Quitter la banque et s'occuper de l'état du monde: c'est le grand saut initié par Sasha Luccioni. | Spencer Platt / Getty Images North America / AFP
Quitter la banque et s'occuper de l'état du monde: c'est le grand saut initié par Sasha Luccioni. | Spencer Platt / Getty Images North America / AFP

Jeune chercheuse en IA, j'ai quitté Morgan Stanley pour retourner à l’université

Sasha Luccioni, spécialiste en «machine learning», s'est détournée du milieu milliardaire de la finance pour se consacrer au réchauffement climatique.

Sasha Luccioni, 28 ans, réside à Montréal. Elle est titulaire d’une thèse en «informatique cognitive», une formation pluridisciplinaire où elle a notamment appris à développer des algorithmes de machine learning, que le grand public connaît mieux sous le nom d’intelligence artificielle.

Un an après avoir été embauchée en tant que chercheuse, elle quitte la grande banque américaine Morgan Stanley pour une structure universitaire à but non lucratif, le Mila.

Elle nous explique son saut du privé au public, l’occasion de faire un état des lieux des deux côtés.

korii: Que faisiez-vous chez Morgan Stanley?
Sasha Luccioni: J’ai été la toute première membre de l’équipe du «Center of Excellence» en IA à Montréal. À la fin de mon expérience, on était une bonne vingtaine, répartis entre New York et ici. Notre rôle était de faire du consulting en interne, essayer de développer des nouvelles solutions basées sur le machine learning, pour des équipes qui en formulaient le besoin.

L'intelligence artificielle selon David Louapre

Sur quels projets avez-vous travaillé en particulier?
J’ai fait de l’analyse en temps réel des nouvelles. Je prenais des courtes infos venant de différentes agences, pour identifier des événements qui pourraient avoir un impact sur le marché financier. Il fallait savoir si c’était une bonne ou une mauvaise nouvelle, faire ce qu’on appelle de «l’analyse de sentiments», pour voir ensuite s’il fallait vendre ou acheter.

Ça n’est pas si simple que ça en a l’air. Le mot «faillite» par exemple peut être associé à une mauvaise nouvelle. Mais c’est beaucoup plus nuancé que ça, car il faut prendre en compte le contexte qui peut changer la signification d’une information a priori positive ou négative.

Et ça, l’être humain n’est pas assez intelligent pour le faire?
Il n’y a pas assez d’humains pour lire toutes les nouvelles, et il faut réagir très rapidement. Quelques secondes de trop peuvent tout changer, avec des sommes colossales en jeu.

Cet algorithme-là prend-il des décisions?
Non, il est destiné à donner des conseils seulement. Après, c’est l’humain, un trader spécialisé, qui décide des montants.

Il faut réagir très rapidement. Quelques secondes de trop peuvent tout changer, avec des sommes colossales en jeu.
Sasha Luccioni, chercheuse en machine learning

Votre solution a-t-elle finalement été intégrée dans les process de la banque?
Pas encore. Dans la banque, peut-être plus qu’ailleurs, il est difficile d’implémenter des projets. Parce que souvent, on ne sait pas bien ce qu’il se passe dans un réseau neuronal [les «réseaux neuronaux» sont la composante essentielle du machine learning. Fonctionnant grossièrement sur le principe des neurones humains, ils permettent de créer des modèles de compréhension plus ou moins abstraits à partir de données brutes, ndlr].

Du coup, si on perd ou gagne un milliard et qu’on a du mal à l’expliquer, pour l’entreprise, ça ne va pas. Implémenter un projet prend donc beaucoup de temps, il faut outrepasser une forme de fétichisme lié au secteur. Mon algorithme ne sera peut-être implémenté que dans deux ans. Mais peut-être qu’il ne marchera plus d’ici là. En un an, je n’ai pas pu assister aux fruits de mon travail.

Cette frilosité est-elle applicable à toute la finance?
Dans les hedge funds, c’est plus expérimental, ils essaient plus de choses. Ce sont des structures plus agiles, qui prennent des risques. Je pense par rapport à Renaissance Technologies, qui embauche des gens super doués en machine learning.

On a encore beaucoup d’effets «boule de neige», car on a des bots qui répondent à d’autres bots: si une entreprise achète 100.000 actions, le concurrent aussi.
SASHA Luccioni, chercheuse en machine learning

Tu dirais qu’il n’y a donc pas eu de vraie révolution de l’IA dans la finance?Dans la finance, ce changement est lent. Je dirais qu’on arrive à «amplifier» certains phénomènes, comme diminuer le temps de latence dans le fameux «high frequency trading» ou faire des prédictions sur le plus long terme, sur dix ans.

Il y a un gros potentiel mais on n’y est pas. La plupart des algorithmes sont vieux jeu. Si on les convertissait tous aux réseaux de neurones, ça changerait la donne –tout serait plus nuancé, plus serré.

On a encore beaucoup d’effets «boule de neige», car on a des bots qui répondent à d’autres bots: si une entreprise achète 100.000 actions, le concurrent aussi. Le machine learning permet de faire des corrélations beaucoup plus profondes que l’algorithmique traditionnelle.

