IVADO dévoile sept nouveaux projets de recherche soutenus dans le cadre de son programme Projets exploratoires 2024-25

Montréal, le 9 avril 2025 – IVADO a le plaisir d’annoncer le financement de sept nouveaux projets dans le cadre de son programme Projets exploratoires. Ces initiatives s’ajoutent aux trois projets lauréats dévoilés en novembre dernier.

Lancé l’an dernier, ce programme soutient des projets de recherche de petite ou moyenne envergure, innovants et audacieux, idéalement intersectoriels ou interdisciplinaires, permettant d’explorer des idées nouvelles en lien avec l’initiative IAR³ d’IVADO. Il vise particulièrement à aider au développement de projets en phase d’exploration, notamment via le financement d’étudiantes et d’étudiants des cycles supérieurs ou de niveau postdoctoral travaillant sur ces projets. Vous pouvez consulter la page du programme des Projets exploratoires pour plus de détails.

Sept nouveaux projets financés

Simulations pour résoudre les problèmes de manipulation à l’échelle de la société

Chercheuse principale : Reihaneh Rabbany, École d’informatique (McGill)

Cochercheur : Jean-François Godbout (Université de Montréal)

Montant octroyé : 100 000$

Ce projet vise à développer un simulateur de systèmes sociaux afin d’étudier et de contrer la manipulation alimentée par l’intelligence artificielle au sein des communautés en ligne. Le simulateur utilisera des grands modèles de langage pour créer des environnements sociaux réalistes et des comportements d’agents crédibles. Cela permettra de tester différentes stratégies de défense contre les tactiques de manipulation, d’approfondir notre compréhension des menaces liées à l’IA et d’éclairer les décisions en matière de politiques publiques.

L’étendue psychologique des grands modèles de langage : une étude de la robustesse, de la mise à l’échelle et du réglage fin des traits de personnalité pour une IA responsable

Chercheur principal : Guillaume Dumas, Département de psychiatrie et d’addictologie (Université de Montréal)

Cochercheurs : Irina Rish (Université de Montréal), Tommaso Tosato (Université de Montréal)

Montant octroyé : 100 000$

Notre projet étudie comment les grands modèles de langage (comme ChatGPT) affichent diverses réponses socio-émotionnelles, et évalue leur sécurité pour des applications sensibles comme le soutien en santé mentale et l’éducation. Nous développons des tests innovants pour mesurer si ces modèles de réponse restent cohérents ou fluctuent de manière inattendue lors d’interactions prolongées. Notre équipe crée également des techniques pour affiner ces comportements d’IA, les rendant plus fiables et appropriés lors d’interactions avec des personnes dans des contextes sensibles.

Cartographie et alignement des dimensions cognitives humaines des LLM à l’aide de la recherche sur les psychédéliques et des modèles fondamentaux

Chercheur principal : Guillaume Lajoie, Département de mathématiques et de statistique (Université de Montréal)

Cochercheurs : Danilo Bzdok (McGill); Thomas Ray, Paul Wren, Nicholas Cammarata (Mindstate)

Montant octroyé : 100 000$

Ce projet utilise les données de la pharmacologie et de la phénoménologie des psychédéliques pour développer des modèles d’apprentissage automatique capables de simuler les mécanismes moléculaires régissant la conscience humaine. À court terme, ces modèles pourraient accélérer la conception de médicaments psychédéliques ciblant des aspects spécifiques de la conscience humaine dans des contextes thérapeutiques. À long terme, le projet vise à aligner les grands modèles de langage (LLMs) avec les attributs cognitifs humains, afin de mieux comprendre et ajuster leurs interactions et raisonnements, ouvrant ainsi la voie à des applications innovantes en médecine clinique.

Émulateur climatique causal

Chercheur principal : David Rolnick, École d’informatique (McGill)

Cochercheur : Peer Nowack (Karlsruhe Institute of Technology)

Montant octroyé : 100 000$

Avec l’intensification des tempêtes, incendies, sécheresses et extrêmes de température causée par le changement climatique, une modélisation climatique de plus en plus précise devient essentielle. Afin de pallier la lenteur de ces modèles, souvent trop longs pour atteindre une grande précision, nous recourons à des outils d’intelligence artificielle pour les accélérer. Concrètement, nous développons des émulateurs causaux basés sur l’IA qui exploitent les données pour identifier les relations de cause à effet dans le climat, puis utilisent ces liens pour prédire rapidement les évolutions futures.

Accélérer les découvertes scientifiques sur le cosmos grâce à l’IA avancée en radioastronomie

Chercheuse principale : Julie Hlavacek-Larrondo, Département de physique (Université de Montréal)

Cochercheurs : Sarath Chandar (Polytechnique), Kristine Spekkens (Queen’s), Siamak Ravanbakhsh (McGill), Adrian Liu (McGill), Laurence Perreault-Levasseur (Université de Montréal)

Montant octroyé : 97 000$

L’un des plus grands projets scientifiques de l’histoire, le Square Kilometre Array Observatory (SKAO), produira des images si révolutionnaires qu’elles prévoient de transformer notre compréhension des trous noirs, de la matière et de l’énergie sombres — et prévoient même de révéler les premiers signes de vie ailleurs dans l’Univers. Mais une étape cruciale reste un obstacle : chaque image est floutée par l’instrument, et corriger cet effet demande des ressources informatiques colossales. Nous visons à révolutionner l’astrophysique en développant un nouveau type de réseau de neurones pour la radioastronomie qui combine les dernières avancées en intelligence artificielle pour automatiser et accélérer ce processus, ouvrant la voie à une nouvelle ère de découvertes sur l’Univers.

