IJCNN : Best Student Paper Award

Christophe El Zeinaty, doctorant IETR¹, a remporté un Best Student Paper Award lors de la prestigieuse conférence internationale IJCNN, conférence phare de l’IEEE Computational Intelligence Society et de l’International Neural Network Society, pour son papier « Can LLMs Revolutionize the Design of Explainable and Efficient TinyML Models?² »

L’IJCNN est internationalement reconnue dans le domaine des réseaux neuronaux, de la modélisation des réseaux neuronaux biologiques à l'informatique neuronale artificielle.
 

3 questions à Christophe El Zeinaty

1) Votre travail a reçu le Best Student Paper Award à l’IJCNN, une conférence internationale de référence. Qu’est-ce qui, selon vous, a fait la force de votre travail et a suscité l’intérêt du jury ?

Je pense que la force du travail réside dans son approche innovante : nous avons exploré comment les modèles de langage (LLMs) peuvent être utilisés pour concevoir automatiquement des architectures de réseaux de neurones à la fois efficaces et explicables, spécifiquement pour les contraintes des systèmes embarqués (TinyML). Cette combinaison entre génération automatique, optimisation et explicabilité est à la fois actuelle et peu explorée, ce qui a sans doute attiré l’attention du jury.
Nous avons également veillé à produire un article rigoureux et clair, avec une méthodologie bien structurée, des résultats solides, et une analyse complète. Enfin, le code source a été mis à disposition en open source, afin de favoriser la reproductibilité et d’encourager la réutilisation de notre approche par la communauté scientifique et industrielle.
 

2) Pouvez-vous nous expliquer le cœur de vos travaux de thèse et leur potentiel impact dans le domaine des réseaux de neurones ?

Mon travail de thèse porte sur l’optimisation des modèles d’intelligence artificielle pour les appareils à ressources limitées, comme les capteurs embarqués. L’objectif est de rendre ces modèles plus légers, plus rapides, et plus compréhensibles sans sacrifier leur performance. J’ai exploré plusieurs techniques (quantification, compression, distillation de connaissances, etc.) et plus récemment, l’utilisation de l’intelligence artificielle générative pour automatiser la conception de modèles performants et explicables. Cela ouvre la voie à une IA plus accessible, éthique et embarquable dans des objets du quotidien.
 

3) Comment avez-vous vécu cette expérience de soutenance suivie d'une reconnaissance internationale ? Et quelles sont les prochaines étapes après ce beau succès ?

Ce fut une expérience extrêmement enrichissante et émouvante. La soutenance a marqué l’aboutissement de plusieurs années de travail intense, et recevoir une telle reconnaissance juste après a été un grand honneur. Cela m’a conforté dans mes choix de recherche et renforcé ma motivation pour la suite.
Pour la suite, je souhaite poursuivre dans le domaine de la recherche appliquée, que ce soit en milieu académique ou industriel, en continuant à travailler sur des solutions d’IA efficaces et responsables pour le monde réel.

En parallèle, Christophe El Zeinaty a été publié dans la prestigieuse revue ACM Computing Surveys, pour un autre volet de sa thèse. Son article propose une étude approfondie sur la conception de modèles de détection d’objet pour TinyML, avec une analyse comparative des méthodes existantes et des perspectives pour l’avenir.
> Christophe El Zeinaty, Wassim Hamidouche, Glenn Herrou, and Daniel Menard. 2025. Designing Object Detection Models for TinyML: Foundations, Comparative Analysis, Challenges, and Emerging Solutions. ACM Comput. Surv. Just Accepted (June 2025).

 

¹ UMR 6164 CNRS / CentraleSupélec / INSA Rennes / Université de Nantes / Université de Rennes 1
² Christophe El Zeinaty, Wassim Hamidouche, Glenn Herrou, Daniel Menard et Merouane Debbah

Retrouvez toutes nos actualités