Top 15 Chercheurs en IA Française à Suivre pour son Mémoire 2026
Vous rédigez un mémoire qui touche à l’intelligence artificielle, à l’éthique algorithmique ou à l’IA dans les sciences humaines, et vous ne savez pas quels chercheurs citer ? La France est l’un des pays européens les plus actifs en recherche en IA — portée par des institutions comme Inria, le CNRS, le CEA et une galaxie d’universités classées parmi les meilleures au monde. Pourtant, hors des écoles d’ingénieurs, les étudiants connaissent rarement les noms des chercheurs en IA française dont les travaux pourraient enrichir leur mémoire ou leur thèse. Ce guide recense les 15 chercheurs les plus influents et accessibles à citer en 2026, avec leurs spécialités, leurs publications clés et leurs profils académiques.
Pour contextualiser ces recherches, consultez notre article sur les top 30 laboratoires de recherche en France et notre guide du doctorat en France avec l’IA. Pour un guide équivalent côté espagnol, voyez le guide équivalent en Espagne.
1. La recherche en IA française : chiffres clés 2026
Vidéo : IA et rédaction de mémoire : ATTENTION — ExpertMémoire
La France est un acteur majeur de la recherche mondiale en IA, soutenu par des investissements publics substantiels :
| Indicateur | Donnée |
|---|---|
| Budget PEPR IA (France 2030) | 500 M€ |
| Chercheurs Inria dédiés à l’IA | > 3 000 |
| Publications IA par chercheurs français (2024) | Top 5 mondial |
| Institutions pilotant le PEPR IA | CEA, CNRS, Inria |
| Postes chercheurs Inria ouverts en 2026 | 20 (6 chargés + 14 directeurs) |
Ces données illustrent pourquoi citer des chercheurs français en IA renforce la crédibilité d’un mémoire sur des sujets liés à la technologie, aux politiques publiques, à l’éthique ou aux usages sociétaux. Consultez également notre analyse de l’investissement IA dans les universités françaises pour le contexte institutionnel.
2. Chercheurs en fondements mathématiques de l’IA (n°1–4)
-
Francis Bach — Inria, Académie des Sciences
Spécialité : Fondements mathématiques du machine learning, optimisation, IA sobre/frugale, systèmes distribués.
Institution : Directeur de recherche à Inria Paris, membre de l’Académie des Sciences française depuis 2016.
Publication clé : Learning Theory from First Principles (MIT Press, 2024) — manuel de référence pour les M2 et doctorants en apprentissage automatique. Disponible gratuitement sur son site personnel.
Pourquoi le citer : Référence incontournable pour tout mémoire traitant des fondements théoriques de l’IA, de la généralisation des modèles ou de l’IA éco-responsable.
Profil : Google Scholar — “Francis Bach machine learning”
-
Gabriel Peyré — CNRS, Médaille d’argent
Spécialité : Transport optimal, géométrie algorithmique, traitement d’images par IA, IA de confiance.
Institution : Directeur de recherche CNRS, ENS Paris. Médaille d’argent du CNRS (2018).
Publication clé : Computational Optimal Transport (avec Marco Cuturi, 2019) — ouvrage fondamental sur le transport optimal, discipline croissante en IA générative.
Pourquoi le citer : Ses travaux sur l’IA de confiance et les fondements mathématiques de la génération d’images sont de plus en plus cités dans les mémoires sur l’IA créative et l’éthique algorithmique.
Profil : gpeyre.com
-
Stéphane Mallat — Collège de France, ENS
Spécialité : Réseaux de neurones scattering, analyse mathématique du deep learning, compréhension théorique de l’apprentissage profond.
Institution : Professeur au Collège de France (chaire Données et Apprentissage), ENS Paris.
Publication clé : Cours “Apprentissage par réseaux de neurones profonds” — disponibles gratuitement sur le site du Collège de France. Référence phare pour comprendre le pourquoi du deep learning.
Pourquoi le citer : Ses cours publics au Collège de France sont une ressource académique de premier plan pour contextualiser le deep learning dans un mémoire de sciences ou d’informatique.
-
Rémi Flamary — Polytechnique, Inria
Spécialité : Transport optimal, apprentissage de domaine, adaptation de distribution, applications en imagerie médicale.
