Scientifique en résidence

Le programme « Scientifique en résidence » d’IVADO s’adresse aux startups désireuses de recevoir l’expertise scientifique d’un doctorant ou d’une doctorante en intelligence artificielle ou science des données, afin d’acquérir de nouvelles compétences et de valider, orienter et faire progresser leur projet de R&D dans la bonne direction.

Le doctorant ou la doctorante qui participe à ce programme acquiert une expérience de transfert de compétence complémentaire et pertinente à son cursus académique par l’entremise d’une expérience concrète en milieu entrepreneurial. Cette expérience en entreprise lui permettra d’agir concrètement sur la croissance des startups québécoises à la fine pointe des avancées technologiques en intelligence artificielle.

** Par projet de R&D, nous entendons un projet stratégique en développement et non un projet qui a pour but une commercialisation rapide d’un produit ou d’un service.

Tout projet qui relève de l’intelligence artificielle et de ses applications, par exemple :

• Intelligence d’affaires
• Recherche opérationnelle
• Science des données
• Visualisation des données
• NLP
• Apprentissage automatique
• Etc.

Pour des exemples de mandats, voici le résumé de quelques offres des éditions précédentes.

1. Maket

Architecture générative basée sur les graphes

Maket offre une plateforme permettant aux architectes de faciliter la création et le prototypage de nouveaux concepts d’architecture grâce à l’intelligence artificielle. En quelques secondes, Maket permet à l’architecte de générer une panoplie de nouveaux concepts basés sur les besoins de son client, et ce, dans un environnement collaboratif pour ainsi faciliter la communication et la présentation du projet à celui-ci. Le client peut donc mettre des annotations sur les plans et ainsi collaborer avec son architecte dans la phase conceptuelle juste avant de transférer le tout dans Autocad pour finaliser les plans techniques.

Actuellement, Maket permet à l’architecte de générer une centaine d’esquisses de plans d’architecture en quelques secondes basés sur quelques critères clients. Le résultat actuel est une image générée via des generative adversarial network (GAN). Maket souhaiterait développer un pipeline génératif complet qui s’adapte à un maximum de contraintes permettant de rendre un plan d’étage éditable et malléable pour ainsi produire des plans qui répondent exactement aux besoins des architectes. Notre objectif est d’utiliser cette technologie pour améliorer l’efficacité, la durabilité et la qualité du processus de conception architecturale tout en atténuant les coûts et l’incertitude qui s’accumulent souvent au cours du processus.

Plus précisément, l’objectif est de pouvoir orienter notre équipe de recherche et développement vers des hypothèses plausibles et maximiser nos efforts de R&D. Le transfert de connaissance nous permettra de tester plus rapidement des hypothèses techniques. Actuellement, les technologies utilisées ne permettent pas de rendre un plan évolutif et ne traitent pas de manière exhaustive les contraintes de conceptions physiques et réglementaires que le bâtiment doit avoir pour maximiser son efficacité. Plusieurs de nos clients ont manifesté le désir de non seulement générer un plan d’architecture à l’aide de contraintes spécifiques, mais également de pouvoir déplacer les pièces et agrandir le projet suite à la production du plan par notre algorithme. Nous espérons déployer un système servant d’outil de conception itératif que les architectes pourront utiliser pendant leur processus de création. L’architecte pourra définir les contraintes qui seront entrées dans le système et ceux-ci seront renvoyés sous forme de graphiques représentant un plan d’étage qui respecte les contraintes fournies. Si l’architecte souhaite itérer sur un plan d’étage que le système aura produit, il pourra modifier les contraintes (ajouter des nœuds et changer des priorités de nœuds) pour ensuite générer un nouveau graphique à partir du graphique de base en prenant en considération les nouvelles contraintes à jour.

Profil recherché :

• Théorie des graphes
• Apprentissage automatique

2. Acrylic Robotics

L’apprentissage automatique au service des beaux-arts (projet en anglais)

Acrylic Robotics est une entreprise de robotique basée à Montréal dont la mission est de rendre l’art accessible au grand public. Notre technologie permet aux artistes de réaliser des répliques peintes de pièces originales en édition limitée – comme une presse à imprimer pour l’art peint.

Notre système de capture de mouvement recueille des données sur chaque coup de pinceau et crée un fichier d’empreintes digitales qui est envoyé à nos robots peintres pour donner vie à l’œuvre, en rejouant chaque coup couche par couche avec de la vraie peinture sur la toile. Une boucle de rétroaction optique alimentée par l’apprentissage automatique garantit que le robot corrige ses erreurs et améliore continuellement sa technique pour correspondre au mieux au style de l’artiste. Nous faisons partie de la cohorte Next AI Montréal cet été et avons déjà participé à Centech (Propulsion), Next 36 et au Creative Destruction Lab (AI stream).

Acrylic souhaite développer une solution d’apprentissage automatique capable d’estimer avec précision la pose d’un pinceau correspondant à l’image d’un trait de peinture. Le projet proposé impliquera l’utilisation de l’apprentissage par renforcement pour combiner à la fois des données de séries temporelles et des images afin de développer un modèle capable d’effectuer une rétro-ingénierie de la trajectoire du pinceau nécessaire à la création d’un coup de pinceau cible. Cela nous permettra de faire évoluer notre méthode de collecte de données en remplaçant les coûteuses caméras optiques de capture de mouvement par des caméras normales, ce qui nous permettra de recueillir des données auprès d’artistes du monde entier à un coût initial beaucoup plus faible.

Profil recherché :

• Apprentissage par renforcement
• Robotique
• vision par ordinateur
• Reconnaissance des mouvements

3. Greenplay

Détection automatique des modes de transports

Greenplay vise à simplifier vos initiatives de mobilité active ou durable par l’introduction de mesures fiables, de défis amusants et de récompenses tangibles. Notre mission est d’inspirer les communautés à adopter des comportements en faveur du développement durable à l’aide d’une technologie innovante, fiable et simple d’utilisation. Ce que nous souhaitons avant tout c’est mettre l’humain et l’innovation au cœur des initiatives de mobilité durables

L’objectif de ce projet est d’explorer de nouvelles façons d’améliorer nos outils de détection des modes de transports (autobus, le train, le métro, la voiture, la marche, la course, le vélo et le covoiturage) par des technologies innovantes et de nouveaux procédés. L’objectif est de travailler avec notre équipe de développeurs pour mettre en place de méthodes exploratoires pour augmenter la fiabilité de l’algorithme et des procédés.

Profil recherché :

• Apprentissage automatique
• Statistiques et analyse de données
• intérêt pour le jeu ludique (gamification)
• Bonne connaissance de la géolocalisation et des données provenant des senseurs des appareils mobiles
• Python et Protocol buffer (GTFS)
• Tensorflow

Objectifs 

Ce programme répond à l’objectif de favoriser le transfert d’expertises académiques dans les startups. Cet objectif est réalisé par l’entremise de formations et d’activités de transfert sur mesure développées par l’étudiant ou l’étudiante au doctorat pour les besoins d’un projet de R&D d’une startup. Ainsi, l’étudiant ou l’étudiante acquiert une expérience complémentaire à son cursus académique, et la startup bénéficie de ce transfert de connaissance et se positionne en tant que leader scientifique dans son domaine.

Rôles et responsabilités

La formation sur mesure sera coordonnée par IVADO et livrée par un étudiant ou une étudiante au doctorat spécialiste du domaine, en collaboration étroite avec la startup impliquée. Voici les rôles et responsabilités des différentes parties.

Formateur ou formatrice

• Identification des objectifs de transfert de connaissance;
• Identification des problématiques pertinentes à aborder;
• Identification et formations sur les méthodes et outils technologiques disponibles;
• Validation des méthodes et outils proposés;
• Transfert de connaissance et accompagnement;
• Remise des documents élaborés au fil des semaines, par exemple : état de l’art, documentation sur les outils et les méthodes proposées, plan d’adoption et prochaines étapes.

