Thèse Conception et Optimisation de Topologies d'IA H/F Orange

Votre mission consiste à réaliser une thèse sur la " Conception et optimisation de topologies d'IA distribuées sur, et pour, le réseau ". Cette thèse s'inscrit dans le cadre d'un projet collaboratif (ANR) dont l'objectif principal est de réduire l'empreinte carbone des réseaux futurs grâce à la conception d'IA distribuées. Vous vous concentrerez en particulier sur les algorithmes d'apprentissage fédéré décentralisé (Decentralized Federated Learning, DFL), qui présentent l'avantage d'être plus frugaux, par conception, que les algorithmes d'apprentissage automatique classiques. Les réseaux, pour gagner en intelligence et en automatisation, intègrent de plus en plus de composants d'IA. Dans un contexte où la réduction de l'empreinte carbone du numérique est devenue une priorité, il devient essentiel de concevoir des IA frugales conciliant performance et sobriété énergétique, à l'image du DFL. Le développement et l'implémentation de ces algorithmes distribués au cour des réseaux nécessitent de faire évoluer les infrastructures existantes et de garantir une coordination intelligente, tant entre les fonctions d'IA qu'entre les domaines de la donnée, du calcul (compute) et des réseaux de communication. L'objectif scientifique principal de cette thèse est de développer un cadre formel pour le problème conjoint de conception de topologies d'IA et de leur placement optimal sur une infrastructure réseau hétérogène. Les modèles et méthodes d'optimisation viseront à minimiser les coûts critiques (énergie, ressources) tout en garantissant les performances (qualité des données, latence, bande-passante). Les principaux verrous scientifiques et techniques à lever concernent : la modélisation des systèmes d'IA distribuées (agents, contexte, flux de données, dépendances) et des topologies virtuelles associées ; la modélisation du problème de placement comme un problème d'optimisation robuste multi-critère (énergie, latence, bande-passante), en intégrant dans les modèles de décision l'incertitude et la volatilité inhérente aux systèmes réels ; la conception d'algorithmes de placement efficaces et de mécanismes permettant de passer d'un placement statique à une orchestration dynamique capable de s'adapter aux changements et aux exigences de coordination.Les approches préconisées reposeront principalement sur les outils de l'optimisation combinatoire et le développement de méthodes de résolution exactes.