Je m’intĂ©resse Ă  l’intelligence artificielle…

Comment améliorer le diagnostic médical de chaque malade? Comment faire évoluer les infrastructures pour y intégrer les véhicules autonomes en toute sécurité? Comment accélérer le développement de nouvelles molécules et proposer des traitements thérapeutiques plus rapidement?

© Shutterstock

…j'entreprends des Ă©tudes Ă  l'EPFL

L’intelligence artificielle s’est imposĂ©e en quelques annĂ©es comme l’une des technologies les plus importantes du 21e siĂšcle. En dĂ©veloppant des algorithmes d’apprentissage, voire en concevant des environnements sĂ©curisĂ©s oĂč les machines peuvent apprendre par elles-mĂȘmes, les ingĂ©nieures et ingĂ©nieurs de l’EPFL contribuent de façon substantielle Ă  l’essor de l’intelligence artificielle ainsi qu’à la crĂ©ation d’outils d’analyse et de prĂ©diction d’une puissance inĂ©galĂ©e utilisĂ©s dans de nombreux domaines scientifiques et techniques.

Faculté informatique et communications

Découvrir la faculté

L’intelligence artificielle regroupe toutes les applications grĂące auxquelles des machines imitent des fonctions cognitives humaines telles que l’apprentissage et la rĂ©solution de problĂšmes. Initialement cantonnĂ©es Ă  l’exĂ©cution d’instructions, les machines peuvent dĂ©sormais reconnaĂźtre des schĂ©mas et apprendre par elles-mĂȘmes, en se basant sur d’immenses quantitĂ©s de donnĂ©es, afin de faire des prĂ©dictions et d’agir en consĂ©quence. L’autonomie croissante des systĂšmes basĂ©s sur du deep learning, la puissance de ces outils et leur place dĂ©sormais prĂ©pondĂ©rante dans notre sociĂ©tĂ© nĂ©cessitent cependant une vigilance accrue lors de leur conception. Les ingĂ©nieures et ingĂ©nieurs en informatique et en systĂšmes de communication doivent en effet s’assurer que les biais induits par les jeux de donnĂ©es proposĂ©s aux machines soient limitĂ©s, veiller Ă  ce que ces mĂ©canismes ne soient pas dĂ©tournĂ©s Ă  des fins de manipulation et, si nĂ©cessaire, corriger ces algorithmes.

Faculté des sciences de base

Découvrir la faculté

AlgĂšbre linĂ©aire, analyse vectorielle, gĂ©omĂ©trie analytique ou encore statistiques, nombreux sont les outils mathĂ©matiques sur lesquels repose le machine learning. MalgrĂ© l’essor de ce domaine, ses thĂ©ories sous-jacentes restent largement mĂ©connues, raison pour laquelle de nombreux projets en mathĂ©matiques se concentrent sur ce sujet. En parallĂšle, bon nombre de scientifiques se basent sur l’intelligence artificielle pour faire avancer leurs recherches. Des chimistes dĂ©veloppent de nouvelles molĂ©cules grĂące aux prĂ©dictions fournies par des ordinateurs, tandis que les analyses automatiques d’images basĂ©es sur du machine learning facilitent le travail des physiciennes et physiciens Ă  la recherche de lentilles gravitationnelles.

Faculté des sciences de la vie

Découvrir la faculté

Initialement inspirĂ©s par le cerveau humain, les rĂ©seaux neuronaux utilisĂ©s en deep learning permettent dĂ©sormais de mieux explorer son organisation et son fonctionnement. En travaillant sur des processus d’apprentissage Ă  destination des machines, nous en apprenons Ă©galement plus sur nos capacitĂ©s cognitives et notre habilitĂ© Ă  accomplir de nouvelles tĂąches. Enfin, le machine learning a permis de grandes avancĂ©es en termes d’analyse d’images et de prĂ©dictions dans le domaine mĂ©dical. Nourries par d’immenses quantitĂ©s de donnĂ©es, les machines peuvent en effet appuyer les mĂ©decins dans leurs diagnostics, mettre en lumiĂšre des dĂ©tails pour les aider Ă  dĂ©tecter des maladies de façon prĂ©coce ou encore suggĂ©rer des prises en charge personnalisĂ©es.

FacultĂ© de l’environnement naturel, architectural et construit

Découvrir la faculté

Les progrĂšs en analyse et classification d’images permettent dĂ©sormais d’extraire automatiquement des informations gĂ©ospatiales afin de faire des prĂ©dictions environnementales et territoriales. En outre, si le dĂ©veloppement de vĂ©hicules autonomes est l’un des dĂ©fis les plus communĂ©ment citĂ©s lorsqu’il s’agit d’intelligence artificielle, les infrastructures doivent Ă©galement Ă©voluer pour les accueillir et permettre leur cohabitation avec d’autres usagers de la route. Bus autonomes, taxis-robots et cyclistes devront en effet pouvoir communiquer, se comprendre et naviguer en toute sĂ©curitĂ©. Dans ces futures villes, les machines pourront Ă©galement trouver des synergies Ă©nergĂ©tiques Ă  exploiter, tout en proposant de nouvelles formes d’habitations adaptĂ©es Ă  nos besoins grĂące au design gĂ©nĂ©ratif, une mĂ©thode itĂ©rative permettant d’explorer de nombreux concepts tout en respectant les contraintes imposĂ©es.

FacultĂ© des sciences et techniques de l’ingĂ©nieur

Découvrir la faculté

Qu’il s’agisse de robots humanoĂŻdes ou de vĂ©hicules autonomes, l’intelligence artificielle vise Ă  leur confĂ©rer la capacitĂ© de percevoir leur environnement, de le comprendre, d’apprendre et d’agir en consĂ©quence. Si la prĂ©cision des analyses effectuĂ©es par des machines et leur vitesse sont aujourd’hui inĂ©galĂ©es, elles restent confrontĂ©es Ă  de nombreux soucis de perception (reflets du soleil, brouillard ou encore neige abondante), et ont encore des difficultĂ©s Ă  interprĂ©ter des expressions faciales et des comportements humains, parfois liĂ©s Ă  des us et coutumes locaux. Cependant, l’utilisation du machine learning dans un contexte industriel peut grandement contribuer au dĂ©veloppement de nouveaux processus de production, permettant de rationnaliser l’utilisation de ressources et de travailler sur les designs les plus prometteurs, ou encore d’effectuer des maintenances prĂ©ventives.

Outils d’orientation

Orientation thématique

Les implications de certaines expertises dans des domaines phares sont parfois insoupçonnées. Pour relever ensemble des défis de portée mondiale, des passionnés de divers domaines doivent mettre à profit leurs connaissances.

Le Bachelor Ă  l’EPFL

L’EPFL permet d’accĂ©der Ă  la plupart des disciplines de l’ingĂ©nierie, des sciences exactes et de l’architecture. Au niveau Bachelor, 13 programmes sont proposĂ©s.