top of page

Fei-Fei Li : informatique et Intelligence Artificielle



Fei-Fei Li est une figure emblématique du domaine de l’intelligence artificielle et de la lutte pour plus de mixité dans le secteur de l’informatique. Voici le portrait de celle qui a ouvert les portes de l’intelligence artificielle telle qu’on la connaît aujourd’hui ainsi que levé les premiers questionnements sur les risques potentiels liés à une utilisation non cadrée et exclusive.


« Si vous lisiez tous les articles d’IA et extrayiez tous les noms qui sont cités, jnous vous garantissons que les femmes n’apparaissent que rarement. Pour chaque femme citée sur des technologies d’intelligence artificielle, il y a 100 fois plus d'hommes cités. » Fei-Fei Li pour Bloomberg en 2016 [1].





Fei-Fei Li naît en 1975 à Pékin, en Chine et arrive en 1991 aux Etats-Unis avec ses parents. De 1995 à 1999 elle étudie la physique, l’informatique et les sciences de l’ingénieur à l’université de Princeton et décroche un master en physique, mathématiques appliquées et en physique pour l’ingénieur. Elle poursuit ses études à l’Institut de technologies de Californie (Caltech) de 2000 à 2005 où elle soutient une thèse intitulée « Reconnaissance Visuelle : Modèles Computationnels et Psychophysique humaine ». Suite à l’obtention de sa thèse, Fei-Fei Li entre à l’université de l’Illinois en tant que professeur assistante du département d’informatique et d’électronique, poste auquel elle reste jusqu’en 2006 [2].


Création d’ImageNet

Durant son parcours académique, elle se rend compte qu’il est tout autant, si ce n’est plus, important de travailler sur la qualité et la quantité des données d’apprentissage que sur l’algorithme d’intelligence artificielle utilisé. Cette réalisation marque le début de sa réflexion sur le développement du jeu de données ImageNet. Comme elle l’explique dans sa conférence TED à Vancouver en 2015 [3], si l’on souhaite permettre aux ordinateurs d’apprendre à reconnaître des objets, des lieux et des situations comme le ferait un enfant, il faudrait une quantité phénoménale d’images annotées avec lesquelles s’entraîner.


En acceptant un poste de professeur assistante du département d’informatique à l’Université de Princeton en 2007, Fei-Fei Li rencontre Christiane Fellbaum, professeur et l’une des créatrices de WordNet, une base de données lexicale, à partir de laquelle elle construit ImageNet [4]. Cette base de données se remplit à partir des quelques 1 milliard d’images présentes sur Internet et du travail de nettoyage, tri et labellisation réalisé par des travailleurs indépendants (Amazon Mechanical Turk). En 2009, ImageNet compte plus de 15 millions d’images dans 2200 catégories différentes, est présentée à la Conférence sur la Vision par Ordinateur et Reconnaissance de formes (CVPR) en Floride et mise à disposition en open data à la communauté scientifique.


En 2010 la compétition ILSVRC (ImageNet Large Scale Visual Recognition Challenge ou Challenge de reconnaissance visuelle à grande échelle ImageNet) est lancée, il s’agit d’une compétition annuelle où ImageNet est utilisé pour évaluer des algorithmes de traitement d’images sur leur précision pour plusieurs tâches de vision par ordinateur [5]. Le but de cette compétition était à la fois de faire un état de l’art des performances de la vision par ordinateur et de promouvoir le développement de techniques plus performantes [6].

En 2009 elle est recrutée par l’université de Stanford, où elle travaille encore aujourd’hui. De 2013 à 2018 elle est la directrice du Laboratoire d’Intelligence Artificielle de Stanford (SAIL).



Co-fondation d’AI4ALL

En 2015, Olga Russakovsky, une de ses étudiantes en thèse, lui parle de son idée de programme pour ouvrir les portes des domaines de la vision par ordinateur, du machine learning, du deep learning et des neurosciences cognitives et computationnelles aux personnes sous-représentées. Fei-Fei Li et Olga Russakovsky, accompagnées de Rick Sommer (directeur exécutif des études pré-université), fondent alors SAILORS, un programme d’été permettant à des lycéennes d’apprendre sur l’IA centrée sur l’humain [7]. En 2017, avec l’aide de plusieurs financements, SAILORS devient AI4ALL, une organisation nationale à but non lucratif visant à rendre l’IA plus diverse et inclusive. A partir de cette date, les partenariats avec différentes universités se multiplient.

