Fei-Fei Li

ref · Mai 25, 2026, 6:01

Première titulaire de la chaire Sequoia en informatique à l’université Stanford, créatrice d’ImageNet et codirectrice fondatrice du Stanford Institute for Human-Centered AI — largement reconnue comme l’un des principaux architectes de la révolution moderne de l’apprentissage profond.

Profil

Domaine	Détail
Naissance	3 juillet 1976, Pékin, Chine
Nationalité	Sino-américaine
Institutions actuelles	Stanford University (en congé partiel) ; World Labs (cofondatrice et PDG)
Domaines de recherche	Vision par ordinateur, apprentissage profond, IA en santé, neurosciences cognitives, intelligence spatiale, apprentissage robotique
Directeurs de thèse	Pietro Perona (principal) ; Christof Koch (secondaire)
Thèse de doctorat	Visual Recognition: Computational Models and Human Psychophysics (Caltech, 2005)
Profil Stanford	profiles.stanford.edu/fei-fei-li
X / Twitter	@drfeifei
Google Scholar	scholar.google.com

Aperçu

Fei-Fei Li (李飞飞) est une informaticienne sino-américaine dont la création d’ImageNet — un ensemble de données visuelles annotées à grande échelle comprenant plus de 14 millions d’images — est largement considérée comme l’un des trois catalyseurs fondamentaux de la révolution moderne de l’IA et de l’apprentissage profond. Elle est la première titulaire de la chaire Sequoia au département d’informatique de l’université Stanford et codirectrice fondatrice du Stanford Human-Centered Artificial Intelligence Institute (HAI). Au-delà de ses contributions à la recherche, elle a façonné toute une génération académique par le mentorat de doctorants comme Andrej Karpathy, Timnit Gebru et Olga Russakovsky, ainsi que par son cours CS231n sur l’apprentissage profond pour la vision par ordinateur, largement suivi. En 2024, elle a cofondé World Labs, une start-up axée sur l’intelligence spatiale qui a atteint une valorisation supérieure à 1 milliard de dollars en quelques mois et levé 1 milliard de dollars supplémentaires en 2026. On la décrit parfois comme la “marraine de l’IA”, une désignation qu’elle accepte comme une reconnaissance de la contribution des femmes au domaine.

Jeunesse et études

Li est née à Pékin en 1976 et a grandi à Chengdu, dans le Sichuan, où elle a fréquenté le lycée n° 7 de Chengdu. Alors qu’elle avait douze ans, son père a émigré à Parsippany, dans le New Jersey ; à seize ans, Li et sa mère l’ont rejoint. Au lycée de Parsippany, elle travaillait le week-end dans le pressing familial. Un professeur de mathématiques qui a reconnu ses capacités a joué un rôle déterminant en l’aidant à s’inscrire à l’université dans un système qui lui était inconnu. Elle a été intronisée au panthéon du lycée de Parsippany en 2017.

B.A., Physique — Princeton University, 1999
Li s’est spécialisée en physique à Princeton, avec une thèse de licence sur la modélisation auditive computationnelle sous la direction de Bradley Dickinson. Pendant ses études de premier cycle, elle rentrait chez elle la plupart des week-ends pour aider à gérer le pressing familial et travaillait comme plongeur pour arrondir ses fins de mois, tout en bénéficiant d’une bourse Paul & Daisy Soros pour les nouveaux Américains.

M.S., Génie électrique — California Institute of Technology (Caltech), 2001
Ses études supérieures à Caltech l’ont placée sous la supervision de Pietro Perona, dont les travaux sur la reconnaissance visuelle ont orienté la direction de ses recherches.

Ph.D., Génie électrique — California Institute of Technology (Caltech), 2005
Sa thèse, intitulée Visual Recognition: Computational Models and Human Psychophysics, a été supervisée principalement par Pietro Perona, avec une supervision secondaire du neuroscientifique Christof Koch. Ce travail a jeté un pont entre les approches machine et humaine de la compréhension rapide des scènes — une position méthodologique qui allait définir sa carrière.

Carrière

Université de l’Illinois à Urbana-Champaign (2005–2006)

Li a rejoint le département de génie électrique et informatique de l’UIUC en tant que professeure adjointe immédiatement après avoir obtenu son doctorat.

