines, cette approche est devenue dominante, soutenue par la volonté de créer un modèle unique pour tous les cas d’utilisation.
Les lois de passage à l’échelle poussent à augmenter la taille des modèles, en paramètres, en données et en coût de calcul, à la fois à l’entraînement et en inférence (en générant par exemple des raisonnements), afin d’obtenir de meilleures performances. Cette approche pousse à des compromis car son rendement est décroissant : le coût de chaque point gagné en performance augmente exponentiellement avec la réduction des erreurs. Ce coût devient aussi un problème sociétal, avec des conséquences sur l’environnement de plus en plus préoccupantes associées à une adoption généralisée des applications de l’IA.
Pourtant, les pratiques d’évaluation et de benchmarking de la communauté scientifique et industrielle ont peu changé et les mesures de succès ne prennent pas en compte le gigantisme des modèles et le coût global de leur mise en œuvre (écologique, économique, sociétal…). Les performances mesurées ignorent les conséquences des modèles sur l’environnement et la diversité de tâches et la quantité de données nécessaires pour valider la généralité des modèles
rendent les évaluations elles-mêmes gourmandes en ressources.
Cette journée s’intéresse prioritairement à la question de construire des méthodologies d’évaluation “socio-écologiquement conscientes”, qui soient à la fois capables de diriger les concepteurs de modèles vers un compromis socialement et écologiquement acceptable entre performances et ressources, et qui limitent aussi dans leur mise en oeuvre leurs conséquences sur l’environnement. Elle s’attache aussi à rassembler la communauté sur toutes les questions liées à la frugalité de l’intelligence artificielle, de la mesure des ressources à l’implémentation efficace des modèles.
Les thèmes abordés dans cette journée commune aux GdR TAL, IASIS et MADICS sont, sans être limités à :
– Mesure de l’impact environnemental et sociétal : impact carbone, métriques, méthodologie de collection…
– Benchmarks frugaux, protocoles d’évaluation, métriques mélangeant succès à une tâche et impact environnemental : densité en information des modèles…
– Amélioration de l’efficacité des modèles d’IA (en paramètres, temps de traitement, en données, en mémoire…)
– Recherche d’architecture et apprentissage automatique sous contrainte de budget• Quantification, distillation et décimation des modèles
– Méthodes de faible rang, parcimonie
– Collection de données et frugalité
– IA on edge devices, implementation efficace, accélération matérielle
Les soumissions concernent des travaux scientifiques originaux ou déjà publiés mais susceptibles d’intéresser la communauté, et seront présentées lors de la journée sous forme de posters. Les soumissions se font au travers d’un résumé de 2 pages maximum, dont la pertinence sera validée par un comité scientifique, à l’URL suivante :
https://enquetes.univ-lorraine.fr/index.php/724568
Présentations invitées (titres et résumés à venir) :
– Gaël Varoquaux
– Julia Gusack
– Nicolas Keriven
– Raphaël Troncy
Organisateurs : Benoit Favre (Aix-Marseille Université, Université Grenoble-Alpes), Alexandre Allauzen (Université Paris Dauphine – PSL, ESPCI Paris – PSL), Christophe Cerisara (CNRS, Loria), Paul Caillon (Paris School of AI – PSL).
Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.