Depuis environ 10 ans, les réseaux de neurones profonds ont permis d'améliorer l'état de l'art dans de nombreux domaines comme la classification d'image, le traitement du langage naturel, les jeux, .... Cependant, étant une méthode d'apprentissage statistique à partir de données censées représenter le problème traité, les réseaux profonds souffrent de certaines limitations comme un manque de généralisation à des contextes différents et un manque de robustesse, des modifications mineures dans des images peuvent grandement impacter les performances. En pratique, ces problèmes peuvent limiter l'utilisation de telles technologies de reconnaissance dans des cas applicatifs réels, voire présenter des risques importants pour des domaines critiques (e.g. pour des voitures autonomes) et donc impacter la confiance accordée à ces systèmes. D'un point de vue plus théorique, cela tend à souligner que les motifs extraits par ces modèles ne reflètent pas correctement les notions d'objet.

Nous proposons d'attaquer ces limitations en nous inspirant du fonctionnement cognitif des animaux, y compris des humains. Le facteur principal qui ressort des études en sciences cognitives, neurosciences, philosophie, ... est que la cognition est incarnée et que la perception n'est pas un processus fixe de collecte de corrélations statistiques mais plutôt un processus actif et exploratoire. Il y a ainsi un décalage fondamental entre les représentations humaines et celles classiques en IA: tandis que les premières sont ancrées dans une expérience sensori-motrice riche, les autres sont typiquement passives et limitées à quelques modalités. Nous nous intéresserons plus particulièrement à la théorie des contingences sensori-motrices qui combine ces différents facteurs dans un cadre unifié. Les deux concepts principaux sont: les contingences sensori-motrices sont "la structure des règles qui gouvernent les changements sensoriels produits par les diverses actions motrices" et "La perception [...] est l'exploration par un organisme de son environnement, qui est arbitré par la connaissance des SMCs".

Dans cette thèse, nous proposons l'apprentissage par un agent autonome (i.e. non supervisé, générique et adaptable) de représentations efficaces et résilientes en appliquant les fondements conceptuels de la théorie des contingences sensori-motrices à l'apprentissage profond afin de surmonter ses limites fondamentales actuelles.