Institution : Maître de conférences à l’École Polytechnique, affilié Inria.
Pourquoi le citer : Contributions très actives sur le transport optimal computationnel. Adapté aux mémoires en médecine, biologie, ou traitant de l’adaptation de modèles IA à des données spécifiques.
3. Chercheurs en éthique et IA responsable (n°5–8)
-
Laurence Devillers — CNRS, Sorbonne Université
Spécialité : Interaction humain-machine, émotions et IA, éthique des robots sociaux, impact psychologique des IA conversationnelles.
Institution : Professeure à Sorbonne Université, chercheuse CNRS au Laboratoire d’Informatique pour la Mécanique et les Sciences de l’Ingénieur (LIMSI).
Publication clé : Des robots et des hommes — mythes, fantasmes et réalité (Plon, 2017) — accessible au grand public ET citable académiquement.
Pourquoi la citer : Référence majeure pour tout mémoire en psychologie, sciences de l’information, communication ou SHS traitant de l’IA et de ses impacts sur l’humain. Très sollicitée dans les débats publics et les chartes institutionnelles.
-
Cédric Villani — Institut Henri Poincaré, ex-Rapporteur national IA
Spécialité : Mathématiques (Médaille Fields 2010), politique IA, gouvernance éthique de l’IA, rapport stratégique national.
Institution : Institut Henri Poincaré, Paris. Ancien député.
Publication clé : Donner un sens à l’intelligence artificielle — pour une stratégie nationale et européenne (rapport, 2018, mission gouvernementale) — document fondateur de la politique IA française, citable dans tous les mémoires de droit, politique publique, gestion ou sciences sociales.
Pourquoi le citer : Son rapport définit encore en 2026 les grandes orientations de la politique IA française. Indispensable pour les mémoires traitant de régulation, gouvernance ou politique publique de l’IA.
Profil : IHP Paris
-
Raja Chatila — Sorbonne Université, IEEE
Spécialité : Robotique cognitive, IA et droits fondamentaux, éthique de l’IA et des systèmes autonomes.
Institution : Professeur émérite à Sorbonne Université (LIP6), ancien président du Comité sur l’éthique des technologies en autonomie de l’IEEE.
Publication clé : Contributions majeures aux rapports Comité National Pilote d’Éthique du Numérique (CNPEN). Nombreux articles sur HAL Science.
Pourquoi le citer : Référence en éthique des systèmes autonomes. Très pertinent pour les mémoires en droit du numérique, robotique, ou études de genre et technologie.
-
Nozha Boujemaa — Inria, IA de confiance
Spécialité : IA responsable, IA frugale, diversité et inclusion dans l’IA, intelligence artificielle pour le développement durable.
Institution : Directrice de recherche à Inria. Ancienne directrice du programme IA du G7.
Pourquoi la citer : Ses travaux sur la “frugalité” de l’IA et la diversité dans les systèmes IA sont incontournables pour les mémoires traitant de durabilité, d’équité algorithmique ou de RSE technologique.
4. Chercheurs en NLP et IA pour le langage (n°9–11)
-
Benoît Sagot — Inria, linguistique computationnelle
Spécialité : Traitement automatique des langues (TAL/NLP), ressources linguistiques, modèles de langue pour le français, IA et grammaire.
Institution : Directeur de recherche à Inria Paris (équipe Almanach).
Publication clé : Co-auteur de CamemBERT (2020) — le premier grand modèle de langue spécialisé pour le français, référence dans tous les travaux NLP francophones.
Pourquoi le citer : Essentiel pour les mémoires en linguistique, sciences du langage, lettres ou communication traitant de l’IA et du français.
-
Éric de la Clergerie — Inria, LISN
Spécialité : Analyse syntaxique automatique, grammaires formelles, NLP pour le français.
Institution : Inria, Laboratoire Interdisciplinaire des Sciences du Numérique (LISN).
Pourquoi le citer : Travaux fondamentaux sur l’analyse syntaxique du français — pertinent pour les mémoires en linguistique informatique ou éducation numérique.
-
Marc Tommasi — Université de Lille, INRIA
Spécialité : Apprentissage sur documents structurés, NLP, intelligence artificielle et éducation.
Institution : Professeur à l’Université de Lille, affilié Inria.
Pourquoi le citer : Ses travaux sur l’IA et l’éducation sont directement pertinents pour les mémoires en sciences de l’éducation ou EdTech.
5. Chercheurs en applications sociétales de l’IA (n°12–15)
-
Gaël Varoquaux — Inria, IA pour la santé
Spécialité : Apprentissage automatique pour les neurosciences et la santé, modèles de langage en biomédical, reproductibilité en science des données.
Institution : Directeur de recherche Inria, Saclay — Île-de-France. Contributeur majeur de scikit-learn.
Publication clé : Nombreux articles sur HAL sur la reproductibilité des modèles ML en médecine. Actif sur la plateforme arXiv.
Pourquoi le citer : Référence pour les mémoires en santé numérique, psychologie cognitive, neurosciences computationnelles ou épidémiologie computationnelle.
-
Sophie Cluet — CEA, bioinformatique et IA
Spécialité : IA pour la biologie, génomique computationnelle, IA et data sciences pour les sciences du vivant.
Institution : CEA (Commissariat à l’Énergie Atomique), pilote du PEPR IA avec CNRS et Inria.
Pourquoi la citer : Pour les mémoires en biologie, pharmacie, biotechnologie ou médecine traçant les intersections entre IA et sciences du vivant.
-
Isabelle Guyon — Université Paris-Saclay, AutoML
Spécialité : AutoML (apprentissage automatique automatisé), méthodes de sélection de variables, compétitions benchmark en IA.
Institution : Directrice de recherche Inria, Université Paris-Saclay. Co-inventrice des Support Vector Machines (SVM).
Pourquoi la citer : Ses contributions aux SVM et à l’AutoML sont fondamentales pour les mémoires en informatique, data science ou gestion des données.
-
Pierre-Yves Oudeyer — Inria, IA développementale
Spécialité : Intelligence artificielle développementale, curiosité artificielle, robotique d’apprentissage, IA et apprentissage humain.
Institution : Directeur de recherche Inria Bordeaux, équipe Flowers.
Publication clé : Travaux fondateurs sur la “curiosité artificielle” et l’apprentissage intrinsèquement motivé. Conférences TED disponibles en français.
Pourquoi le citer : Ses travaux sur l’IA et l’apprentissage humain sont très pertinents pour les mémoires en sciences de l’éducation, psychologie du développement ou EdTech. L’un des chercheurs français en IA les plus accessibles au grand public.
6. Comment citer ces chercheurs dans un mémoire
Pour citer correctement en APA 7 un article d’un chercheur trouvé sur HAL ou arXiv :
Nom, P. (Année). Titre de l’article. Nom de la revue, volume(numéro), pages. https://doi.org/xxxx
Exemple :
Martin, L., Muller, B., Suárez, P. J. O., Dupont, Y., Romary, L., de la Clergerie, É., & Sagot, B. (2020). CamemBERT: a tasty French language model. Proceedings of the 58th Annual Meeting of the ACL, 7203–7219. https://doi.org/10.18653/v1/2020.acl-main.645
Pour les documents disponibles uniquement sur HAL Open Science :
Nom, P. (Année). Titre. HAL Open Science. https://hal.archives-ouvertes.fr/hal-XXXXXXXX
Utilisez Tesify ou Zotero pour générer automatiquement les références dans le bon format. Vérifiez toujours les métadonnées sur HAL Open Science — la base de données de référence pour les publications de la recherche publique française.
7. Ressources pour trouver leurs publications
| Plateforme | Spécificité | Accès | URL |
|---|---|---|---|
| HAL Open Science | Archive nationale recherche publique française | Gratuit | hal.science |
| Google Scholar | Profils chercheurs + citations | Gratuit | scholar.google.com |
| Inria.fr | Pages chercheurs Inria | Gratuit | inria.fr/equipes |
| Cairn.info | Revues SHS francophones | Via ENT universitaire | cairn.info |
| arXiv (cs.AI) | Preprints en IA | Gratuit | arxiv.org/list/cs.AI |
| Semantic Scholar | Graphes de citations IA | Gratuit | semanticscholar.org |
Pour aller plus loin, consultez notre classement des meilleurs outils IA pour mémoire, qui recense les outils d’exploration bibliographique les plus adaptés à la recherche sur les chercheurs français.