Université de Princeton (2007–2009)

De retour à Princeton en tant que professeure adjointe en informatique, Li a commencé à développer ce qui allait devenir ImageNet. Inspirée par l’estimation du psychologue cognitif Irving Biederman selon laquelle les humains reconnaissent environ 30 000 catégories d’objets, elle a conçu un ensemble de données d’une échelle comparable. Le projet s’est d’abord heurté au scepticisme de collègues qui jugeaient peu pratique d’étiqueter des millions d’images ; Li a persisté, utilisant finalement Amazon Mechanical Turk pour annoter le corpus.

Université de Stanford (2009–présent)

Li a rejoint Stanford en tant que professeure adjointe en 2009, a été promue professeure associée avec titre en 2012 et professeure titulaire en 2018. Elle est la première titulaire de la chaire Sequoia en informatique.

Stanford Artificial Intelligence Lab — Directrice (2013–2018)
Li a dirigé le SAIL pendant une période d’expansion rapide du domaine, supervisant la recherche et représentant le laboratoire publiquement.

Stanford HAI — Codirectrice fondatrice (2019–présent)
Li a cofondé le Stanford Human-Centered AI Institute avec l’ancien prévôt John Etchemendy, établissant une initiative à l’échelle de l’université reliant la recherche en IA aux questions de politique, d’éthique, d’éducation et de bien-être humain. L’institut est devenu l’un des centres les plus importants pour la recherche sur la gouvernance de l’IA aux États-Unis.

ImageNet Large Scale Visual Recognition Challenge — Organisatrice (2010–2017)
Li a dirigé l’équipe organisatrice de l’ILSVRC (ImageNet Large-Scale Visual Recognition Challenge), la compétition annuelle qui a servi de banc d’essai à AlexNet en 2012 et a catalysé l’ère de l’apprentissage profond en vision par ordinateur.

CS231n — Créatrice du cours
Li a créé le cours CS231n de Stanford, « Deep Learning for Computer Vision », qui est devenu l’un des cours d’IA les plus adoptés au monde et a été visionné et étudié par des millions de praticiens.

RAISE-Health — Co-lancement (2023)
Li a co-lancé l’initiative Responsible AI for Safe and Equitable Health (RAISE-Health) à Stanford en collaboration avec Stanford Medicine, développant des cadres pour un déploiement responsable de l’IA dans les soins cliniques et la recherche biomédicale.

Google Cloud (janvier 2017–septembre 2018)

En congé sabbatique de Stanford, Li a rejoint Google Cloud en tant que vice-présidente et scientifique en chef de l’IA/ML. Son équipe a travaillé à abaisser les barrières à l’adoption de l’IA pour les entreprises et les développeurs, notamment en contribuant à la gamme de produits AutoML. Cette période a été compliquée par l’implication de Google dans le projet Maven, un contrat d’imagerie par drone du Pentagone ; Li a exprimé en privé ses inquiétudes quant à la perception publique du lien avec l’IA militaire, et a par la suite réaffirmé publiquement son engagement envers les principes d’une IA centrée sur l’humain.

AI4ALL — Cofondatrice (2017–présent)

Li a cofondé AI4ALL, une organisation à but non lucratif dédiée à l’élargissement de la participation à l’IA, avec Melinda French Gates et Jensen Huang. L’organisation est issue d’un programme d’été précurseur à Stanford (SAILORS) axé sur les filles en classe de neuvième et s’est étendue à des programmes à Princeton, Carnegie Mellon, l’université de Boston, UC Berkeley et l’université Simon Fraser. Li en est la présidente.

World Labs — Cofondatrice et PDG (2024–présent)

En 2024, Li a cofondé World Labs avec trois collègues pour construire des systèmes d’IA pour « l’intelligence spatiale » — la capacité de raisonner sur et d’agir dans des environnements physiques tridimensionnels, intégrant la perception visuelle à l’interaction dans le monde réel. L’entreprise a levé 230 millions de dollars en financement d’amorçage en septembre 2024, a atteint une valorisation supérieure à 1 milliard de dollars en quatre mois après sa fondation, et a levé 1 milliard de dollars supplémentaires en février 2026.

