Connue dans le monde entier comme la « marraine de l’IA », Fei-Fei Li a transformé notre façon de comprendre la vision par ordinateur. Et elle a largement gagné sa place parmi les protagonistes de l’IA moderne.
Son histoire est une histoire d’amélioration : il a émigré de Chine aux États-Unis à l’âge de 16 ans et, tout en étudiant la physique à Princeton, il a aidé à la lessive familiale pour progresser. Cette ténacité l’a amenée à obtenir un doctorat à Caltech et à devenir l’un des esprits les plus brillants de l’Université de Stanford.
ImageNet : l’étincelle qui a déclenché le Deep Learning
Au milieu des années 2000, alors que d’autres chercheurs s’intéressaient aux algorithmes complexes, Li a eu une idée radicale : le problème n’était pas les modèles, mais le manque de données.
En 2007, elle a lancé ImageNet, une base de données colossale avec plus de 14 millions d’images étiquetées. Ce projet a été le carburant nécessaire pour que les réseaux de neurones profonds (Deep Learning) démontrent leur supériorité en 2012, déclenchant la révolution actuelle qui permet aux ordinateurs de « voir » et de reconnaître des objets avec une précision presque humaine.
Un avenir d’IA éthique et d’intelligence spatiale
Au-delà des pixels, Li est le principal défenseur de l’IA centrée sur l’humain. En tant que co-fondatrice du Stanford HAI Institute et de l’initiative AI4ALL, elle se bat pour rendre la technologie éthique, diversifiée et inclusive, empêchant les préjugés algorithmiques de nuire aux minorités.
Après une période réussie chez Google Cloud, où il a promu la démocratisation de l’IA pour les entreprises, Li a fait un nouveau pas vers la frontière technologique.
En 2024, il fonde World Labs, une startup qui en 2026 est déjà leader dans le domaine de « l’intelligence spatiale ». Son objectif est de créer des modèles qui non seulement comprennent les images plates, mais comprennent et génèrent des mondes 3D, permettant aux machines d’interagir intelligemment avec l’environnement physique.
Son approche garantit que, à mesure que les machines apprennent à voir le monde, nous ne perdons pas de vue les valeurs qui nous définissent en tant que personnes.
This post is also available in: