Jérôme Bolte

Jérôme Bolte, Edouard Pauwels et Quoc Tung Le, « Geometric and computational hardness of bilevel programming », Mathematical Programming, vol. 215, janvier 2026, p. 539–574.

Jérôme Bolte, Tam Le, Eric Moulines et Edouard Pauwels, « Inexact subgradient methods for semialgebraic functions », Mathematical Programming, 2026, à paraître.

Jérôme Bolte, Cyrille Combettes et Edouard Pauwels, « The Iterates of the Frank–Wolfe Algorithm May Not Converge », Mathematics of Operations Research, vol. 49, n° 4, novembre 2024, révision 10 juin 2026, p. 2049–2802.

Jérôme Bolte, Laurent Miclo et Stéphane Villeneuve, « Swarm gradient dynamics for global optimization: the mean-field limit case », Mathematical Programming, vol. 205, mai 2024, révision 10 juin 2026, p. 661–701.

Jérôme Bolte, Edouard Pauwels et Antonio Silveti-Falls, « Differentiating Nonsmooth Solutions to Parametric Monotone Inclusion Problems », SIAM Journal on Optimization, vol. 34, n° 1, 2024, révision 10 juin 2026, p. 71–97.

Jérôme Bolte, Lilian Glaudin, Edouard Pauwels et Matthieu Serrurier, « The backtrack Hölder gradient method with application to min-max and min-min problems », Open Journal of Mathematical Optimization, vol. 4, n° 8, 2023, 17 pages.

Jérôme Bolte, Edouard Pauwels et Samuel Vaiter, « Automatic differentiation of nonsmooth iterative algorithms », dans Advances in Neural Information Processing Systems 35, sous la direction de A. Oh, S. Koyejo, S. Mohamed, A. Agarwal, D. Belgrave et K. Cho, 2023, p. 77089–77103.

Jérôme Bolte, Edouard Pauwels et Samuel Vaiter, « One-step differentiation of iterative algorithms », dans Advances in Neural Information Processing Systems 36, sous la direction de A. Oh, T. Naumann, A. Globerson, K. Saenko, M. Hardt et Sydney Levine, 2023, p. 77089–77103.

Radu Dragomir, Adrien B. Taylor, Jérôme Bolte et Alexandre D'Aspremont, « Optimal complexity and certification of Bregman first-order methods », Mathematical Programming, vol. 194, juillet 2022, p. 41–83.

Jérôme Bolte, Tam Le, Edouard Pauwels et Antonio Silveti-Falls, « Nonsmooth Implicit Differentiation for Machine Learning and Optimization », dans Advances in Neural Information Processing Systems 34, sous la direction de M. Ranzato, A. Beygelzimer, Y. Dauphin, P.S. Liang et J. Wortman Vaughan, 2021, révision 10 juin 2026, p. 13537–13549.

Jérôme Bolte, David Bertoin, Sebastien Gerchinovitz et Edouard Pauwels, « Numerical influence of ReLU’(0) on backpropagation », dans Advances in Neural Information Processing Systems 34, sous la direction de M. Ranzato, A. Beygelzimer, Y. Dauphin, P.S. Liang et J. Wortman Vaughan, 2021, p. 468–479.

Jérôme Bolte, Zheng Chen et Edouard Pauwels, « The multiproximal linearization method for convex composite problems », Mathematical Programming, vol. 182, juillet 2020, p. 1–36.

Jérôme Bolte et Edouard Pauwels, « Conservative set valued fields, automatic differentiation, stochastic gradient methods and deep learning », Mathematical Programming, avril 2020, p. 1–33.

Jérôme Bolte et Edouard Pauwels, « A mathematical model for automatic differentiation in machine learning », dans Advances in Neural Information Processing Systems, sous la direction de Hugo Larochelle, M. Ranzato, R. Hadsell, M.F. Balcan et H. Lin, vol. 33, 2020.

Jérôme Bolte, Shoham Sabach et Marc Teboulle, « Nonconvex Lagrangian-based optimization: Monitoring schemes and global convergence », Mathematics of Operations Research, vol. 43, n° 4, novembre 2018, p. 1051–1404.

Adrien Blanchet et Jérôme Bolte, « A family of functional inequalities: Lojasiewicz inequalities and displacement convex functions », Journal of Functional Analysis, vol. 25, n° 7, octobre 2018, p. 1650–1673.

Jérôme Bolte, Shoham Sabach, Marc Teboulle et Y. Vaisbourd, « First order methods beyond convexity and Lipschitz gradient continuity with applications to quadratic inverse problems », SIAM Journal on Optimization, vol. 28, n° 3, 2018, p. 2131–2151.

Jérôme Bolte, Antoine Hochart et Edouard Pauwels, « Qualification conditions in semi-algebraic programming », SIAM Journal on Optimization, vol. 28, n° 2, 2018, p. 1867–1891.

Jérôme Bolte, Trong-Phong Nguyen, Juan Peypouquet et Bruce W. Suter, « From error bounds to the complexity of first-order descent methods for convex functions », Mathematical Programming, vol. 165, n° 2, octobre 2017, p. 471–507.

Catherine Bobtcheff, Jérôme Bolte et Thomas Mariotti, « Researcher's Dilemma », The Review of Economic Studies, vol. 84, n° 3, juillet 2017, p. 969–1014.