Startup (une fois sélectionnée)

• Identification et mobilisation de l’équipe de R&D responsable du projet;
• Identification des problématiques pertinentes à aborder durant la formation et transparence sur les solutions déjà testées;
• Disponibilité, transparence et ouverture au transfert de connaissance à recevoir;
• Avant le début du mandat, paiement d’une contribution de 2010$ +tx.

IVADO

• Coordination et gestion de l’appel à candidatures aux startups;
• Réception, évaluation et sélection des soumissions;
• Communication et identification des formateurs ou formatrices intéressées par le programme et les projets de R&D sélectionnés;
• Gestion administrative et financière du programme;
• Rencontre de démarrage et de suivi en cours de route pour assurer le bon déroulement et la satisfaction des partis;
• Évaluation post-formation et ajustement du déroulement.

• 5 février au 10 mars 2024 : appel à projets de R&D auprès des startups
• Semaine du 11 mars : analyse et sélection des projets retenus
• Semaine du 18 mars 2024 : divulgation des résultats aux startups et rencontre avec les startups retenues
• À partir du 18 mars 2024 :
  • communication et partage auprès des étudiantes et étudiants au doctorat
  • sélection et entente administrative
  • paiement de la contribution par la startup et transfert de la bourse
• À partir du 1^er mai 2024 : début de la formation et de l’accompagnement*

*La date de commencement est déterminée conjointement entre les parties.

Plan de transfert de connaissances

Le plan de transfert de connaissances couvrira les 3 volets du programme, soit la préparation et le démarrage, les formations et ateliers de validation, et le transfert. Le nombre de semaines consacrées à chaque étape ainsi que les principales tâches indiquées pourraient être sujettes à changement en fonction des spécificités de chaque projet. Suite à la première étape, un plan de formation et de transfert sera demandé.

Volet 1 : Préparation et démarrage

Compte tenu que « Scientifique en résidence » est un programme de transmission de connaissances appliquées à un projet de R&D en intelligence artificielle spécifique à chaque startup retenue, l’étape de préparation et de démarrage est essentielle au bon déroulement et à la satisfaction de toutes les parties.

Nous estimons que 3 semaines (45h) seront nécessaires à l’accomplissement de cette première étape. Les principales tâches s’articulent ainsi :

Volet 2 : Formations et ateliers de validation

Ce volet est le cœur du programme et, comme son nom l’indique, la période où le transfert de connaissances s’effectuera concrètement. Huit semaines (120h) sont prévues pour ce volet, ce qui permettra de transmettre les connaissances théoriques, méthodologiques et les outils pertinents au projet, de les tester en situation réelle, d’obtenir une rétroaction et d’ajuster au besoin.

Volet 3 : Transfert et accompagnement

Ce dernier volet consiste à assurer l’adoption des meilleures méthodologies et outils identifiés, et à compléter le transfert de connaissance selon l’avancée du projet de R&D. L’étudiant ou l’étudiante au doctorat accompagnera également la startup dans la définition des prochaines étapes du projet de R&D. Enfin, ce sera le moment de finaliser les documents (état de l’art, formations théoriques et pratiques, plan d’adoption, etc.) dont la startup participante pourra bénéficier à la fin du programme. Quatre semaines (60h) sont réservées à cet effet.

• Le programme est de 15 semaines et doit être réalisé entre le 1er mai et le 31 août 2024.
• Le doctorant ou la doctorante investit +/- 15 heures par semaine à travailler conjointement avec la startup.
• Grâce au financement offert par ScaleAI, la startup participante sera facturée par IVADO de seulement 2010$ + taxes.
• La facture doit être payée sur réception, avant le début du projet.
• Les doctorantes et doctorants recevront une bourse de 10 000$, administrée par leur université d’attache.
• Au total, 15 projets maximum seront financés.

Pour la startup

• Avoir moins de 20 employés;
• Avoir une équipe de R&D active dans le projet soumis;
• Faire partie ou avoir terminé un programme d’un organisme de soutien à l’entrepreneuriat reconnu (accélérateur ou incubateur) dans les trois dernières années;
• Payer une contribution de 2010$ + tx à IVADO avant le début du mandat.

