La Conférence internationale sur l'apprentissage automatique (ICML) est une conférence académique annuelle consacrée au domaine de l'apprentissage automatique. Elle est reconnue comme l'une des trois conférences principales ayant le plus grand impact et la plus grande réputation dans la recherche en apprentissage automatique et en intelligence artificielle, aux côtés de la Conférence sur les systèmes de traitement de l'information neuronale (NeurIPS) et de la Conférence internationale sur les représentations de l'apprentissage (ICLR). L'ICML est organisée par la Société internationale d'apprentissage automatique (IMLS). La conférence a généralement lieu en juillet, avec des soumissions de articles dues à la fin de janvier, bien que les dates précises varient selon les années.
Histoire
L'ICML est née de l'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. En 1993, l'événement est devenu une série de conférences complètes sous son nom actuel, s'appuyant sur près d'une décennie d'ateliers. Depuis les années 2010, les actes de la conférence sont publiés en accès libre dans les Actes de la recherche en apprentissage automatique (PMLR), qui ont évolué à partir des Actes de l'atelier et de la conférence du JMLR et ont été renommés PMLR en 2015.
Contributions notables
L'ICML a publié de nombreux articles influents qui ont façonné l'intelligence artificielle moderne. Parmi les exemples notables figurent l'article de 2004 sur le regroupement en K-moyennes via l'analyse en composantes principales (ACP) du Laboratoire national Lawrence Berkeley, l'introduction de la normalisation par lots par des chercheurs de Google, le modèle EfficientNet de Google Brain (2019), l'algorithme Soft Actor-Critic de l'Université de Californie à Berkeley (2018) et le modèle CLIP d'OpenAI (2021). Ces travaux ont eu un impact significatif sur des domaines tels que la vision par ordinateur, l'apprentissage par renforcement et l'apprentissage de représentations.
Croissance et statistiques
La conférence a connu une croissance substantielle des soumissions et des acceptations. En 2015, l'ICML a reçu 1 037 soumissions et accepté 270 articles. En 2025, les soumissions étaient passées à 12 107, avec 3 260 articles acceptés. Le taux d'acceptation a oscillé en moyenne entre 21 % (en 2020) et 30 % (en 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 articles acceptés sont présentés sur place sous forme de posters, avec des contributions particulièrement remarquables sélectionnées pour des présentations orales ou désignées comme « articles vedettes ». En 2026, 2,2 % des soumissions ont été désignées comme vedettes, et 0,7 % supplémentaires ont été sélectionnées pour des présentations orales. La meilleure contribution est honorée chaque année par le « Prix de l'article exceptionnel » (officiellement le « Prix du meilleur article »).
Portée et parrainage
La portée de l'ICML couvre l'ensemble de l'apprentissage automatique, avec un accent particulier sur l'analyse théorique, l'innovation algorithmique et l'apprentissage statistique. Par rapport à 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. 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 parrainent régulièrement l'événement, publiant leurs recherches et recrutant des chercheurs. Des entreprises financières, notamment Citadel Securities, Jane Street Capital et D.E. Shaw, sont également souvent présentes à l'ICML.
Voir aussi
- ICLR
- Journal of Machine Learning Research
- Machine Learning (revue)
- NeurIPS
Références
- Site officiel de la Conférence internationale sur l'apprentissage automatique (icml.cc)
- Site de la Société internationale d'apprentissage automatique (machinelearning.org)