SJTU·SPEIT
Lorsque l'on parle d'intelligence artificielle (IA), beaucoup pensent immédiatement aux grands modèles capables de converser, de générer des images ou d'écrire du code.
Pourtant, dans des domaines interdisciplinaires de pointe, l'IA tente aujourd'hui de comprendre un signal beaucoup plus discret, mais aussi bien plus complexe : l'activité électrique du cerveau humain.
▲脑电概念图
Les signaux d'électroencéphalographie (EEG) sont extrêmement faibles, mais ils renferment une quantité considérable d'informations. Ils peuvent être liés aux variations émotionnelles, contribuer à mieux comprendre la manière dont le cerveau traite les informations sémantiques et, à l'avenir, soutenir des applications telles que les interfaces cerveau-machine, la rééducation intelligente ou encore l'interaction homme-machine. Cependant, permettre aux machines d'interpréter réellement les signaux EEG demeure une tâche particulièrement difficile. Les différences entre individus, contextes et tâches sont importantes, ce qui limite souvent la capacité de généralisation des modèles traditionnels.
Récemment, les résultats de la sélection des mémoires de licence d'excellence de la promotion 2026 de l'Université Jiao Tong de Shanghai (SJTU) ont été annoncés. Junyu Pan, étudiant de premier cycle à l'Ecole d'Ingenieurs Paris SJTU (SPEIT), a reçu cette distinction prestigieuse pour son mémoire de fin d'études intitulé Décodage des émotions, de la sémantique et de la vision à partir de signaux EEG grâce aux grands modèles multimodaux. Le taux de sélection n'était que de 1 %.
▲上海交通大学2026届本科生毕业典礼现场
Lorsqu'il a appris la nouvelle, il s'est déclaré très heureux.
Pour lui, cette distinction représente bien davantage que l'achèvement d'un mémoire : elle constitue l'aboutissement de quatre années de formation à la recherche durant son cursus universitaire.
Depuis sa première entrée au Centre de recherche sur le calcul inspiré du cerveau et l'intelligence des machines (BCMI) de la SJTU, durant l'été suivant sa première année d'études, jusqu'à son stage ultérieur chez Microsoft Research Asia, où il a approfondi son sujet de recherche, Junyu Pan a progressivement transformé d'innombrables heures de lecture scientifique, de reproduction d'expériences, de réorientation de projets et de révision d'articles en ce mémoire récompensé.
Des signaux EEG aux grands modèles multimodaux
Junyu Pan est diplômé du Wenzhou Yuying International Experimental School. Au lycée, il a bénéficié d'une solide formation en mathématiques et a participé à plusieurs compétitions dans cette discipline. Après son admission au SPEIT, il a choisi la spécialité Génie de l'information, étroitement liée aux mathématiques. À mesure que ses études et ses activités de recherche progressaient, ses centres d'intérêt se sont progressivement précisés.
La question qui l'intéressait peut être formulée simplement : les grands modèles multimodaux peuvent-ils aider l'IA à mieux comprendre les signaux EEG ?
Dans son mémoire de licence, il a cherché à relier les signaux EEG aux images et au langage. Son travail explore la possibilité de projeter les signaux cérébraux dans un espace sémantique unifié associant vision et langage, afin de permettre à un même modèle d'effectuer des tâches variées telles que la reconnaissance des émotions, la compréhension sémantique ou encore la reconstruction visuelle.
Selon lui, ce type de recherche pourrait, à terme, contribuer au diagnostic de la dépression, à la détection de l'épilepsie ou au contrôle d'exosquelettes.
Bien que ces sujets paraissent très avancés, son point de départ était en réalité très simple.
▲Photo : Junyu Pan lors de l'exposition des mémoires de licence d'excellence de la promotion 2026
Une première immersion en laboratoire dès la première année
L'intérêt de Junyu Pan pour la recherche sur l'EEG remonte à l'été de sa première année universitaire.
Grâce aux abondantes ressources de recherche et à l'excellence du corps enseignant du SPEIT, il a intégré le laboratoire BCMI et a commencé à travailler officiellement sur des projets liés à l'EEG.
À ses débuts, ses connaissances théoriques et son expérience pratique étaient encore limitées. Sous la direction du professeur associé Weilong Zheng, il a commencé par des travaux fondamentaux : lecture d'articles scientifiques, reproduction d'expériences, analyse de résultats et apprentissage de la rédaction académique.
▲Photo : Junyu Pan aux côtés de son directeur de mémoire, le professeur associé Weilong Zheng
Au fil du temps, il a acquis davantage d'autonomie et développé son propre jugement scientifique.
Durant l'été de sa deuxième année, il a effectué son premier stage en entreprise. Cette expérience lui a permis de comprendre qu'il était probablement davantage attiré par la recherche que par des activités principalement orientées vers l'ingénierie appliquée.
Un tournant s'est produit lorsqu'il lisait des publications de pointe. Il a découvert qu'un article qui l'avait particulièrement marqué avait été réalisé avec la participation d'un ancien étudiant de son laboratoire lors d'un stage chez Microsoft Research Asia. Plus tard, il a également appris qu'un ancien camarade de lycée y effectuait lui aussi un stage.
Avec l'aide de son encadrant, il a obtenu une recommandation interne. Après plusieurs entretiens, il a rejoint avec succès Microsoft Research Asia.
C'est à cette période qu'il a découvert des perspectives de recherche plus larges et des problématiques scientifiques encore plus avancées.
