Christopher David Manning (né le 18 septembre 1965) est un informaticien et linguiste appliqué australo-américain spécialisé dans le traitement automatique du langage naturel, l'apprentissage automatique et l'apprentissage profond. Il occupe la chaire Thomas M. Siebel en apprentissage automatique ainsi que des professeurs en linguistique et en informatique à l'université Stanford, et a dirigé le Laboratoire d'intelligence artificielle de Stanford de 2018 à 2025. Largement reconnu comme un chercheur de premier plan dans le traitement automatique du langage naturel, Manning est connu pour avoir co-développé les plongements de mots GloVe, le mécanisme d'attention multiplicative à la base de l'architecture Transformer, et les réseaux neuronaux récursifs structurés en arbres.
Les contributions pédagogiques de Manning comprennent les manuels Foundations of Statistical Natural Language Processing (1999) et Introduction to Information Retrieval (2008), ainsi que son cours très suivi CS224N Natural Language Processing with Deep Learning. À partir de 2002, il a été un pionnier des logiciels open source de linguistique computationnelle tels que CoreNLP, Stanza et GloVe, qui sont devenus des outils standard dans la recherche académique et industrielle.
Jeunesse et éducation
Manning est né le 18 septembre 1965 en Australie. Il a obtenu un Bachelor of Arts avec mention de l'Australian National University en 1989, avec une spécialisation en mathématiques, informatique et linguistique. Il s'est ensuite installé aux États-Unis pour ses études supérieures, obtenant un doctorat en linguistique à l'université Stanford en 1994 sous la direction de Joan Bresnan. Sa thèse de doctorat, Ergativity: Argument Structure and Grammatical Relations, a jeté les bases de ses travaux ultérieurs sur la théorie syntaxique et les modèles computationnels.
Carrière académique
Manning a commencé sa carrière académique en tant que professeur assistant à l'université Carnegie Mellon de 1994 à 1996, suivi d'un poste de chargé de cours à l'université de Sydney de 1996 à 1999. Il est retourné à Stanford comme professeur assistant en 1999, a été promu professeur associé en 2006, puis professeur titulaire en 2012. Il a dirigé le Laboratoire d'intelligence artificielle de Stanford de 2018 à 2025, supervisant une période de croissance rapide de la recherche en apprentissage profond.
Tout au long de sa carrière, Manning a encadré de nombreux étudiants en doctorat influents, notamment Dan Klein, Sepandar Kamvar, Richard Socher et Danqi Chen, dont beaucoup sont devenus des chercheurs éminents à part entière. Ses travaux linguistiques comprennent Complex Predicates and Information Spreading in LFG (1999) et des contributions significatives au cadre Universal Dependencies, qui donne naissance au principe connu sous le nom de loi de Manning.
Contributions à la recherche
Les recherches de Manning ont fondamentalement façonné le traitement automatique du langage naturel moderne. Ses travaux sur les réseaux neuronaux incluent le développement de réseaux neuronaux récursifs structurés en arbres pour la sémantique compositionnelle et des systèmes pour l'implication textuelle. Il a co-développé GloVe (Global Vectors for Word Representation), un algorithme non supervisé pour générer des plongements de mots qui capturent les régularités sémantiques et syntaxiques. Ses recherches sur la forme bilinéaire ou multiplicative de l'attention ont été largement adoptées dans les réseaux neuronaux artificiels, y compris l'architecture Transformer qui sous-tend les grands modèles de langage modernes.
Manning a également joué un rôle clé dans le développement d'Universal Dependencies, un cadre pour une annotation grammaticale cohérente à travers les langues, utilisé dans des dizaines de langues. Ses contributions au domaine ont été reconnues par son élection comme Fellow de l'AAAI en 2010, Fellow inaugural de l'ACL en 2011, et Fellow de l'ACM en 2013. Il a été président de l'Association for Computational Linguistics en 2015, a reçu un doctorat honorifique de l'université d'Amsterdam en 2023, et a été récompensé par la médaille IEEE John von Neumann en 2024 pour ses avancées dans la représentation computationnelle et l'analyse du langage naturel. En 2025, il a été élu Fellow de la National Academy of Engineering et de l'American Academy of Arts and Sciences.
Contributions à la recherche
Les recherches de Manning couvrent les approches statistiques et d'apprentissage profond du langage naturel. Ses premiers travaux sur l'analyse syntaxique statistique et l'extraction d'informations ont aidé à établir les méthodes empiriques comme paradigme dominant en linguistique computationnelle. Il a co-développé GloVe, un algorithme d'apprentissage non supervisé pour obtenir des représentations vectorielles de mots, qui est devenu un outil fondamental pour le traitement automatique du langage naturel avant l'adoption généralisée des grands modèles pré-entraînés.
