Facebook AI Research (FAIR) est le laboratoire de recherche en intelligence artificielle de Meta Platforms, fondé en 2013. Le laboratoire a été créé pour mener des recherches fondamentales en apprentissage automatique, apprentissage profond et domaines connexes, avec un engagement affiché en faveur de la science ouverte et de la publication des résultats de recherche. En 2023, FAIR a été intégré à l'organisation plus large Meta AI, qui englobe à la fois les efforts de recherche et les efforts axés sur les produits dans le domaine de l'IA à travers l'entreprise.
FAIR fonctionne avec une structure décentralisée, avec des bureaux principaux à Menlo Park, en Californie ; à New York ; à Paris, en France ; et à Montréal, au Canada. Le laboratoire a employé de nombreux chercheurs éminents dans le domaine, notamment Yann LeCun, qui a été son directeur fondateur et continue d'exercer les fonctions de scientifique en chef de l'IA chez Meta. Parmi les autres chercheurs notables associés à FAIR figurent Soumith Chintala, co-créateur du framework d'apprentissage profond PyTorch, et Joelle Pineau, qui a dirigé les efforts du laboratoire en apprentissage par renforcement et en robotique.
Premières contributions et open source
Dès sa création, FAIR a mis l'accent sur la recherche ouverte et la publication d'outils et de jeux de données. En 2015, le laboratoire a publié la bibliothèque fastText pour la classification efficace de textes et l'apprentissage de représentations de mots. L'année suivante, FAIR a introduit le framework d'apprentissage profond basé sur Torch qui évoluerait plus tard en PyTorch, publié publiquement en 2017. PyTorch est devenu l'un des frameworks les plus utilisés dans la communauté de recherche en IA, adopté par des institutions telles que OpenAI, Google DeepMind et de nombreuses universités.
FAIR a également contribué à la communauté de recherche avec des jeux de données significatifs. Le laboratoire a publié la boîte à outils FAIRSEQ inspirée de Common Voice pour la modélisation séquence à séquence en 2017, et la plateforme ParlAI pour la recherche en dialogue en 2018. En vision par ordinateur, FAIR a développé les plateformes de détection d'objets Detectron et Detectron2, qui sont devenues des outils standard pour la recherche en vision.
Avancées en apprentissage automatique
Les chercheurs de FAIR ont apporté des contributions fondamentales à l'apprentissage automatique et à l'apprentissage profond. Les travaux du laboratoire sur les réseaux de neurones convolutionnels et la reconnaissance d'images, dirigés par des chercheurs tels que Karen Simonyan et Koray Kavukcuoglu, ont produit des architectures et des techniques d'entraînement influentes. En traitement du langage naturel, FAIR a développé le modèle de plongement de phrases InferSent et a contribué au développement de l'architecture Transformer (architecture) grâce à des collaborations avec d'autres groupes de recherche.
À la fin des années 2010, FAIR s'est de plus en plus concentré sur l'apprentissage auto-supervisé, un paradigme où les modèles apprennent des représentations à partir de données non étiquetées. Yann LeCun a été un défenseur éminent de cette approche, arguant qu'elle constitue une voie clé vers une intelligence artificielle plus générale. Les travaux de FAIR sur les méthodes auto-supervisées pour la vision et le langage ont influencé les développements ultérieurs dans la recherche sur l'IA générative et les grands modèles de langage.
Robotique et IA incarnée
FAIR a maintenu un programme de recherche actif en robotique et en intelligence incarnée. Le laboratoire a développé la plateforme Habitat pour la simulation d'IA incarnée en 2019, qui permet aux chercheurs d'entraîner des agents dans des environnements 3D photoréalistes. FAIR a également travaillé sur la manipulation et la navigation robotiques, en collaboration avec des institutions académiques telles que MIT CSAIL et BAIR (Berkeley AI Research).
En 2022, FAIR a annoncé le projet Aria, une initiative de recherche axée sur la perception égocentrique et la réalité augmentée. Le projet impliquait le développement de lunettes personnalisées équipées de capteurs pour capturer des données vidéo et audio à la première personne, destinées à faire progresser la recherche en IA contextuelle et en interaction homme-machine.
Grands modèles de langage et Meta AI
Alors que le domaine s'orientait vers les modèles génératifs à grande échelle, FAIR a contribué au développement des grands modèles de langage de Meta. Le laboratoire a participé à la création du modèle OPT (Open Pre-trained Transformer), publié en 2022, conçu pour offrir une alternative ouverte aux modèles propriétaires. FAIR a également contribué à la série LLaMA (Large Language Model Meta AI), publiée pour la première fois en 2023, qui est devenue largement utilisée dans la communauté de recherche.
En 2023, Meta a réorganisé ses efforts en IA, fusionnant FAIR avec d'autres équipes d'IA pour former Meta AI. Cette nouvelle organisation vise à intégrer plus étroitement la recherche et le développement de produits, FAIR servant de bras de recherche. Dans cette structure, FAIR continue de publier des articles académiques et de diffuser des outils open source, tout en informant les produits commerciaux d'IA de Meta sur ses plateformes, notamment Facebook, Instagram et WhatsApp.
Impact et héritage
FAIR a eu un impact considérable sur l'écosystème plus large de l'IA. Son engagement en faveur de la recherche ouverte et des logiciels open source a influencé les pratiques d'autres grands laboratoires, notamment OpenAI et Anthropic. Les publications du laboratoire ont été largement citées, et ses anciens membres sont partis diriger des efforts en IA dans d'autres entreprises et institutions académiques.
Le laboratoire a également participé aux discussions politiques sur la sécurité et l'éthique de l'IA. Les chercheurs de FAIR ont publié sur des sujets tels que l'équité dans l'apprentissage automatique et les implications sociétales de l'IA. Cependant, le laboratoire a fait face à des critiques de certaines parts concernant l'utilisation potentiellement abusive de ses technologies, notamment dans le contexte des plateformes de médias sociaux de Meta et de la propagation de la désinformation.
En 2025, FAIR reste une organisation de recherche active au sein de Meta, avec des projets en cours dans des domaines tels que l'apprentissage multimodal, le raisonnement et l'IA pour la découverte scientifique. Son intégration dans Meta AI reflète une tendance plus large de l'industrie à aligner la recherche fondamentale sur les applications commerciales, tout en maintenant un engagement en faveur de l'ouverture académique.