Biographie de François Charton
François Charton étudie les liens entre intelligence artificielle, mathématiques et physique. Avec Guillaume Lample, il a exploré le calcul symbolique par réseaux neuronaux.
François Charton est un ingénieur de recherche spécialisé dans l’utilisation des réseaux neuronaux pour les mathématiques et la physique théorique. Il a notamment travaillé avec Guillaume Lample sur le calcul symbolique. Son parcours associe une formation en statistiques, une première carrière dans les médias et le logiciel, puis la recherche en intelligence artificielle chez Meta et Axiom Math.
François Charton (à droite), avec Amaury Hayat. Katrin Schmid, Archives MFO, CC BY-SA 2.0 Allemagne. Filigrane conservé.
Des statistiques aux expressions mathématiques
Diplômé de l’École polytechnique en 1987 et de l’ENSAE en 1990, où il se spécialise en statistiques, Charton travaille dans les médias, la publicité et le développement informatique avant de rejoindre Meta. Ce changement de domaine l’amène à étudier ce que les modèles de langage peuvent apprendre d’objets qui ne sont pas des phrases ordinaires : des nombres, des formules et des relations mathématiques.
Avec Lample, il signe Deep Learning for Symbolic Mathematics, diffusé en 2019 et présenté à ICLR en 2020. L’équipe représente les expressions comme des séquences de symboles et entraîne des modèles sur des exemples générés automatiquement. Les expériences portent notamment sur l’intégration symbolique et la résolution d’équations différentielles.
Ces résultats concernent des familles de problèmes et des jeux d’évaluation précis. Ils ne constituent donc pas une méthode universelle pour résoudre n’importe quelle équation. Leur intérêt est de montrer qu’un réseau entraîné sur des exemples peut produire des expressions mathématiques, dont on peut ensuite vérifier la validité.
Apprendre les propriétés d’un système
Avec Amaury Hayat et Lample, Charton prolonge cette approche dans Learning Advanced Mathematical Computations from Examples, présenté à ICLR en 2021. Le travail étudie l’apprentissage de propriétés de systèmes différentiels à partir de leur description symbolique. La recherche porte ici sur des calculs et des classifications mathématiques, au-delà de la simple imitation d’un raisonnement écrit en langage naturel.
Ses publications abordent ensuite l’algèbre linéaire, la régression symbolique et les applications des transformers à la physique théorique. Charton rejoint Axiom Math en septembre 2025 et indique également une affiliation à l’École des Ponts, au CERMICS. Ses recherches gardent un double objectif : employer les modèles pour explorer des problèmes scientifiques et comprendre ce qu’ils apprennent réellement lorsqu’ils manipulent des objets mathématiques.
Photo : Amaury Hayat (à gauche) et François Charton (à droite), Oberwolfach, 2025. Katrin Schmid, Archives of the Mathematisches Forschungsinstitut Oberwolfach. Source MFO, photo 27513, CC BY-SA 2.0 Allemagne. Version de la collection avec filigrane, non recadrée.
