Entretien avec Leonida Gianfagna, physicienne théorique à la tête du secteur Recherche et Développement
Il y a ceux qui vont chercher les scientifiques brillants loin, peut-être dans un autre pays, et ceux qui les trouvent chez eux, pour des raisons plus ou moins fortuites.
Leonida Gianfagna, jeune physicienne théorique spécialisée dans les particules élémentaires, après une brillante carrière chez IBM, avec un MBA effectué à la Warwick Business School (WBS), au Royaume-Uni, a rédigé une thèse sur le modèle SaaS (Software as a service) et après avoir coordonné depuis l’Italie, toujours pour IBM, une équipe de R&D aux États-Unis, elle rencontre d’une manière qu’elle appelle « rocambolesque », Cyber Guru.Elle tombe amoureuse de ce projet innovant et se lance tête baissée dans la structure « Recherche et Développement » de cette petite et prometteuse start-up.
Racontez-nous comment ça s’est passé
C’était en 2019 lorsque j’ai rencontré Gianni Baroni, PDG de Cyber Guru et j’ai été très impressionnée par sa vision d’entreprise, son projet et son enthousiasme. Je finissais mon expérience avec IBM parce que la multinationale avait décidé de centraliser son modèle de recherche et développement aux États-Unis et que je devais déménager à l’étranger.
Mais l’idée d’apporter dans une start-up toutes les expériences faites dans une grande entreprise structurée comme IBM, en relevant le défi de recommencer à zéro, m’a beaucoup séduite. En même temps, j’étais attirée par l’idée de reprendre en main une de mes anciennes passions, la cybernétique (dans les années 1990, il y a eu un cours d’électronique-cybernétique à la faculté de physique où l’on étudiait les réseaux neuronaux en tant que systèmes physiques), l’intelligence artificielle et le machine learning. Alors, j’ai décidé de suivre mes tripes et je me suis lancée dans cette nouvelle aventure.
Une façon de travailler totalement différente
Deux mondes opposés. L’un, IBM, très structuré, contrôlé, hiérarchique, l’autre, Cyber Guru, léger, agile, flexible, où l’on peut expérimenter avec beaucoup plus de liberté. C’était bien de concilier ces deux polarités et de faire dialoguer l’extrêmement grand avec l’extrêmement petit. Aussi parce que quand je suis arrivée chez Cyber Guru, il n’y avait toujours pas de structure de recherche et développement et tout était à inventer. Un défi intrigant.
En parallèle, vous étiez en train d’écrire, avec Antonio Di Cecco qui collabore avec Cyber Guru, votre dernier livre Explainable AI with Python. Pouvez-vous nous en parler ?
Le livre est né de l’intérêt que j’ai toujours porté au machine learning. Le défi consistait à fournir une description suffisamment complète des concepts actuels et des techniques disponibles pour rendre les modèles de machine learning plus explicables. Les approches présentées peuvent être appliquées à presque tous les modèles actuels d’apprentissage automatique : entre autres la régression linéaire, les réseaux neuronaux (deep learning), le traitement du langage naturel et la reconnaissance d’images.
Les progrès dans le domaine de l’apprentissage automatique augmentent l’utilisation d’agents artificiels pour effectuer des tâches critiques précédemment gérées par l’homme, y compris dans des domaines importants tels que la santé, le droit et la finance. Bien que les principes qui guident la conception de ces agents soient connus, la plupart des modèles d’apprentissage profond actuels sont « opaques » pour la compréhension humaine. Explainable AI with Python comble la lacune actuelle dans la littérature sur ce sujet, en adoptant une perspective à la fois théorique et pratique.
Comment ce travail a-t-il influencé votre nouvelle activité chez Cyber Guru ?
Quand je suis arrivée chez Cyber Guru, il existait déjà un produit d’apprentissage qui prévoyait certaines innovations, telles que la gamification. Mais il y avait l’objectif d’aller vers un produit de formation anti-phishing qui prévoyait une formation individualisée. L’idée était de former les clients de manière différenciée, en mettant chaque participant face à des défis mesurés sur son niveau de connaissance spécifique. Pour atteindre cet objectif, il était nécessaire de développer un produit contrôlé par un modèle de machine learning.
Voilà que mon travail sur le livre et les objectifs de Cyber Guru ont trouvé la convergence.
Si vous voulez en savoir plus sur Explainable AI with Python…