Une contribution théorique clé est venue en 2014 avec son co-développement de la forme bilinéaire ou multiplicative de l'attention. Ce mécanisme, qui calcule des poids de pertinence via une interaction multiplicative entre les vecteurs de requête et de clé, a ensuite été adopté comme composant central de l'architecture Transformer introduite par des chercheurs de Google et de l'université de Toronto. Le succès des Transformers a à son tour permis le développement de systèmes Large language model tels que GPT, BERT et leurs successeurs.
Manning a également fait progresser les réseaux neuronaux récursifs structurés en arbres, qui traitent les structures syntaxiques pour produire des représentations sémantiques compositionnelles, et a développé des méthodes et des ensembles de données pour l'implication textuelle, la tâche consistant à déterminer si une phrase implique logiquement une autre. Ses travaux sur Universal Dependencies ont produit un cadre cohérent pour l'annotation syntaxique interlinguistique, et il est l'éponyme de la loi de Manning, un principe concernant la distribution de fréquence des relations de dépendance.
Logiciels et enseignement
À partir de 2002, Manning a dirigé le développement de logiciels open source largement utilisés. La suite Stanford CoreNLP fournit des outils intégrés pour la tokenisation, l'étiquetage morphosyntaxique, la reconnaissance d'entités nommées et l'analyse de dépendances, et a été pendant de nombreuses années la boîte à outils standard dans le monde académique et industriel. Stanza, une bibliothèque Python ultérieure, offre des modèles de réseaux neuronaux pour plus de 70 langues, tandis que GloVe reste un choix populaire pour la génération de plongements de mots.
Son manuel avec Hinrich Schütze, Foundations of Statistical Natural Language Processing (1999), est considéré comme une référence fondatrice dans le domaine. Avec Prabhakar Raghavan et Hinrich Schütze, il a co-écrit Introduction to Information Retrieval (2008), qui est devenu un texte standard pour les cours sur les moteurs de recherche et la recherche d'informations. Son cours de Stanford CS224N, proposé pour la première fois au début des années 2000 et continuellement mis à jour, a formé des générations d'étudiants grâce à sa diffusion publique en ligne.
Reconnaissance et distinctions
Manning a reçu de nombreux honneurs pour ses contributions. Il a été élu Fellow de l'Association for the Advancement of Artificial Intelligence (AAAI) en 2010, Fellow fondateur de l'Association for Computational Linguistics en 2011, et Fellow de l'ACM en 2013. En 2015, il a été président de l'Association for Computational Linguistics. Il a reçu un doctorat honorifique de l'université d'Amsterdam en 2023. L'IEEE lui a décerné la médaille John von Neumann en 2024 « pour ses avancées dans la représentation computationnelle et l'analyse du langage naturel », et il a été élu Fellow de la National Academy of Engineering et de l'American Academy of Arts and Sciences en 2025.
Impact logiciel et éducatif
Manning a été un pionnier des logiciels open source en linguistique computationnelle. La boîte à outils CoreNLP, publiée pour la première fois en 2002, fournit une suite d'outils d'annotation du langage naturel, notamment l'étiquetage morphosyntaxique, la reconnaissance d'entités nommées et l'analyse de dépendances. Son package ultérieur Stanza offre une implémentation native en Python avec un support pour plus de 70 langues, tandis que les plongements GloVe ont été téléchargés et utilisés par des milliers de groupes de recherche dans le monde entier.
Son cours CS224N à Stanford, qu'il a développé et qu'il enseigne, est largement considéré comme l'un des cours universitaires les plus influents en apprentissage profond pour le traitement automatique du langage naturel. Les supports de cours, y compris les vidéos de conférences et les devoirs, sont disponibles gratuitement en ligne et ont été utilisés par d'innombrables étudiants et praticiens. Ses manuels ont formé des générations de chercheurs et d'ingénieurs entrant dans le domaine de la linguistique computationnelle.
Service professionnel et implication industrielle
Manning a été président de l'Association for Computational Linguistics en 2015 et a été élu Fellow de l'AAAI (2010), de l'ACL (2011) et de l'ACM (2013). Il a reçu un doctorat honorifique de l'université d'Amsterdam en 2023. En 2024, il a reçu la médaille IEEE John von Neumann pour ses avancées dans la représentation computationnelle et l'analyse du langage naturel.
Au-delà du monde académique, Manning a rejoint la société de capital-risque AIX Ventures en tant que partenaire d'investissement en 2021, où il soutient des startups appliquant l'apprentissage automatique et l'intelligence artificielle dans divers secteurs. Il a également été conseiller de recherche ou consultant pour diverses entreprises technologiques, contribuant à la traduction de la recherche académique en applications commerciales dans la recherche, la traduction et les systèmes conversationnels.