Jennifer Tour Chayes est une mathématicienne et informaticienne dont les recherches couvrent la physique statistique, la théorie des graphes et les fondements théoriques de l'apprentissage automatique. En 2025, elle est doyenne de la Berkeley School of Information à l'Université de Californie à Berkeley, où elle occupe également des postes dans les départements de génie électrique et informatique et de statistiques. Sa carrière a fait le pont entre le monde académique et l'industrie, y compris un long mandat chez Microsoft Research, où elle a cofondé et dirigé le groupe de théorie, puis les laboratoires Microsoft Research New England et New York City.
Chayes a obtenu sa licence en mathématiques et physique à l'Université Wesleyan et son doctorat en physique mathématique à l'Université de Princeton. Ses premières recherches portaient sur les transitions de phase et les graphes aléatoires, contribuant à une compréhension rigoureuse des phénomènes en mécanique statistique. Ces travaux ont jeté les bases de contributions ultérieures à l'informatique, en particulier dans l'analyse des algorithmes et le comportement des réseaux complexes.
Carrière académique et de recherche
Avant de rejoindre Microsoft, Chayes était professeure de mathématiques à l'Université de Californie à Los Angeles, et avait auparavant occupé des postes au Massachusetts Institute of Technology et à l'Université de Washington. Ses travaux académiques dans les années 1980 et 1990 comprenaient des articles influents sur la géométrie des surfaces aléatoires et la dynamique des verres de spin, souvent en collaboration avec son mari, Christian Borgs. Leur recherche conjointe sur le problème de la « frontière libre » pour les modèles de grappes aléatoires a aidé à clarifier les liens entre la théorie de la percolation et les transitions de phase.
Leadership chez Microsoft Research
Chayes a rejoint Microsoft Research en 1997 en tant que chercheuse principale et est rapidement devenue scientifique distinguée. En 2008, elle a cofondé le laboratoire Microsoft Research New England à Cambridge, Massachusetts, où elle a été directrice générale. Deux ans plus tard, elle a contribué à établir le laboratoire Microsoft Research New York City, axé sur les sciences sociales computationnelles et la science des données. Sous sa direction, ces laboratoires sont devenus réputés pour leurs travaux interdisciplinaires combinant l'informatique avec l'économie, la sociologie et la biologie. Elle a également joué un rôle clé dans les premières initiatives de Microsoft en apprentissage automatique, y compris des projets sur l'analyse de données à grande échelle et la théorie des jeux algorithmique.
Contributions à l'apprentissage automatique et à l'IA
Les recherches ultérieures de Chayes se sont orientées vers les fondements théoriques de l'intelligence artificielle et de l'apprentissage profond. Elle a publié sur les propriétés de généralisation des réseaux de neurones, la géométrie des paysages de perte et la conception d'algorithmes efficaces pour l'entraînement de grands modèles. Ses travaux sur la méthode du « goulot d'information », développée avec Naftali Tishby et Bill Pol, ont fourni un cadre pour comprendre comment les réseaux de neurones compressent les données d'entrée tout en préservant les informations pertinentes. Cette ligne de recherche a influencé les études ultérieures sur l'interprétabilité et la robustesse des grands modèles de langage modernes.
Berkeley School of Information
En 2023, Chayes a été nommée doyenne de la Berkeley School of Information, succédant à AnnaLee Saxenian. Dans ce rôle, elle a souligné l'importance d'intégrer la rigueur technique avec les considérations politiques et éthiques dans le développement des systèmes d'IA générative. Elle a plaidé pour des programmes interdisciplinaires qui forment les étudiants à relever des défis sociétaux tels que la désinformation, les biais algorithmiques et la confidentialité des données. Sous sa direction, l'école a élargi ses partenariats avec l'industrie et le gouvernement, y compris des collaborations avec Google Cloud et Amazon Web Services sur la recherche en IA responsable.
Honneurs et reconnaissance
Chayes est membre de l'Association américaine pour l'avancement des sciences, de l'Institut de statistique mathématique et de l'Association pour les machines informatiques. Elle a reçu la bourse Lady Davis et le prix de recherche Humboldt. En 2019, elle a été élue à l'Académie nationale d'ingénierie pour ses contributions à la théorie et à la pratique de la science des données et de l'apprentissage automatique. Elle a également siégé à des conseils consultatifs pour OpenAI et Google DeepMind, reflétant sa position de pont entre la recherche théorique et le développement appliqué de l'IA.
Publications sélectionnées et influence
Parmi ses travaux les plus cités figurent des articles sur la transition de phase dans le modèle de graphe aléatoire, la stabilité de la structure du graphe d'Internet et les propriétés spectrales des matrices d'adjacence dans les réseaux complexes. Son article de 2015 « The Information Bottleneck Method for Deep Learning » a été cité des milliers de fois et est considéré comme une contribution fondatrice à l'étude de l'apprentissage de représentations. Elle a également beaucoup écrit sur les défis de la mise à l'échelle des systèmes de apprentissage automatique, y compris les questions d'efficacité énergétique et le besoin de nouvelles architectures matérielles, des sujets qui restent centraux dans les débats sur l'IA durable.
Chayes continue de publier activement et de mentoriser les chercheurs en début de carrière. Sa carrière illustre l'intersection productive des mathématiques, de l'informatique et des politiques publiques, et son leadership à Berkeley façonne la prochaine génération de professionnels de l'information.
Infobox
- Née : 1956 (date exacte non confirmée publiquement)
- Nationalité : Américaine
- Connue pour : Méthode du goulot d'information, transitions de phase dans les graphes aléatoires, leadership chez Microsoft Research
- Affiliation : Université de Californie à Berkeley ; Microsoft Research (ancienne)
- Récompenses : Membre de l'AAAS, de l'IMS et de l'ACM ; Membre de l'Académie nationale d'ingénierie ; Prix de recherche Humboldt