Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar
Cet article présente Scholar-ML-1000, un ensemble de données rendu public comprenant 996 chercheurs de premier plan en apprentissage automatique collectés en juin 2026, lequel révèle que les grandes entreprises technologiques comme Google et DeepMind hébergent désormais plus de chercheurs éminents en apprentissage automatique que les meilleures universités réunies, tout en soulignant la diversité mondiale significative et la portée interdisciplinaire du domaine.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la recherche en apprentissage automatique (ML) comme une ville immense et bouillonnante. Depuis des années, les gens se disputent pour savoir qui dirige réellement les opérations : est-ce l'ancienne école des universités (l'« Académie »), ou est-ce les géants technologiques (l'« Industrie ») ? Est-ce que les esprits les plus brillants quittent les universités pour travailler dans les grandes entreprises, ou restent-ils sur place ?
Le Dr Kunal Dhanda a décidé de trancher ce débat en réalisant un recensement géant. Il a créé une liste appelée Scholar-ML-1000, qui est essentiellement un « Qui est qui » des 1 000 chercheurs les plus célèbres au monde en apprentissage automatique, classés selon le nombre de personnes ayant lu et cité leurs travaux.
Voici l'histoire de ce qu'il a découvert, expliquée simplement :
1. La carte de la « Ville » : Où vivent-ils ?
Le Dr Dhanda a examiné les 1 000 meilleures personnes et a demandé : « Où travaillent-elles ? »
- Le résultat : Étonnamment, les universités détiennent toujours la majorité. Environ 52 % de ces chercheurs de haut niveau travaillent encore dans le milieu académique.
- Le rebondissement : Bien que les universités comptent le plus grand nombre d personnes, les géants de la tech sont incroyablement puissants. Plus précisément, Google et Google DeepMind emploient à eux seuls 209 de ces chercheurs de premier plan.
- L'analogie : Imaginez les 1 000 meilleurs athlètes du monde. Vous vous attendriez à ce qu'ils soient répartis entre des milliers de lycées et de collèges différents. Au lieu de cela, vous découvrez qu'un seul club de sport privé (Google/DeepMind) possède plus d'athlètes dans son effectif que les trois meilleures universités (Stanford, MIT et Berkeley) réunies. Ce club est un « super-club ».
2. Le mythe de la « Fuite des cerveaux »
Il existe une crainte courante que la « fuite des cerveaux » soit si grave que les universités ne soient plus que des coquilles vides et que tout le génie se trouve dans les laboratoires d'entreprises.
- La réalité : L'article indique que cette crainte est partiellement vraie mais largement exagérée. Oui, beaucoup de jeunes étoiles montantes rejoignent l'industrie. Mais la « vieille garde » — les chercheurs seniors les plus célèbres et les plus cités — est encore largement présente dans les universités. L'« Académie » détient toujours la plus grande part du total des citations (52,3 %).
- L'analogie : C'est comme une rivière. L'eau (les nouveaux talents) coule certainement vers l'océan (l'industrie), mais le lac de montagne massif (l'académie) en haut retient encore plus d'eau que l'océan n'en a collectée jusqu'à présent.
3. Les voisins « invisibles »
Quand nous pensons à l'apprentissage automatique, nous pensons généralement à des ordinateurs, des robots et des chatbots. Mais cette liste a révélé quelque chose d'inattendu.
- La découverte : Une grande partie de ces chercheurs de haut niveau ne sont pas seulement des « informaticiens ». Ce sont des physiciens des particules, des biologistes et des astronomes.
- L'analogie : Si vous entriez dans une pièce remplie des 1 000 meilleurs experts en ML, vous ne verriez pas seulement des gens en sweat à capuche en train de coder. Vous verriez des gens en blouse de laboratoire étudiant les plus petites particules de l'univers (comme au CERN) et des gens observant les étoiles lointaines. Ils utilisent l'apprentissage automatique comme un outil pour résoudre leurs propres énigmes spécifiques, et ils sont si performants qu'ils apparaissent sur la liste mondiale des « 1 000 meilleurs ».
4. Le tableau de bord des « Citations »
L'article a examiné la « popularité » de ces chercheurs en fonction des citations (la fréquence à laquelle d'autres scientifiques citent leurs travaux).
- L'inégalité : Dans le monde de la science, quelques personnes récoltent généralement toute la gloire. C'est ce qu'on appelle un « coefficient de Gini ».
- La conclusion : L'inégalité parmi ces 1 000 personnes est plus faible que dans les listes uniquement composées de l'industrie. Cela signifie que, bien qu'il y ait des superstars (comme Yoshua Bengio et Geoffrey Hinton tout en haut), la « classe moyenne » des chercheurs s'en sort très bien. La célébrité est répartie de manière un peu plus équitable que dans le monde de l'entreprise, où quelques stars pourraient tout dominer.
5. Le problème des « Fantômes » (Nettoyage des données)
Avant de publier, le Dr Dhanda a dû nettoyer la liste. Il a trouvé quatre comptes « imposteurs ».
- Le problème : Certains profils affichaient des chiffres gonflés et faux. Une personne prétendait avoir près de 5,5 millions de citations (ce qui est impossible pour un être humain réel), et d'autres étaient des personnes qui utilisaient simplement le terme « apprentissage automatique » dans un article de gestion, mais qui n'étaient pas réellement des chercheurs en ML.
- La solution : Il a supprimé ces quatre « fantômes » pour obtenir une liste propre de 996 chercheurs réels.
Résumé : La vue d'ensemble
Cet article est comme une photo haute résolution du monde de l'apprentissage automatique en juin 2026.
- Les universités restent le foyer principal de la majorité des talents de haut niveau.
- Google est le plus gros employeur de talents de premier plan, éclipsant même les meilleures universités.
- L'apprentissage automatique n'est plus seulement un sujet d'informatique ; c'est un outil massivement utilisé par des physiciens et des biologistes qui font désormais partie de l'élite.
- La « fuite des cerveaux » est en cours, mais elle n'a pas encore vidé les universités.
L'auteur a publié la liste et le code utilisé pour la trouver, invitant d'autres personnes à étudier davantage cet « écosystème » de talents. C'est un instantané de ceux qui mènent la charge pour rendre les machines plus intelligentes, et il s'avère que le leadership est un mélange de professeurs, de scientifiques d'entreprise et de scientifiques issus d'autres domaines.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.