Thématiques de recherche
Mes travaux actuels portent principalement sur l'équité algorithmique (fairness) et les garanties théoriques de type PAC-Bayésien, aussi bien pour borner le risque de classifieurs stochastiques et déterministes que pour des mesures de risque plus générales (f-entropic risk measures). Je m'intéresse également à la compression des grands modèles de langage (quantification), à son effet sur leur confiance et leurs biais, ainsi qu'à des méthodes de quantification qui prennent en compte l'équité (bias-aware quantization).
Une autre partie de mes recherches porte sur l'évaluation de l'alignement moral et éthique des modèles de langage, ainsi que sur l'analyse de survie appliquée à l'oncologie, en combinant comptes rendus médicaux et théorie des signatures de chemins (rough path signature theory). Ces travaux prolongent mes recherches initiales sur l'apprentissage à partir de données déséquilibrées, avec des applications à la détection de fraude bancaire, via l'apprentissage d'une représentation adaptée des données (metric learning), des techniques d'apprentissage coût-sensible et l'optimisation de mesures adaptées à ce contexte (F-mesure), ainsi que sur l'adaptation de domaine (domain adaptation) et la programmation semi-définie positive.
Publications
La liste complète de mes publications est disponible sur mon profil Google Scholar ou sur la page Publications. Voici une sélection de travaux représentatifs.
SigBERT: Combining Narrative Medical Reports and Rough Path Signature Theory for Survival Prediction in Oncology
36th European Conference on Machine Learning & Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD), Porto, Portugal, septembre 2025
When Quantization Affects Confidence of Large Language Models?
2024 Annual Conference of the North American Chapter of the Association for Computational Linguistics — Human Language Technologies (NAACL-HLT), Mexico City, Mexique, juin 2024
HISTOIRESMORALES: A French Dataset for Assessing Moral Alignment
NAACL (Long Papers), Albuquerque, USA, avril 2025
Learning from Few Positives: a Provably Accurate Metric Learning Algorithm to Deal with Imbalanced Data (IJCAI 2020)
29th International Joint Conference on Artificial Intelligence (IJCAI), Yokohama, Japon, juillet 2020
From Cost-Sensitive Classification to Tight F-Measure Bounds (AISTATS 2019)
22nd International Conference on Artificial Intelligence and Statistics (AISTATS), Naha, Okinawa, Japon, avril 2019
Projets et contrats
Projet inter-laboratoire FIL (Fédération Informatique de Lyon), co-responsable avec S. Bouchenak : Conformal Federated Learning for Medical Data (2025 - 2027), 9k€
SMAD-CC (ShapeMed Lyon, ANR), co-responsable avec L. Verlingue : SMArt Data for improved machine learning in Cancer Care (2024 - 2025), 130k€
ANR DIKé : Bias, fairness and ethics of compressed NLP models (2022 - 2025), membre du projet
Projet inter-laboratoire FIL (Fédération Informatique de Lyon), co-responsable avec E. Morvant : PAC-Bayesian Fair Learning (2023 - 2024), 7k€
Projet inter-laboratoire FIL, co-responsable avec E. Morvant : Random Fourier Features for PAC-Bayesian Domain Adaptation (2021 - 2022), 4k€
ANR LIVES : Learning with interacting views (2019 - 2020), membre du projet (post-doctorat)
Encadrement de thèses
Julien Bastian, Approche théorique de l'apprentissage multimodal équitable, septembre 2025 - ..., financée par l'ANR FAMOUS, co-encadrée avec C. Largeron et E. Morvant
Irina Proskurina, Towards an Ethical Compression of Deep Learning Models, septembre 2022 - mars 2026, financée par l'ANR DIKé, co-encadrée avec J. Velcin
Eliz Peyraud, Modeling transplant outcomes from complex data, mars 2022 - novembre 2025, thèse CIFRE avec l'Institut Georges Lopez, co-encadrée avec J. Jacques
Stagiaires de recherche
Alioune Diop, Univ. Lyon 1, Modèles de Mélanges de Cox Pénalisés, mars-septembre 2026, co-encadré avec J. Jacques
Maryam Hoseini BehBahani, Univ. Lyon 1, Practical and Scalable Conformal Prediction, mars-septembre 2025, co-encadré avec S. Chrétien
Cédric Leclerc, Univ. Lyon 1, Uncertainty Quantification in Machine Learning Using Conformal Prediction, avril-septembre 2026, co-encadré avec S. Chrétien
Julien Bastian , Univ. Lyon 2, Fairness and domain generalization, mars-août 2024, co-encadré avec E. Morvant
Hind Atbir,, ENS Lyon, PAC-Bayesian Fair Learning, février-juillet 2024, co-encadrée avec F. Cherfaoui, E. Morvant et P. Viallard
Mickaël Gault, Univ. Jean Monnet, Learning fair kernel classifier under constraints, mars-juillet 2024, co-encadré avec E. Morvant
Julien Bastian, Univ. Lyon 2, Random Fourier Features, PAC-Bayes and Domain Adaptation, mars-juillet 2023, co-encadré avec E. Morvant
Irina Proskurina, Univ. Clermont-Ferrand, Towards an Ethical Compression of Deep Learning Models, avril-septembre 2022
Alexiane Fraisse, Univ. Jean-Monnet, Random Fourier Features and Domain Adaptation, avril-juillet 2022, co-encadrée avec E. Morvant et P. Viallard
Contact
- Adresse
- Laboratoire ERIC, bureau K73
5 avenue Pierre Mendès France
69500 Bron, France - Téléphone
- (+33) 6 99 20 44 22
Liens
- guillaume.metzler@univ-lyon2.fr
- Publications
- Google Scholar
- Profil
Stages / Thèses
Offre de stage à venir en pour printemps 2027.