Merci beaucoup pour le témoignage.
Pourquoi avez-vous décidé d’effectuer une thèse CIFRE ?
Mon intérêt pour la recherche et l’application concrète des technologies a commencé bien avant mon master. J’ai toujours été attiré à la fois par l’aspect pratique de la mise en production et par l’exploration théorique des algorithmes avancés. C’est dans cet esprit que j’ai rejoint un service de Recherche & Développement (R&D) au sein de mon entreprise, où j’ai travaillé sur des projets en visualisation scientifique, data science et calcul haute performance (HPC).
Après quelques années en tant qu’ingénieur, j’ai ressenti le besoin d’approfondir mes compétences en deep learning et HPC. La thèse CIFRE s’est alors imposée comme une évidence : elle me permettait de poursuivre mes recherches tout en restant ancré dans le monde de l'entreprise, garantissant ainsi un équilibre entre rigueur scientifique et application industrielle.
En quoi consiste votre thèse en quelques mots ?
Ma thèse porte sur l'optimisation de l'apprentissage de réseaux de neurones profonds dans un environnement superordinateur et big data. L'objectif est de développer des méthodes permettant d'entraîner efficacement le meilleur modèle de deep learning sur des infrastructures multi-GPU. Je me suis tourné vers des modèles ensemblistes, consistant à décomposer le modèle en sous-modèles, puis à sélectionner dynamiquement les meilleures combinaisons de sous-modèles pour maximiser la précision et la rapidité d'inférence.
Aujourd’hui, l’optimisation de l’apprentissage en intelligence artificielle est devenue un enjeu majeur, particulièrement avec la montée en puissance des grands modèles d’IA, la hausse des coûts des composants et de l’énergie, ainsi que le besoin de renforcer l’indépendance technologique en Europe, en lien avec des initiatives comme l'AI Act.
Comment avez-vous vécu votre doctorat ?
Trouver un équilibre entre vie personnelle, exigences académiques et engagements professionnels a été un véritable défi. La thèse CIFRE impose une double exigence : il faut identifier des axes de recherche innovants qui soient à la fois publiables scientifiquement et exploitables par l’entreprise. J'ai surmonté cette difficulté grâce à l'accompagnement de mon directeur de thèse et au feedback régulier de mon manager, qui m'ont aidé à garder un cap cohérent.
Qu’est-ce que la thèse vous a apporté ?
Ma thèse m'a apporté une rigueur scientifique accrue, une capacité à gérer des projets complexes et une profonde compréhension des algorithmes d’IA parallèle. Elle m'a aussi offert l'opportunité de collaborer avec des chercheurs et des ingénieurs de haut niveau à l’international.
Quel est votre poste actuel ?
Actuellement, je suis postdoctorant à l’université du Luxembourg. Mes compétences en deep learning et HPC ont été particulièrement appréciées, ce qui m'a permis de toucher à de nombreux aspects de la vie de l’université avec des rôles académiques (projets de recherche, enseignement) ainsi qu'administratifs (support aux utilisateurs HPC).
Après deux années de postdoc, j’ai décroché un poste permanent en tant que DevOps chez LuxProvide, l’infrastructure nationale de calcul haute performance du Luxembourg. Ce parcours aurait été difficilement envisageable sans ma thèse, car celle-ci m'a offert la possibilité d’obtenir des opportunités internationales et d’évoluer dans un domaine en pleine expansion.