Publié à l'origine sur venturebeat.com.
En 2015, Uber a ouvert un centre de recherche à l'angle du centre national d'ingénierie robotique de l'université Carnegie Mellon, dans le cadre d'un partenariat entre les deux organisations. En l'espace de quelques mois, des dizaines de membres de la faculté ont quitté leur poste pour des fonctions à temps plein chez Uber, vidant le centre d'une grande partie de ses talents. D'autres grandes entreprises technologiques ont suivi une voie similaire - en 2018, Facebook a lancé des laboratoires d'IA à Seattle et à Pittsburgh dirigés par d'anciens professeurs.
Ces histoires ouvrent une fenêtre sur le bras de fer qui se joue entre l'industrie technologique et le monde universitaire. Désireuses de créer des produits et des services utilisant l'IA et l'apprentissage automatique, les entreprises technologiques et autres ont recruté des chercheurs et des professeurs d' université, créant ainsi une pénurie d'universitaires capables d'enseigner à la prochaine génération de scientifiques des données. La proportion de docteurs en informatique qui restent dans le milieu universitaire a atteint un "niveau historiquement bas", a déclaré la Computing Research Association.
Toutefois, en menant cette bataille, l'industrie technologique met en péril son propre avenir ainsi que les progrès de l'IA. En plus de former les talents de demain, les universités accueillent le type de recherche fondamentale que les entreprises hésitent souvent à entreprendre parce que les retombées financières ne sont pas claires. En retirant les chercheurs talentueux des universités, les entreprises perturbent cette importante recherche fondamentale.
Dans le même temps, les entreprises sont confrontées à une grave pénurie d'experts en science des données et en apprentissage automatique. Dans une enquête O'Reilly réalisée l'année dernière auprès de plus de 1 600 développeurs, data scientists et analystes de données, 74 % des personnes interrogées ont déclaré qu'elles considéraient que l'apprentissage automatique et l'IA allaient changer la donne. Pourtant, le manque de talents qualifiés reste un obstacle majeur. Les universités tentent d'y remédier en proposant davantage de cours sur la science des données et l'apprentissage automatique, mais il faut pour cela des professeurs qualifiés pour les enseigner - ceux-là mêmes qui sont attirés par l'industrie.
Pour résoudre ce conflit, les entreprises technologiques devraient modifier leurs relations avec la communauté universitaire. Au lieu d'embaucher des universitaires à temps plein, davantage d'entreprises devraient permettre aux chercheurs et aux professeurs de partager leur temps entre les deux mondes. Cela pourrait signifier rester dans le monde universitaire et travailler à temps partiel pour une entreprise, ou vice versa. Dans les deux cas, les deux parties sont gagnantes. Les universités continuent de bénéficier des esprits les plus brillants dans le domaine de l'IA et de la science des données, tandis que les entreprises bénéficient de leur expertise interne et d'un vivier de talents en IA grâce aux stages.
Nous avons mis cela en pratique dans ma propre entreprise et cela fonctionne bien. Notre scientifique en chef, Greg Benson, enseigne également à l'université de San Francisco, où il est professeur depuis plus de 20 ans. Pendant les semestres, Greg consacre la majeure partie de son temps à l'enseignement et travaille pour mon entreprise un ou deux jours par semaine. Pendant l'été et les autres congés, il travaille à plein temps pour SnapLogic.
Nous voyons beaucoup d'avantages à ce modèle. L'USF place chaque semestre une cinquantaine d'étudiants dans des entreprises technologiques et autres, y compris dans la nôtre. Ces étudiants acquièrent une expérience précieuse en travaillant sur des problèmes concrets et ont la possibilité de trouver un emploi. Au cours des huit dernières années, nous avons accueilli une quarantaine d'étudiants dans notre entreprise, et beaucoup d'entre eux travaillent maintenant à temps plein pour nous.
Ces étudiants ont l'occasion de travailler avec de vraies données et de développer de vrais produits. Il y a quelques semestres, un groupe de nos stagiaires a effectué un travail exploratoire sur des projets tels que les moteurs de recommandation, le traitement du langage naturel et l'analyse des sentiments. Le travail sur les moteurs de recommandation s'est avéré le plus fructueux, et nous avons fini par l'intégrer dans notre site plateforme pour accélérer l'intégration des applications et des données.
Greg connaît les capacités et les limites de ses étudiants, ce qui lui permet de placer les bons stagiaires dans les bons rôles. Nous espérons que cette expérience les incitera, à mesure qu'ils avanceront dans leur carrière, à rester engagés dans la communauté universitaire, à nouer des relations de mentorat avec des étudiants, voire à assumer eux-mêmes des fonctions d'enseignement.
D'autres entreprises technologiques ont permis à leurs experts en IA de partager leur temps entre l'industrie et le monde universitaire, comme Yann LeCun de Facebook. Mais il s'agit généralement des chercheurs les plus en vue, qui ont le pouvoir de prendre les décisions. Ils sont l'exception plutôt que la règle.
Avec des salaires lucratifs et des avantages invitants, il n'est pas surprenant que tant de chercheurs poursuivent des carrières commerciales ; je ne les blâme pas pour leur choix. Mais il incombe à l'industrie de veiller à ne pas perturber l'écosystème qui fournit d'importantes recherches sur l'IA ainsi que le terrain de formation pour les futurs talents dont nous avons tous besoin.
Il existe d'autres moyens de combler le déficit de compétences en matière d'IA, notamment des outils en libre-service qui permettent aux analystes moins techniques d'exploiter plus facilement l'apprentissage automatique sans avoir besoin d'être eux-mêmes titulaires d'un doctorat. Mais en fin de compte, nous avons besoin de nos professeurs et chercheurs qualifiés pour former la prochaine génération de scientifiques des données. Les entreprises technologiques devraient encourager et soutenir leurs scientifiques des données à donner des cours dans les universités et en ligne. Nous en sortirons tous gagnants à long terme.