En décembre 2022 AI4ALL a touché plus de 10000 personnes dans chacun des 50 états des Etats-Unis et à travers le monde. L’existence de ce type de programme est cruciale lorsque l’on sait que seulement 14% des personnes travaillant dans le monde de l’IA sont des femmes et 11% seulement sont hispaniques ou noirs. Or, outre le fait que l’impact économique de l’IA ne cesse d’augmenter, ces technologies ont un impact grandissant sur les populations et un manque de diversité dans les scientifiques derrière ces technologies ne peut entraîner qu’un accroissement des biais qui y sont liés. Fei-Fei Li interpelle le gouvernement américain sur cette thématique, lors de son intervention en 2018 en tant que témoin pour les comités sur les sciences, l’espace et la technologie : « Il n’y a rien d’artificiel à propos de l’intelligence artificielle : elle est inspirée par des personnes, créée par des personnes et, plus important, elle a un impact sur les personnes. […] Avec un guide approprié, l’IA rendra la vie meilleure. Mais sans, elle est vouée à élargir encore plus l’écart de richesses, rendre la technologie encore plus exclusive et renforcer des biais que nous avons passé des générations à surmonter. Ce sera un challenge éthique, philosophique et humaniste » [8].


Co-fondation du HAI

Cette conscience de la nécessité d’encadrer le développement de l’intelligence artificielle l’amène à cofonder, en 2019 l’Institut d’IA centrée sur l’humain (HAI) à Stanford, où elle retourne après avoir passé la période 2017-2018 en tant que vice-présidente et directrice de l’intelligence artificielle pour Google Cloud. La mission de cet institut est de continuer la recherche en IA, les réglementations et les pratiques pour améliorer la condition humaine [9].

En 2020 elle est élue membre de l’académie nationale d’ingénierie des Etats-Unis.

« Je suis persuadée que [l’IA] est une technologie puissante qui peut faire la différence. Mais toute technologie est une épée à double tranchant », prévient-elle lors de la Grace Hopper Celebration de 2019 (une cérémonie pour célébrer les femmes dans l’informatique) [10].

Cette volonté d’améliorer la recherche en IA tout en prévenant de ses dangers la suit toujours aujourd’hui.



A travers les nombreuses conférences auxquelles elle participe et les livres qu’elle publie, elle informe la communauté scientifique et le grand public sur les effets à la fois positifs et négatifs que cette technologie peut avoir et la nécessité de penser son développement par et pour l’humain. Elle rencontre ainsi le président Biden en juin 2023, en tant que membre du groupe de travail dedié à la mise en place de la NAIRR (National Artificial Intelligence Research Ressource), une ressource fédérale visant à mettre à disposition des données, algorithmes et ressources de calcul. En juillet, un projet de loi est introduit pour établir la NAIRR afin de fournir aux chercheurs les

ressources nécessaires pour développer l’IA en toute sécurité. En 2023 elle est nommée parmi les 100 personnalités les plus influentes en IA [11].


Sources:

[1] Bloomberg Professional Services. (2017, 28 mars). Artificial intelligence has a ‘sea of dudes’ problem | Insights | Bloomberg Professional Services.

https://www.bloomberg.com/professional/blog/artificial-intelligence-sea-dudes-problem/

[2] Fei-Fei Li. https://fr.wikipedia.org/wiki/Fei-Fei_Li

[3] Li, F. (s. d.). Comment apprendre aux ordinateurs à comprendre des images [Vidéo]. TED Talks. https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures?language=fr. 2015.

[4] ImageNet. https://fr.wikipedia.org/wiki/ImageNet

[5] ImageNet. https://image-net.org/challenges/LSVRC/

[6] Brownlee, J. (2019, 5 juillet). A gentle introduction to the ImageNet Challenge (ILSVRC).

MachineLearningMastery.com. https://machinelearningmastery.com/introduction-to-the-imagenet-large-scale-visual-recognition-challenge-ilsvrc/

[7] Results - AI4ALL. (2022, 20 décembre). AI4ALL. https://ai-4-all.org/about/results/

[8] House Science, Space, and Technology Committee. (2018, 26 juin). Hearing - AI - With great power comes great responsibility (Event EventID=108474) [Vidéo]. YouTube. https://www.youtube.com/watch?v=_ObbBp5Vo9U

[9] Stanford Institute for Human-Centered Artificial Intelligence. https://hai.stanford.edu/about

[10] GHC19 - Fei Fei Li, talking about who would change AI [Vidéo]. YouTube.

https://www.youtube.com/watch?v=MOxRohTGXt8 (2019, 13 octobre).

[11] Time. (2023, 7 septembre). TIME100 AI. https://time.com/collection/time100-ai/


Rédigé par Loane D.

Logo de l'association Sciences for Girls
bottom of page