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

Montréal, le 11 juin 2026 – IVADO a le plaisir d’annoncer le financement de sept nouveaux projets pour son programme Projets exploratoires.

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.

Projets de recherche soutenus

Exploration de la capacité d’un LLM d’agir en tant que médiateur dans le cadre de médiations complexes

Chercheur principal : Karim Benyekhlef, Faculté de droit (Université de Montréal)

Cochercheurs : Nicolas Vermeys  (Université de Montréal), Laurence Marquis (Sherbrooke), Hannes Westermann (Maastricht)

Montant octroyé : 100 000$

LLMediator est une plateforme de règlement en ligne des différends alimentée par de grands modèles de langage (LLM), conçue pour assister et, au besoin, compléter le travail des médiatrices et médiateurs humains dans la résolution de différends. Développée par le Laboratoire de cyberjustice sous la direction des Professeurs Karim Benyekhlef et Nicolas Vermeys, la plateforme exploite les capacités des LLM les plus avancés pour optimiser les processus de négociation et de médiation, en particulier dans le cadre de litiges à fort volume et à basse intensité. L’objectif du LLMediator est de transformer le règlement des différends en mettant l’intelligence artificielle au service d’une justice plus accessible, plus rapide et plus équitable pour toutes et tous.

Lingua Franca Econometrics : transformer des données probantes fragmentées en un corpus mondial exploitable pour l’apprentissage

Chercheuse principale : Evelyne Brie, Département de science politique (Université de Montréal)

Cochercheur : Philippe Goulet-Coulombe (UQAM)

Montant octroyé : 99 337$

Les progrès spectaculaires de l’intelligence artificielle reposent sur d’immenses quantités de données, un luxe que la prévision macroéconomique et politique n’a pas : les récessions et les crises sont rares, et les séries historiques sont courtes. Lingua Franca Econometrics renverse le problème : les données existent en abondance à l’échelle mondiale, mais chaque pays les collecte dans sa propre « langue » statistique, ce qui les rend incompatibles. Nous développons des algorithmes d’apprentissage profond qui apprennent automatiquement à traduire entre ces langues, ouvrant la voie à des prévisions d’inflation, de chômage et d’attitudes politiques nettement plus précises.

Controverses augmentées : IA générative, réalité virtuelle et pensée critique en contexte scolaire

Chercheur principal : Marc-André Éthier, Département de didactique (Université de Montréal)

Cochercheuse et cochercheurs : David Lefrançois (UQO), Normand Roy  (Université de Montréal), Kevin Péloquin  (Université de Montréal), Catherine Malboeuf-Hurtubise (Bishops), Alexandre Lanoix  (Université de Montréal)

Montant octroyé : 100 000$

Plutôt que de chercher à limiter l’usage de l’intelligence artificielle générative (IAG) à l’école, ce projet conçoit et expérimente des dispositifs numériques qui mobilisent l’IAG pour soutenir le développement de la pensée critique des élèves à son endroit. Il propose des situations de controverse et de dialogue de complexité croissante permettant de se questionner, d’analyser des sources, de chercher des preuves, de confronter des points de vue et d’expliciter des arguments. Réalisé en collaboration avec des milieux scolaires diversifiés, il vise à documenter les effets de ces dispositifs sur les capacités d’interprétation et de jugement des élèves.

ORBIT (Optimized Resource management for Broadband in Telco-satellite networks) : Gestion optimisée des ressources pour l’accès à large bande dans les réseaux intégrés de télécommunications et de satellites

Chercheuse principale : Gunes Karabulut Kurt, Département de génie électrique (Polytechnique Montréal)

Cochercheur : Wael Jaafar (ÉTS)

Montant octroyé : 100 000$

ORBIT explore comment l’intelligence artificielle peut aider les réseaux satellitaires et de télécommunications à partager leurs ressources plus efficacement afin d’améliorer l’accès à Internet haut débit dans les régions éloignées et mal desservies. Le projet coordonne des systèmes de satellites en orbite basse avec les réseaux terrestres afin de maintenir une connectivité fiable, équitable et adaptable à l’évolution de la demande. Ses résultats contribueront au développement d’une infrastructure de communication plus intelligente, durable et sécurisée pour les futurs réseaux 6G.

Cartographie autochtone des arbres géants du Darien

Chercheur principal : Étienne Laliberté, Département de sciences biologiques (Université de Montréal)

Cochercheuses : Catherine Potvin (McGill), Johanne Pelletier  (Université de Montréal)

Montant octroyé : 150 000$

Ce projet participatif en partenariat avec les communautés des terres collectives Emberá du Balsa (Darien, Panama) permettra de cartographier les arbres géants par drone et IA. Cette technologie sera transférée à la communauté afin qu’elle puisse mieux étudier et surveiller ses forêts. La recherche proposée permettra d’élargir considérablement la portée de cette surveillance de la forêt, en particulier de mieux comprendre la distribution et l’identité des arbres géants à travers le territoire. Ce dernier comprend la deuxième plus grande parcelle de forêt intacte et continue en Amérique après l’Amazonie et représente un foyer majeur de biodiversité.

ArchAIve (Advancing AI for Film Archive Annotation, Analysis and Indexing) : Faire progresser l’IA pour l’annotation, l’analyse et l’indexation des archives cinématographiques

Chercheur principal : Christopher Pal, Département de génie informatique et logiciel (Polytechnique Montréal)

Cochercheuse et cochercheurs : Andrew Zisserman (Oxford), Laurence McFalls (Université de Montréal), André Habib (Université de Montréal)

Montant octroyé : 100 000$

ArchAIve explore comment l’intelligence artificielle peut soutenir l’analyse, l’annotation et la découverte de films présentant un intérêt historique et culturel. En combinant des modèles avancés vision-langage et de grands modèles de langage avec l’expertise archivistique, le projet vise à aider les chercheuses et chercheurs ainsi que le grand public à mieux comprendre et contextualiser le patrimoine audiovisuel. S’appuyant sur un corpus de plus de 2 000 heures de films orphelins, ArchAIve développera des outils interactifs qui faciliteront la recherche, l’interprétation et l’étude archivistique des œuvres cinématographiques. Ses résultats contribueront à faire de l’intelligence artificielle un partenaire actif dans la préservation, l’exploration et la compréhension de l’histoire culturelle.

Réduire l’utilisation d’herbicides grâce à l’IA et à la robotique : développement d’un système collaboratif de véhicules autonomes aériens et terrestres pour la pulvérisation de précision

Chercheur principal : Shangpeng Sun, Département de génie des bioressources (McGill University)
Cochercheurs : Huong Nguyen (McGill), François Grondin (Sherbrooke)
Montant octroyé : 100 000$

Dans ce projet, nous développerons un réseau collaboratif aérien-terrestre intégrant des plateformes matérielles et des algorithmes logiciels alimentés par l’intelligence artificielle afin d’améliorer les pratiques de gestion des mauvaises herbes en production agricole. Un système de détection par véhicule aérien sans pilote sera conçu pour produire des cartes géoréférencées précises des mauvaises herbes à l’échelle de champs entiers, tandis qu’un système de détection par véhicule terrestre sans pilote sera déployé pour effectuer une pulvérisation de précision dans les zones infestées identifiées. Ce projet vise à offrir une solution concrète pour réduire l’utilisation d’herbicides et favoriser une agriculture durable et résiliente.