Nouvelle méthode en médecine de précision avec un comptage qui tient compte des données manquantes : Améliorer la qualité des soins pour les personnes atteintes de sclérose en plaques

Chercheuse principale : Janie Coulombe, Département de mathématiques et de statistique (Université de Montréal)

Cochercheuses : Miceline Mésidor (INRS), Mireille Schnitzer (Université de Montréal), Christel Renoux (McGill)

Montant octroyé : 57 500$

Le but de ce projet est de développer une nouvelle approche statistique robuste et efficace qui nous permettra de dériver des règles de traitement optimales pour les patients souffrant de sclérose en plaques. Ces règles seront développées de sorte à choisir, pour une personne donnée, le meilleur traitement à prescrire selon ses caractéristiques personnelles, dans le but de réduire son nombre de rechutes. La nouvelle approche statistique considérera plusieurs complexités dans les données pouvant affecter notre inférence, comme la censure du suivi des patientes et patients par différentes causes incluant le décès.

Efficacité computationnelle par l’apprentissage des heuristiques perceptuelles dans les réseaux neuronaux biologiques et artificiels

Chercheur principal : Shahab Bakhtiari, Département de psychologie (Université de Montréal)

Cochercheur : Christopher Pack (McGill)

Montant octroyé : 99 800$

Le cerveau humain apprend les tâches visuelles en utilisant des raccourcis mentaux (ou heuristiques perceptuelles) qui consomment moins d’énergie que les méthodes d’optimisation intensives utilisées par les systèmes d’intelligence artificielle (IA). L’adoption de ces stratégies pourrait expliquer pourquoi le cerveau peut apprendre en continu en utilisant l’énergie d’une ampoule, tandis que l’entraînement des IA peut consommer autant d’électricité que des centaines de foyers. Ce projet vise à comprendre les mécanismes neuronaux derrière ces raccourcis d’apprentissage efficaces afin de développer des systèmes d’IA plus économes en énergie.

Trois projets lauréats dévoilés en novembre dernier

Réseaux électriques à grande échelle : transition vers la carboneutralité

Chercheur principal : Michel Denault, Département de sciences de la décision (HEC Montréal)

Cochercheurs : Maryam Daryalal (HEC), Pierre-Olivier Pineau (HEC)

Montant octroyé : 100 000$

La transition vers des systèmes énergétiques carboneutres pose de nouveaux défis, notamment en raison de l’essor des énergies renouvelables et de leur imprévisibilité. Pour y répondre, le professeur Denault et son équipe explorent l’utilisation de l’apprentissage par renforcement afin de mieux planifier l’expansion du réseau électrique. Ils cherchent aussi à améliorer la programmation stochastique grâce aux réseaux neuronaux, pour optimiser la gestion de ce réseau complexe.

Tirer profit de l’anatomie des racines à l’aide de l’IA pour améliorer la santé des sols et l’acquisition des ressources dans un climat changeant

Chercheur principal : Davoud Torkamaneh, Département de phytologie (Université Laval)

Cochercheur : Shangpeng Sun (McGill)

Montant octroyé : 100 000$

Les racines des plantes, bien que cruciales, demeurent peu étudiées malgré leur impact sur la résilience climatique, l’absorption du CO₂ et l’acquisition de minéraux. Le projet du professeur Torkamaneh vise à créer un modèle d’IA pour classifier les systèmes racinaires, en s’appuyant sur des images 3D et des réseaux neuronaux convolutifs. Cette initiative mènera à la première base de données mondiale dédiée aux racines, avec des retombées concrètes pour l’agriculture, notamment le développement de variétés de soja mieux adaptées au climat canadien.

Quantification et contrôle de la précision dans l’apprentissage automatique scientifique

Chercheur principal : Serge Prudhomme, Département de mathématiques et de génie industriel (Polytechnique Montréal)

Cochercheur : Simone Brugiapaglia (Concordia)

Montant octroyé : 100 000$

Le développement de nouvelles approches en sciences numériques (scientific computing) basées sur l’apprentissage automatique soulève des défis liés à leur interprétabilité et leur performance face aux méthodes traditionnelles. Ce projet vise à mieux outiller les praticiens de l’apprentissage automatique pour la formulation des problèmes, la conception de l’architecture, les stratégies d’échantillonnage et le réglage des hyperparamètres. L’objectif est de quantifier et contrôler les erreurs des approximations en apprentissage profond, avec des retombées dans des domaines comme l’aérospatiale, le génie mécanique et la science des réseaux.