10/07/2026
| PRÉSENTATION DE MÉMOIRE |
Emma Fréchette présente son mémoire de maîtrise portant sur la 𝘍𝘪𝘢𝘣𝘪𝘭𝘪𝘵é 𝘥𝘦𝘴 𝘱𝘪𝘱𝘦𝘭𝘪𝘯𝘦𝘴 𝘥'𝘰𝘱𝘵𝘪𝘮𝘪𝘴𝘢𝘵𝘪𝘰𝘯 𝘤𝘰𝘮𝘣𝘪𝘯𝘢𝘵𝘰𝘪𝘳𝘦 𝘢𝘴𝘴𝘪𝘴𝘵é𝘴 𝘱𝘢𝘳 𝘓𝘓𝘔 : 𝘥𝘶 𝘫𝘶𝘨𝘦𝘮𝘦𝘯𝘵 à 𝘭𝘢 𝘷é𝘳𝘪𝘧𝘪𝘤𝘢𝘵𝘪𝘰𝘯 𝘦𝘹é𝘤𝘶𝘵𝘢𝘣𝘭𝘦 𝘦𝘵 à 𝘭'𝘢𝘮é𝘭𝘪𝘰𝘳𝘢𝘵𝘪𝘰𝘯 𝘢𝘶𝘵𝘰𝘯𝘰𝘮𝘦 𝘥𝘦 𝘴𝘰𝘭𝘷𝘦𝘶𝘳𝘴.
Sous la direction de recherche de Louis-Martin Rousseau
📆 Jeudi 8 octobre 2026
🕙 10 h 30
📍Polytechnique Montréal | Pavillon principal | A-309
En ligne (par zoom) : https://us06web.zoom.us/j/82370887573?pwd=WCytcPoxq2rbF8vHswzal96XpjCsSV.1
Résumé de la recherche :
Les grands modèles de langage (LLM) peuvent aujourd'hui transformer la description d'un problème d'optimisation en un programme qui le résout. Mais peut-on faire confiance à l'IA pour vérifier son propre travail?
Cette recherche démontre qu'un LLM juge mal une solution lorsqu'il l'évalue seul, alors qu'une vérification par tests exécutables s'avère très fiable. Elle a même permis de corriger des erreurs dans un banc d'essai public. Une méthode a été conçue où des agents IA améliorent des solveurs de façon autonome. Cette méthode s'est classée 10e sur 33 participants à la compétition IHTC 2024 et 27e sur 53 équipes au défi ROADEF/EURO 2026 pour la section sprint.
💡 La conclusion : plutôt que d’exiger de l’IA qu’elle soit fiable, il faut concevoir des dispositifs qui permettent de vérifier sa fiabilité.