Google DeepMind : décrocher un emploi en IA, conseils clés

Les conseils d'un ingénieur de Google DeepMind pour réussir en IA

Vladimir Feinberg, un ingénieur reconnu de Google DeepMind, a récemment partagé ses recommandations pour ceux qui aspirent à intégrer un laboratoire d'intelligence artificielle de pointe. Selon lui, trois qualités sont essentielles : l'intention, la maturité mathématique et la persévérance. Feinberg conseille aux futurs chercheurs en IA de s'engager dans des cours exigeants et fondés sur des preuves, tout en développant leurs compétences en programmation.

Une approche traditionnelle pour un secteur compétitif

Feinberg souligne que décrocher un emploi dans un laboratoire d'IA de premier plan peut nécessiter une méthode relativement traditionnelle. "Travaille comme un forcené", écrit-il dans son blog intitulé "Comment décrocher un emploi dans un laboratoire de pointe". La concurrence est rude, ce qui rend l'accès à ces postes particulièrement difficile.

Il explique qu'il existe une élite d'étudiants, tant au niveau du premier cycle que des doctorants, qui se distinguent par leurs recherches en apprentissage automatique lors de conférences prestigieuses, leur participation à des compétitions de mathématiques et de programmation, et leurs connexions avec ces laboratoires grâce à des relations établies par des camarades de classe plus âgés ou des amis.

Un changement de cible pour les talents

Feinberg note qu'il y a quelques années, ce même groupe de talents était souvent recruté par des géants de Wall Street tels que Citadel et Jane Street. Aujourd'hui, ces étudiants de haut niveau se tournent davantage vers des entreprises d'IA renommées comme OpenAI, Anthropic et Google DeepMind.

Selon Feinberg, ces étudiants réussissent parce que leurs traits sont fortement prédictifs du succès. Il encourage donc les chercheurs en IA en devenir à rejoindre cette cohorte en s'investissant dans des cours difficiles, en codant intensément et en utilisant les outils d'IA de manière proactive.

L'importance de la maturité mathématique

Pour Feinberg, il est crucial de consacrer de longues heures en dehors des cours, y compris les nuits et les week-ends, pour développer les compétences nécessaires à la compétition pour des emplois dans les laboratoires d'IA de premier plan. "Il n'y a pas de substitut à cela pour atteindre la maturité mathématique, qui est essentielle", affirme-t-il. Toutefois, il ajoute que démontrer une compétence spécifique requise par un laboratoire est également un moyen évident d'être embauché.

Travailler aux frontières de l'IA

Feinberg admet que percer dans un laboratoire d'IA peut sembler être un cercle vicieux. Pour s'en sortir, il recommande de travailler aux frontières de ce que font les laboratoires de pointe, notamment dans la création de modèles de langage de grande taille (LLM). Il s'agit de comprendre ce que nécessitent ces modèles pour fonctionner et d'identifier les points de contact pour leurs résultats. Ces domaines spécifiques, bien que ne nécessitant pas de formation en LLM, sont néanmoins essentiels pour l'entreprise.

Conseils de carrière généraux

En plus de ses conseils techniques, Feinberg partage un conseil général de carrière : "soyez le genre de collègue que les gens voudraient voir réussir". Il suggère d'identifier les opportunités pour que les compétences complémentaires de l'équipe soient mises en valeur, de créditer concrètement les collaborateurs pour leur leadership, et de choisir des projets où votre succès contribue à celui des autres.

Réactions et perspectives

Dans un épisode du Peterman Pod publié le 15 juin, Feinberg a mentionné que son article de blog a reçu des retours positifs de personnes travaillant chez Anthropic et OpenAI, qui ont approuvé ses conseils.

Bien qu'il reconnaisse que les stratégies commerciales et les offres des laboratoires puissent varier en fonction de leurs spécialités et de leurs clients, Feinberg estime qu'il existe de nombreux points communs entre les laboratoires concernant les compétences recherchées.

Interrogé sur la possibilité que les avancées en IA diminuent la valeur du travail de recherche, Feinberg reste optimiste. Il pense que les compétences en recherche deviendront de plus en plus cruciales. "Réfléchir à la manière de construire des systèmes autour de ces LLM pour faire mon travail plus efficacement — c'est ce qui vous distinguera à l'avenir", affirme-t-il. "Et je pense que c'est vrai peu importe ce que vous allez faire."