La Conférence internationale sur l'apprentissage automatique (ICML) est une conférence académique internationale sur l'apprentissage automatique organisée chaque année depuis 1980. Elle est la plus ancienne et, avec NeurIPS et ICLR, l'une des trois conférences principales de plus haut impact et de plus grande réputation dans la recherche en apprentissage automatique et en intelligence artificielle. Organisée par la Société internationale d'apprentissage automatique (IMLS), l'ICML sert de lieu central pour présenter les avancées en théorie de l'apprentissage statistique, en innovation algorithmique et en apprentissage par renforcement.
Histoire
L'ICML est née sous le nom d'Atelier international sur l'apprentissage automatique, tenu pour la première fois à l'Université Carnegie Mellon à Pittsburgh en juillet 1980. L'atelier a été organisé par Jaime Carbonell, Ryszard S. Michalski et Tom M. Mitchell, qui cherchaient à créer un forum ciblé pour le domaine émergent de l'apprentissage automatique. En 1993, l'événement est devenu une série complète de conférences sous son nom actuel, s'appuyant sur plus d'une décennie d'ateliers.
Depuis les années 2010, les actes de l'ICML sont publiés en accès libre dans les Actes de la recherche en apprentissage automatique (PMLR), issus des Actes d'ateliers et de conférences du Journal de la recherche en apprentissage automatique et renommés PMLR en 2015. Cette transition vers l'accès libre a rendu la recherche de l'ICML largement disponible à la communauté mondiale de la recherche.
L'ICML a publié de nombreux articles fondateurs dans l'intelligence artificielle moderne. Parmi les travaux notables figurent le clustering K-means via l'ACP du Laboratoire national Lawrence Berkeley (ICML 2004), la normalisation par lots de Google, EfficientNet de Google Brain (ICML 2019), CLIP d'OpenAI (ICML 2021) et Soft Actor-Critic de l'Université de Californie à Berkeley (ICML 2018). Ces contributions ont influencé les développements ultérieurs en apprentissage profond et en IA générative.
Croissance et soumissions
L'ampleur de l'ICML s'est considérablement accrue au cours de la dernière décennie. Les soumissions sont passées de 1 037 articles (270 acceptés) en 2015 à 12 107 soumissions (3 260 acceptées) en 2025. Les taux d'acceptation ont varié en moyenne entre 21 % (2020) et 30 % (2024). En 2026, la conférence a établi un nouveau record avec 24 371 articles soumis, soit plus du double du total de l'année précédente.
Les soumissions acceptées sont présentées sur place sous forme de posters. Les contributions particulièrement remarquables sont sélectionnées pour des présentations orales ou désignées comme « articles vedettes » par un comité. En 2026, 2,2 % des contributions soumises ont été désignées comme vedettes, et 0,7 % ont en outre reçu des créneaux de présentation orale. La meilleure contribution est honorée chaque année par le prix du meilleur article exceptionnel, anciennement connu sous le nom de prix du meilleur article, sélectionné par un jury.
Portée et profil
La portée de l'ICML couvre toute l'étendue de l'apprentissage automatique, avec un accent particulier sur l'analyse théorique, l'innovation algorithmique et l'apprentissage statistique. Par rapport aux deux autres grandes conférences en apprentissage automatique, NeurIPS et ICLR, l'ICML présente traditionnellement davantage de contenu sur la théorie de l'apprentissage statistique, l'apprentissage par renforcement, la robotique et la théorie de l'optimisation. Ses actes annuels sont publiés dans le PMLR en accès libre.
La conférence attire des sponsors cherchant à accéder à la recherche et aux talents en apprentissage automatique. Des entreprises technologiques telles que Google, Microsoft, Amazon, Meta et Apple sponsorisent régulièrement l'événement, y publient leurs recherches et recrutent des chercheurs sur place. Des sociétés financières, notamment Citadel Securities, Jane Street Capital et D.E. Shaw, maintiennent également une présence à l'ICML, reflétant l'importance croissante de l'apprentissage automatique dans la finance quantitative.
Impact sur l'intelligence artificielle
L'ICML a joué un rôle essentiel dans l'avancement de la recherche en intelligence artificielle. De nombreuses techniques désormais centrales pour les systèmes d'IA modernes, notamment les réseaux de neurones et les algorithmes d'apprentissage par renforcement, ont été présentées et affinées à l'ICML. L'accent mis par la conférence sur des fondements théoriques rigoureux a contribué à établir l'apprentissage automatique comme une discipline scientifique mature.
La conférence sert également de pont entre le monde académique et l'industrie. Des chercheurs de laboratoires de premier plan tels que Google DeepMind, OpenAI et Anthropic présentent régulièrement leurs derniers travaux à l'ICML, tandis que des groupes universitaires d'institutions comme Stanford, MIT et UC Berkeley contribuent à la recherche fondamentale. Cette collaboration a accéléré la traduction des perspectives théoriques en applications pratiques.