Ses travaux sont progressivement passés de la reconnaissance des émotions par EEG à l'étude de modèles fondamentaux généraux capables de traiter de multiples scénarios et tâches.
Sous la codirection du professeur associé Weilong Zheng (SJTU) et du chercheur Yansen Wang (Microsoft Research Asia), il a continuellement affiné ses questions de recherche jusqu'à concentrer son mémoire sur le développement d'un grand modèle EEG général intégrant à la fois compréhension et génération.
L'évolution rapide de l'IA oblige à repenser constamment les questions de recherche
« Le développement rapide de l'IA a-t-il influencé vos recherches ? »
Sa réponse est sans hésitation : oui.
Mais, selon lui, cette influence est réciproque.
Le domaine de l'intelligence artificielle évolue à une vitesse remarquable. De nouvelles technologies, de nouveaux modèles et de nouveaux articles scientifiques apparaissent en permanence.
Pour un étudiant de premier cycle, le défi ne consiste pas seulement à suivre les avancées du domaine, mais aussi à se demander continuellement si la question étudiée demeure pertinente, si la méthode utilisée conserve sa valeur et si l'orientation du projet doit être révisée.
Tout au long de son mémoire, il a régulièrement consulté la littérature scientifique la plus récente et échangé avec ses encadrants académiques et industriels.
Leurs conseils lui ont permis de clarifier progressivement son cadre de recherche et de mieux définir les priorités de son travail.
Les outils d'IA ont également participé à son processus de rédaction.
Il reconnaît qu'ils lui ont permis de gagner un temps précieux dans l'organisation bibliographique et la rédaction des premières versions.
Cependant, la rédaction d'un véritable article scientifique exige toujours une logique rigoureuse, des résultats expérimentaux solides et de nombreuses révisions.
Construire des bases solides au SPEIT
En tant qu'étudiant en Génie de l'information au SPEIT, Junyu Pan a bénéficié durant les premières années de son cursus d'une formation intensive en mathématiques et en sciences fondamentales.
Cette formation lui a progressivement permis d'aborder des problèmes inconnus, de décomposer des situations complexes et de persévérer dans la recherche de solutions.
Il reconnaît avoir ressenti une forte pression à son arrivée à l'Institut. Les enseignements étaient nombreux, avec une place importante accordée aux mathématiques et au français. Comme beaucoup d'étudiants fraîchement diplômés du lycée, il se sentait parfois perdu face à la diversité des possibilités qui s'offraient à lui.
Le changement est intervenu lorsqu'il a décidé, simplement pour essayer, d'intégrer un laboratoire de recherche.
▲ Photo : salle de cours du SPEIT
Selon lui, le modèle de formation intégré licence-master du SPEIT offre une grande liberté d'exploration. Tout en accomplissant leurs obligations académiques, les étudiants peuvent s'engager dans des laboratoires ou effectuer des stages en entreprise afin d'explorer librement leurs centres d'intérêt dans des contextes réels de recherche et d'innovation.
Son stage chez Microsoft Research Asia bénéficiait également d'une grande flexibilité, notamment grâce à la possibilité de travailler à distance, ce qui lui a permis de concilier études et recherche.
La recherche n'est jamais un long fleuve tranquille
Au cours de ses études, Junyu Pan a connu des refus de publication, des changements d'orientation scientifique et des difficultés expérimentales.
Au début, les refus d'articles étaient particulièrement décourageants. Avec l'expérience, il a appris à mieux gérer ces situations.
« Aujourd'hui, l'acceptation d'un article dans une conférence comporte aussi une part d'aléa. Il faut garder son calme », explique-t-il.
Derrière cette phrase se cache en réalité la confiance acquise progressivement au cours de sa formation à la recherche : comprendre que les échecs font partie du processus et que l'essentiel consiste à continuer d'avancer et de réfléchir.
▲Photo : bâtiment des laboratoires du SPEIT et nouveau bâtiment actuellement en construction
Après l'obtention de son diplôme, Junyu Pan poursuivra directement ses études de master au SPEIT tout en continuant ses recherches au sein du laboratoire BCMI. Ses travaux futurs porteront sur les modèles fondamentaux EEG généraux et leurs applications.
Selon lui, les grands modèles préentraînés sur d'immenses volumes de données ont déjà démontré des capacités de représentation remarquables. Inspiré par cette évolution, le domaine de l'EEG voit émerger ses propres modèles fondamentaux.
Toutefois, les ensembles de données EEG restent beaucoup plus modestes que ceux du texte ou de l'image, ce qui limite encore les performances de ces modèles.
Par conséquent, l'intégration des caractéristiques EEG dans des espaces sémantiques visuels et linguistiques plus riches grâce aux grands modèles multimodaux pourrait devenir l'une des orientations majeures des recherches futures sur les modèles EEG unifiés de compréhension et de génération.
Il y a quatre ans, Junyu Pan n'aurait jamais imaginé recevoir une telle reconnaissance à la fin de ses études de licence.
Son parcours montre qu'accéder à la recherche de pointe ne commence pas nécessairement par une ambition grandiose. Bien des progrès se construisent discrètement, loin des projecteurs.
Alors que les recherches à l'intersection de l'intelligence artificielle et des neurosciences continuent de progresser rapidement, une page se tourne avec la fin de ses études de premier cycle, tandis qu'une nouvelle aventure commence déjà.
策划｜宣传与招生办
来源｜本科生教务办
文｜根据访谈整理
图｜潘俊宇、李军艳等提供
责编｜周向雨