La Société Informatique de France (SIF) est ravie d’annoncer les récipiendaires 2023 du prix de thèse Gilles Kahn. Ce prix, placé sous le patronage de l’Académie des Sciences, attribué chaque année depuis 1998, met en lumière de jeunes scientifiques dont les travaux de thèse constituent une avancée remarquable pour la discipline informatique. Le prix 2023 est décerné à David Saulpic pour sa thèse intitulée « Approximation Algorithms and Sketches for Clustering » préparée à Sorbonne Université. Les deux accessits sont décernés à Tina Nikoukhah pour sa thèse intitulée « The secret life of JPEG images: Forgery detection using compression traces » réalisée au centre Borelli à l’ENS Paris-Saclay et à Armelle Perret du Cray pour sa thèse intitulée « Algorithmes pour les polynômes creux : interpolation, arithmétique, test d’identité » réalisée au LIRMM à Montpellier.
Dans sa thèse, David Saulpic s’attaque à des problèmes d’apprentissage non-supervisé, et plus spécifiquement au regroupement de données (clustering), une pratique cruciale à l’intelligence artificielle moderne. Il y propose des algorithmes élégants, dont l’efficacité est proche de la solution théorique optimale, ainsi que des techniques innovantes pour réduire l’ensemble des données considérées. Le jury salue des contributions exceptionnelles, à la fois décisives sur des aspects fondamentaux, pleines de promesses dans des domaines applicatifs, et décrites au sein d’un manuscrit particulièrement pédagogique au regard de la technicité des contributions.
Tina Nikoukhah propose des avancées majeures pour la détection d’images falsifiées. Les résultats de ces travaux, porteurs de fortes retombées sociétales, sont déjà exploités au sein d’outils de vérification utilisés par l’AFP, et largement déployés chez les acteurs de la lutte contre les Fake News. Armelle Perret du Cray obtient des résultats remarquables dans la résolution de problèmes algorithmiques opérant sur des polynômes creux, des objets mathématiques omniprésents et cruciaux, par exemple en cryptographie. Elle s’intéresse à des représentations compactes, et réussit à améliorer plus que significativement l’efficacité de nombreuses opérations nécessaires pour les manipuler.