Ne pas partager son travail de recherche, c’est égoïste.
SaSha Luccioni, chercheuse en machine learning

Pourquoi avez-vous décidé de quitter Morgan Stanley?
Pour que les choses soient claires, je ne suis pas partie en mauvais termes avec eux. On avait beaucoup de liberté et c’était épanouissant. Mais ce qui me frustrait, c’était le milieu. Quand la banque est un secteur sensible avec beaucoup d’argent en jeu, on garde beaucoup de choses secrètes.

En tant que chercheuse, je trouve dommage de ne pas pouvoir échanger avec mes pairs. C’est en parlant entre nous de ce que l'on fait que l’on peut s’améliorer. Ne pas partager son travail de recherche, c’est égoïste.

En décembre dernier, j’ai présenté mon travail en analyse des sentiments à une conférence en machine learning. Beaucoup de gens venaient me poser des questions mais je n’étais pas autorisée à leur répondre pleinement, et je trouvais ça vraiment dommage.

Mais un chercheur, traditionnellement, ça n’est pas cantonné au domaine universitaire?
Un chercheur, c’est une personne qui essaie d’inventer de nouvelles choses, contrairement à celui qui utilise les algorithmes sans les modifier. Beaucoup de grands chercheurs travaillent pour Facebook, Google, Apple ou encore Nvidia et partagent avec le monde entier certaines de leurs trouvailles. Mais pas leurs recettes maison, bien entendu.

S’ils sont aussi pointus, c’est parce qu’ils ont beaucoup d’argent à y consacrer, et qu’ils disposent d’énormément de données pour nourrir les algorithmes.

Sasha Luccioni et les principes fondateurs du Mila, organisation à but beaucoup moins lucratif que Morgan Stanley

La banque est-elle le seul milieu qui ne partage rien?
Je dirais qu’il y a aussi le médical, qui est très fermé.

Vous ne quittez pas Morgan Stanley pour des raisons éthiques plus générales? Parce que bon, une banque n’est là que pour faire de l’argent...
Ça ne me dérangeait pas de faire de l’argent pour quelqu’un. Tout le monde doit en faire. À mon sens, le secteur financier n’est pas pire que d’autres secteurs affiliés aux nouvelles technologies. Mais je voulais travailler pour plus de gens, pour que tout le monde puisse en profiter.

Où allez-vous travailler?
Je viens d’être recrutée comme post-doctorante au Mila. Auparavant, c’était un institut de recherche affilié à l’Université de Montréal. Depuis quelques mois, le Mila s’est transformé en organisme à but non lucratif, qui regroupe plusieurs autres universités de Montréal.

Je crois que son directeur, un vrai rebelle, est assez reconnu dans le milieu?
Le directeur du labo s’appelle Yoshua Bengio. Il fait partie des fondateurs du machine learning moderne, et c’est l’un des seuls grands chercheurs qui ne veut pas travailler pour une grande entreprise, car il estime que nos recherches doivent être accessibles à tous. C’est une vision démocratique de la recherche.

On va créer un site web avec des images personnalisées du réchauffement climatique. Il permettra à chacun de voir à quoi ressemblera sa propre maison ou sa rue dans cinquante ans.
SaSha Luccioni, chercheuse en machine learning

Peut-on parler de la question salariale?
Je n’ai pas le droit de communiquer dessus vis-à-vis de Morgan Stanley, mais disons qu’il va diminuer de manière très significative.

Sur quoi allez-vous travailler précisément?
Sur le changement climatique. Je fais déjà des gestes au quotidien pour limiter la catastrophe à venir, mais maintenant, je veux aussi mettre à profit mes compétences professionnelles.

Avec une équipe, on va créer un site web avec des images personnalisées du réchauffement climatique. Il permettra à chacun de voir à quoi ressemblera sa propre maison ou sa rue dans cinquante ans. On pourra même rajouter une photo de soi ou de ses enfants, pour les vieillir à l'aide de réseaux neuronaux. L’idée, c’est de faire comprendre que vous aussi, vous serez concerné. C’est un outil de sensibilisation.

Pour cela, on va utiliser Google Street View et des modèles de changement climatique, avec des probabilités. Ce sont des chiffres qui n’ont pas de réalité concrète qu’on va essayer de mettre en images.

L’ours polaire qui crève de faim ne fait plus réagir les gens, car ils pensent que c’est loin de chez eux. On veut leur montrer que non, le changement climatique affecte chacun d'eux.

En ce moment

«Vous êtes ce que vous streamez»: comment Spotify fait le commerce de vos émotions

Biz

«Vous êtes ce que vous streamez»: comment Spotify fait le commerce de vos émotions

La plateforme de streaming musical sait tout de vos humeurs et transforme ces précieuses données en revenus.

Les voitures autonomes d'Uber malmenées partout où elles passent

Tech

Les voitures autonomes d'Uber malmenées partout où elles passent

Piétons et automobilistes adoptent des comportements hostiles envers elles.

Une baisse de salaire n'est pas toujours une mauvaise nouvelle

Et Cætera

Une baisse de salaire n'est pas toujours une mauvaise nouvelle

Vous avez la possibilité de décrocher l'emploi de vos rêves, mais la rémunération est faible. Vous le prenez quand même?