SequeL est une équipe de recherche travaillant dans le domaine de l’apprentissage automatique ; plus précisément, SequeL est dédié à l’étude du problème de décision séquentielle dans l’incertain, c’est-à-dire, comment un « agent » ayant une certaine tâche à accomplir peut acquérir un comportement optimal afin de réaliser cette tâche, dans un environnement inconnu. SequeL est composé d’environ 25 membres. Les activités vont de la recherche fondamentale à la coneption d’algorithmes et la valorisation de ses recherches auprès d’entreprises. Les questions étudiées sont par exemple « Que peut apprendre efficacement une machine de Turing ? », ou dans un contexte budgétisé « étant donné une quantité de ressources de calcul, quelle est le meilleur comportement qui puisse être appris ? », ou encore des questions plus orientées vers des applications dans la recommandation de produits en ligne.

Les recherches menées dans SequeL ont produit le programme de jeu de Go multi-récompensé Crazy Stone; plusieurs doctorants de l’équipe ont vu leurs travaux récompensés par des prix Gilles Kahn, Jacques Neveu, ou encore ECCAI. SequeL a remporté la compétition “ICML 2011 Exploration vs. Exploitation” et la compétition “ACM RecSYS 2014”, toutes deux dans le cadre des systèmes de recommandation. L’expertise présente dans SequeL a débouché sur des collaborations avec de nombreuses entreprises internationales, nationales et des PMEs locales, parmi lesquelles nous citons Orange Labs, Intel, Technicolor, Deezer.