Luc Pommeret
LISN
Apprentissage efficace et adaptatif de petits modèles de langue. La thèse porte sur la conception de petits modèles spécialisés, capables de s'adapter à un domaine ou à un usage à moindre coût. Co-encadrée par Sophie Rosset et Eva Feillet au LISN (CNRS / Université Paris-Saclay), et par Christophe Séjourné et Erin Pacquetet chez SCIAM.
Luc a rejoint SCIAM en septembre 2026 en tant que consultant doctorant, dans le cadre d'une thèse CIFRE en traitement automatique des langues.
Avant de rejoindre l'équipe, il était ingénieur d'études au LISN (CNRS / Université Paris-Saclay), au sein de l'équipe STL, où il a travaillé sur les grands modèles de langue : extraction de propositions atomiques, interprétabilité mécanistique, reconnaissance d'écriture manuscrite sur documents historiques. Il y a également encadré plusieurs stagiaires.
Son parcours est un peu atypique : classes préparatoires B/L, magistère d'économie-philosophie, master LOGOS (logique mathématique et philosophie des sciences) puis M2 LOPHISC à Paris 1 Panthéon-Sorbonne. Cette formation en logique formelle irrigue sa façon d'aborder l'IA, entre exigence de rigueur et applications concrètes.
Ses travaux ont été présentés à LREC, TALN et EMNLP, et son équipe a remporté la première place de la campagne d'évaluation EvaLatin 2026 sur l'analyse syntaxique du latin. Passionné de langues anciennes, il consacre une partie de son temps libre à développer des outils de TAL pour le latin et le grec ancien.