Contributions clés

ImageNet — Conçu et construit à partir de 2007, ImageNet a fourni plus de 14 millions d’images étiquetées dans 22 000 catégories, et la compétition ILSVRC qu’il a engendrée a servi de catalyseur direct à la percée d’AlexNet en 2012 et à la révolution ultérieure de l’apprentissage profond en vision par ordinateur, véhicules autonomes, imagerie médicale et modèles langage-vision. L’article CVPR présentant ImageNet (Deng, Dong, Socher, Li-Jia Li, Kai Li, Fei-Fei Li, 2009) est l’un des plus cités de l’histoire de l’informatique.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC) — Li a organisé la compétition annuelle de 2010 à 2017 ; l’édition 2012, dans laquelle AlexNet a obtenu un taux d’erreur parmi les 5 premiers réduisant de moitié environ la meilleure performance précédente, est largement considérée comme le moment qui a lancé l’ère moderne de l’apprentissage profond.
CS231n: Deep Learning for Computer Vision — Le cours de Li à Stanford est devenu un programme de référence dans l’industrie pour la vision par ordinateur appliquée, formant une génération de praticiens et de chercheurs ; la version 2015 a attiré des millions de spectateurs en ligne.
Cadre de l’IA centrée sur l’humain (HAI) — Li a articulé et institutionnalisé le concept de l’IA centrée sur l’humain — faisant progresser la recherche, l’éducation, les politiques et les pratiques avec une attention explicite au bien-être humain, à l’équité et à l’impact sociétal — par le biais du Stanford HAI et par un vaste plaidoyer public, notamment un témoignage devant le Congrès américain (2018) et le discours d’ouverture du Sommet pour l’action sur l’IA de Paris (2025).
Programme de recherche sur l’intelligence spatiale — Par le biais de son laboratoire académique et de World Labs, Li a fait progresser l’intelligence spatiale en tant que frontière de recherche distincte : permettre aux systèmes d’IA de percevoir, modéliser et raisonner dans des environnements physiques tridimensionnels, avec des applications en robotique, agents incarnés et modèles de monde génératifs.
IA dans le domaine de la santé — Les collaborations de Li avec Stanford Medicine et l’initiative RAISE-Health ont produit des cadres pour le déploiement clinique de l’IA, la sécurité des patients et une IA de santé équitable, influençant la manière dont la médecine académique aborde l’adoption responsable des systèmes d’IA.
AI4ALL — L’organisation à but non lucratif cofondée par Li a mené des programmes d’éducation à l’IA axés sur la diversité dans les grandes universités, touchant directement des milliers de lycéens issus de groupes sous-représentés et produisant une cohorte de praticiens de l’IA qui n’auraient pas autrement intégré le domaine.
Apprentissage one-shot et compréhension de scènes — Les premiers travaux académiques de Li sur l’apprentissage de catégories d’objets à partir de peu d’exemples (IEEE TPAMI, 2006) et sur les modèles hiérarchiques bayésiens pour la catégorisation de scènes naturelles (CVPR, 2005) ont établi des cadres fondateurs dans l’apprentissage visuel à faible volume de données qui ont influencé la littérature ultérieure sur l’apprentissage few-shot et par transfert.
Mémoires : The Worlds I See (2023) — Les mémoires scientifiques de Li, publiés par Flatiron Books, entrelacent son histoire personnelle d’immigration avec l’essor de l’IA moderne. Ils ont reçu une large attention critique et ont apporté sa perspective sur l’IA centrée sur l’humain à un large public non spécialiste.