FAQ — Chercheurs IA française et mémoire
Yann LeCun est-il considéré comme un chercheur français en IA ?
Yann LeCun est né et a été formé en France (ESIEE Paris, puis UPMC). Il est considéré comme l’un des “pères” du deep learning et détient un poste à l’Université de New York et chez Meta AI. Bien qu’il travaille aux États-Unis, ses origines françaises et ses liens avec la recherche française (notamment Inria) en font un chercheur franco-américain fréquemment cité dans les mémoires français. Il est co-récipiendaire du prix Turing 2018 avec Geoffrey Hinton et Yoshua Bengio.
Où trouver gratuitement les publications de ces chercheurs ?
La grande majorité des publications de ces chercheurs sont accessibles gratuitement sur HAL Open Science (hal.science), qui est l’archive ouverte de la recherche publique française. Inria met également à disposition les publications de ses chercheurs sur inria.fr. Pour les articles publiés dans des conférences internationales (NeurIPS, ICML, ACL), les versions preprint sont généralement disponibles sur arXiv.
Quels chercheurs citer dans un mémoire en sciences humaines traitant de l’IA ?
Pour les SHS, les chercheurs les plus pertinents sont Laurence Devillers (interaction humain-machine, éthique IA), Raja Chatila (éthique des systèmes autonomes), Pierre-Yves Oudeyer (IA et apprentissage humain), et Cédric Villani pour la gouvernance et la politique publique. Le rapport Villani de 2018 reste une référence fondamentale pour toute discussion sur la régulation de l’IA en France.
Peut-on contacter directement ces chercheurs pour son mémoire ?
Oui, mais avec réalisme. Les chercheurs les plus juniors (maîtres de conférences, chargés de recherche) sont généralement plus accessibles pour une correspondance email. Pour les directeurs de recherche très sollicités (Francis Bach, Stéphane Mallat, Laurence Devillers), une demande via leur page institutionnelle en précisant exactement le contexte de votre mémoire et la question précise a plus de chances d’obtenir une réponse. Beaucoup proposent des séminaires publics ou des cours ouverts — assister à ces événements est souvent plus efficace.
Comment choisir entre plusieurs chercheurs sur un même sujet ?
Vérifiez trois critères : (1) la pertinence disciplinaire — un chercheur en NLP sera plus pertinent dans un mémoire de linguistique qu’un chercheur en optimisation mathématique, (2) l’impact — le nombre de citations sur Google Scholar reflète l’influence d’un travail dans la communauté, (3) la date — privilégiez des publications récentes (2020-2026) pour les sujets en évolution rapide, mais les travaux fondateurs des années 2010 restent cités pour les apports théoriques.
Qu’est-ce que le PEPR IA et comment est-il lié à ces chercheurs ?
Le Programme et Équipements Prioritaires de Recherche en Intelligence Artificielle (PEPR IA) est un programme d’investissement de 500 M€ financé par France 2030, piloté par CEA, CNRS et Inria. Il finance les travaux de nombreux chercheurs listés dans cet article, notamment Francis Bach (Inria), Nozha Boujemaa (Inria) et les équipes de l’ANR sur l’IA. C’est le principal mécanisme de financement de la recherche publique française en IA — citer ce programme dans un mémoire donne un ancrage institutionnel solide.
Y a-t-il des chercheuses en IA française particulièrement influentes ?
Oui. Laurence Devillers (CNRS/Sorbonne) est la chercheuse française en IA la plus médiatisée sur les questions d’éthique et d’interaction. Nozha Boujemaa (Inria) dirige des programmes sur l’IA responsable. Isabelle Guyon (Paris-Saclay/Inria) est co-inventrice des SVM. Dans le domaine de la bioinformatique, Sophie Cluet (CEA) co-pilote le PEPR IA. Ces chercheuses sont particulièrement pertinentes pour les mémoires abordant la diversité de genre dans les technologies et l’IA.
Leave a Reply