Jia Xu est un informaticien et chercheur en IA dont la carrière universitaire s’étend sur l’Europe, l’Asie et les États-Unis. Son travail se concentre actuellement sur le traitement du langage naturel et les grands modèles de langage.
Xu a commencé son parcours universitaire en Allemagne. Elle a obtenu sa licence et sa maîtrise à la TU Berlin, étudiant et travaillant entièrement en allemand. Elle a ensuite obtenu son doctorat à l’Université RWTH d’Aix-la-Chapelle sous la direction du professeur Hermann Ney, figure de proue de la traduction automatique. Au cours de cette période, elle a également effectué des visites de recherche chez Microsoft Research et IBM Watson, se familiarisant ainsi avec les systèmes d’IA à l’échelle industrielle.
Sa carrière universitaire s’est poursuivie en Asie. Xu a été professeur adjoint et conseiller de doctorat à l’Université Tsinghua, puis est devenu professeur agrégé à l’Académie chinoise des sciences. Dans l’ensemble de ces fonctions, elle a dirigé des équipes de recherche travaillant sur les systèmes de dialogue, la généralisation de l’apprentissage automatique et les modèles d’IA efficaces.
Jia Xu est connu pour combiner la théorie avec des applications concrètes. Elle est l’auteur d’une cinquantaine d’articles de recherche et détient 12 brevets et brevets provisoires. Ses équipes se sont classées parmi les plus performantes dans 18 compétitions majeures d’IA, dont la deuxième place au Amazon Alexa Prize Social Bot Challenge.
Ces dernières années, le travail de Xu s’est concentré sur la création de modèles de langage plus petits, plus intelligents et plus durables. Elle estime que le véritable succès de l’IA dépend d’un impact durable, et non de la seule échelle.
Une entrevue avec Jia Xu sur la construction d’une carrière mondiale dans l’IA
Votre carrière vous a mené à travers l’Europe, l’Asie et les États-Unis. Où tout a commencé ?
J’ai commencé mon parcours universitaire en Allemagne à l’âge de dix-neuf ans. J’ai déménagé là-bas pour étudier l’informatique et j’ai dû apprendre en même temps à vivre, étudier et penser dans une nouvelle langue. J’ai complété mes diplômes de licence et de maîtrise à la TU Berlin entièrement en allemand. Cette expérience a façonné ma façon d’aborder les défis. J’ai appris très tôt que les progrès viennent souvent de la patience et de la persévérance plutôt que de la rapidité.
Comment cette première expérience a-t-elle influencé votre état d’esprit en matière de recherche ?
Cela m’a appris la résilience. Lorsque le langage est limité, les fondamentaux parlent. Les fondamentaux mènent. L’écoute s’affine. La préparation s’approfondit. Cet état d’esprit m’est resté pendant mon doctorat à l’Université RWTH d’Aix-la-Chapelle, où j’ai travaillé sous la direction du professeur Hermann Ney en traduction automatique. À l’époque, la traduction automatique était encore considérée comme très difficile. Voir comment une recherche à long terme pouvait lentement transformer des idées impossibles en systèmes réels m’a laissé une forte impression.
Vous avez également passé du temps dans des laboratoires de recherche industriels. Qu’ont apporté ces expériences ?
Au cours de mon doctorat, j’ai effectué des visites de recherche chez Microsoft Research Redmond et IBM Watson. Ces environnements m’ont montré comment la recherche fonctionne à grande échelle. Je suis reconnaissant pour ce temps ainsi que pour mes mentors et collègues. Les laboratoires industriels se soucient profondément de savoir si les idées peuvent fonctionner dans des systèmes réels. Cet équilibre entre théorie et application est resté en moi. Cela a renforcé ma conviction qu’une recherche solide devrait à terme se connecter à des cas d’utilisation réels.
Après votre doctorat, vous avez occupé des postes de direction académique en Asie. Qu’est-ce qui a marqué cette phase ?
J’ai été professeur adjoint et conseiller de doctorat à l’Université Tsinghua, puis professeur agrégé à l’Académie chinoise des sciences. Ce furent des années intenses et productives. J’ai travaillé avec des étudiants et des chercheurs talentueux sur l’apprentissage automatique et le traitement du langage naturel. Différentes cultures universitaires valorisent différentes choses, et m’adapter à ces attentes m’a aidé à grandir en tant que leader. J’ai appris que réfléchir est tout aussi important que diriger.
De nombreuses personnes connaissent votre travail grâce aux concours d’IA. Pourquoi étaient-ils importants pour vous ?
Les concours testent si les idées fonctionnent réellement. Mes équipes ont contribué à 18 résultats de premier ordre dans des défis majeurs en matière de traitement du langage naturel. L’un des moments forts a été l’obtention de la deuxième place au Amazon Alexa Prize Social Bot Challenge. Ce projet nous a obligé à réfléchir aux conversations à long terme, à la robustesse du système et à l’expérience utilisateur. Cela a clairement montré que la précision seule ne suffit pas. Les vrais systèmes doivent être fiables, efficaces et attrayants.
Ces dernières années, vos recherches se sont concentrées sur l’efficacité et les modèles plus petits. Pourquoi est-ce important ?
Les grands modèles de langage sont impressionnants, mais ils sont coûteux et gourmands en ressources. De nombreuses organisations ne peuvent pas les utiliser facilement. Je souhaite créer des modèles plus petits et plus intelligents afin qu’ils puissent être déployés plus largement. L’efficacité ne consiste pas à abaisser les normes. Il s’agit d’une meilleure conception. Un modèle plus petit et bien construit peut être plus pratique et plus fiable dans des contextes réels.
Comment définissez-vous personnellement le succès dans votre domaine ?
Je mesure le succès en utilisant deux normes. Le premier est mon propre jugement en tant que chercheur. Je comprends la profondeur et l’impact de mon travail. La seconde est la rétroaction sociale. Si une idée est reconnue et contribue à rendre le monde meilleur, alors elle compte. Il y a plusieurs décennies, la traduction automatique semblait irréaliste. Aujourd’hui, cela fait partie de la communication quotidienne. Faire partie de ce long voyage visant à transformer l’inaccessible en quelque chose de réalisable est significatif pour moi.
Vous accordez une grande importance aux valeurs et à l’intégrité. D’où ça vient ?
Chaque carrière comporte des défis qui mettent vos principes à l’épreuve. Je crois qu’un succès durable vient du fait de rester aligné sur ses objectifs et ses valeurs sociales, même si cela peut parfois être difficile. L’authenticité compte. Cela affecte la façon dont on travaille avec des collègues, encadre les étudiants et choisit les problèmes de recherche. Pour moi, le succès n’est pas seulement une question de réussite. Il s’agit d’apporter quelque chose qui dure au-delà de soi.
Quel rôle le mentorat joue-t-il dans votre travail aujourd’hui ?
Le mentorat est au cœur de mon travail. J’aide les étudiants à considérer la recherche non pas comme une série de victoires immédiates, mais comme un voyage à long terme où les revers sont des tremplins. Le succès se construit grâce à des efforts constants et à la curiosité. En même temps, j’apprends de mes étudiants, leurs questions, leurs nouvelles perspectives et leur curiosité intrépide me poussent constamment à grandir et à évoluer. Pour moi, le mentorat est un voyage d’équipe de découverte, de résilience et de croissance partagée.