Prix et distinctions

Queen Elizabeth Prize for Engineering (2025) — Décerné conjointement à Yoshua Bengio, Bill Dally, Geoffrey Hinton, John Hopfield, Jensen Huang et Yann LeCun pour leurs contributions fondamentales à l’apprentissage profond.
Time Person of the Year — « Architects of AI » (2025) — Nommée parmi un petit groupe de figures reconnues comme des forces déterminantes de l’IA.
Doctorat honorifique, Yale University (2025) — Docteur en ingénierie et technologie, avec une citation la reconnaissant comme « pionnière de l’IA centrée sur l’humain ».
VinFuture Prize — Grand Prix (2024) — Prix scientifique international récompensant des contributions transformatrices à l’apprentissage profond.
Woodrow Wilson Award, Princeton University (2024) — La plus haute distinction de Princeton pour un ancien élève au service public.
Membre élue, American Academy of Arts and Sciences (2021)
Membre élue, National Academy of Medicine (2020)
Membre élue, National Academy of Engineering (2020)
ACM Fellow (2018) — Citée pour ses contributions à la construction de grandes bases de connaissances pour l’apprentissage automatique et la compréhension visuelle.
Intel Lifetime Achievements Innovation Award (2023)
IEEE PAMI Thomas S. Huang Memorial Prize (2022)
IEEE PAMI Longuet-Higgins Prize (2019) — Pour un travail d’importance durable en vision par ordinateur.
Time 100 AI Most Influential People (2023)
IAPR J.K. Aggarwal Prize (2016)
IEEE PAMI Mark Everingham Prize (2016)
Foreign Policy Leading Global Thinkers (2015)
Alfred P. Sloan Research Fellowship (2011)
NSF CAREER Award (2009)
Microsoft Research New Faculty Fellowship (2006)
Paul & Daisy Soros Fellowship for New Americans (1999)

Réseau académique et professionnel

Pietro Perona — Directeur de thèse à Caltech ; leur collaboration sur la reconnaissance visuelle et l’apprentissage one-shot a établi les méthodes fondatrices que Li a étendues tout au long de sa carrière.
Andrej Karpathy — Doctorant ; sa thèse intitulée Connecting Images and Natural Language (Stanford, 2016) a produit des avancées clés dans le sous-titrage d’images et la réponse à des questions visuelles ; il a ensuite fondé le groupe d’IA Autopilot de Tesla et travaille maintenant chez Anthropic.
Timnit Gebru — Doctorante ; devenue une chercheuse éminente sur les biais algorithmiques et l’éthique de l’IA, et une voix de premier plan sur les dimensions sociétales des systèmes d’IA.
Olga Russakovsky — Doctorante ; a co-organisé l’ILSVRC, aujourd’hui professeure adjointe à Princeton, et a cofondé AI4ALL avec Li.
John Etchemendy — Cofondateur du Stanford HAI ; ancien prévôt de Stanford dont le partenariat a donné à l’institut un statut institutionnel et une portée interdisciplinaire.
Jensen Huang — PDG de NVIDIA et cofondateur d’AI4ALL ; les GPU de son entreprise ont fourni le substrat computationnel qui a rendu l’entraînement à l’échelle d’ImageNet possible ; les deux ont collaboré sur des initiatives d’éducation à l’IA.
Christof Koch — Directeur de thèse secondaire à Caltech ; la perspective des neurosciences cognitives que Koch a apportée à la formation de Li a façonné son intérêt durable pour jeter un pont entre les systèmes visuels machine et humain.
Silvio Savarese — Mari ; professeur d’informatique à Stanford dont les propres recherches sur la compréhension de scènes 3D recoupent l’agenda actuel de Li sur l’intelligence spatiale.

Style personnel

L’identité intellectuelle de Li est organisée autour de la conviction qu’une recherche en IA divorcée du contexte humain produit des systèmes fragiles et potentiellement nuisibles — une vision qu’elle traduit dans des structures institutionnelles (HAI, AI4ALL) aussi bien que dans des programmes de recherche techniques. Sa communication publique se distingue par sa franchise à la fois sur les promesses transformatrices de l’IA et sur ses risques sociaux à court terme, un équilibre qu’elle a articulé dans son entretien de 2023 avec The Guardian en refusant le rôle d’apologiste inconditionnelle ou de catastrophiste. Dans ses cours et ses écrits, elle encadre souvent les questions scientifiques par le récit biographique, reliant les contraintes de son éducation d’immigrée — précarité financière, apprentissage des langues, dépendance à des mentors individuels exceptionnels — à son engagement à élargir la participation à l’IA. Ses conférences TED (2015, 2024) et ses mémoires démontrent une aptitude à expliquer des idées techniques à des publics non spécialistes sans sacrifier la substance scientifique.