Pour le doctorant ou la doctorante

• Être inscrit(e) à un programme de doctorat dans une université québécoise;
• Avoir l’appui de son ou sa superviseur(e) de thèse;
• Ne pas avoir de lien d’emploi ou d’équité avec la startup.

Pour l’étudiant ou l’étudiante au doctorat

Vous pouvez en tout temps manifester votre intérêt à participer au programme en écrivant simplement à entrepreneuriat@ivado.ca.

Votre courriel devrait comprendre :

• Si le programme est ouvert, un court paragraphe descriptif de votre expertise, votre CV et la startup que vous souhaitez accompagner parmi la liste sous l’onglet Projets de R&D sélectionnés;
• Si le programme n’est pas ouvert, un court paragraphe descriptif de votre expertise, votre CV ainsi que le secteur dans lequel vous souhaitez vous investir. Nous vous contacterons suite à la sélection des projets.

Une fois que la collaboration avec une startup sera confirmée, votre dossier devra être envoyé à entrepreneuriat@ivado.ca et comprendre :

1. Une lettre de motivation soulignant votre intérêt envers le projet de recherche et l’adéquation de votre expertise avec la réalisation du mandat (max. 1 page);
2. Votre CV dans un format libre;
3. Une lettre de soutien de votre superviseur(e) confirmant votre expertise par rapport au projet de recherche et son appui à votre démarche. Vous pouvez utiliser ce modèle.

Pour la startup

Remplir et soumettre ce formulaire avant le 10 mars 2024 à minuit. Toute soumission incomplète ou envoyée autrement que via le formulaire sera automatiquement rejetée.

– Période de candidature TERMINÉE (startup seulement) –

Pour l’évaluation des projets reçus, un comité sera composé de :

• Deux conseillères et conseillers au transfert technologique d’IVADO, dont la conseillère à l’entrepreneuriat;
• Une personne issue du milieu de la recherche;
• la conseillère en équité, diversité et inclusion (EDI).

Le comité évaluera les demandes et fera la sélection basée principalement sur le respect des critères d’admissibilité, la qualité du projet proposé et l’impact du projet dans l’entreprise (nombre de personnes à qui le transfert bénéficie). Le comité d’évaluation sera multidisciplinaire et conforme aux principes de l’EDI.

Obius

Optimisation des algorithmes de planification prédictive des achats, des réapprovisionnements et de la gestion d’inventaire

Obius est une plateforme d’optimisation des achats et des réapprovisionnements pour les entreprises e-commerce et de détail. Sa solution permet d’automatiser les décisions de planification et d’identifier les quantités optimales d’inventaire à commander afin d’éviter les ruptures de stock ou les surstocks.

Les prévisions de cet outil sont générées par des algorithmes de prédiction de la demande. Obius désire améliorer la précision et l’efficacité de ses algorithmes, et d’y intégrer des fonctionnalités de machine learning.

Les défis pour lesquels nous souhaitons bénéficier d’un transfert d’expertise sont :

• améliorer les algorithmes de prévisions des ventes;
• mise en place des processus et méthodologies pour augmenter la précision des algorithmes utilisés;
• automatisation des tests, entraînements et sélection des algorithmes;
• implantation de nouveaux algorithmes plus performants.

Profil recherché :

• prédiction de la demande;
• machine learning;
• deep learning.

Vous souhaitez en savoir plus?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

LightX

Révolution médicale par l’IA – Diagnostic et Suivi des Pathologies Oculaires avec des Données Stéréoscopiques

LightX est une startup novatrice spécialisée dans la conception et la fabrication d’outils médicaux et de logiciels de diagnostic oculaire. Les outils médicaux offerts par LightX ouvrent la voie à l’intégration d’outils d’intelligence artificielle pour assister le diagnostic des spécialistes oculaires.

LightX développe des algorithmes de diagnostics oculaires basés sur l’IA à partir d’imposantes bases de données d’images apportant plusieurs défis d’infrastructures de traitements et de choix d’algorithmes. En plus des développements pour le diagnostic, notre compagnie à comme objectif d’automatiser les tests cliniques, ce qui requiert des algorithmes de classements d’images automatiques.

Dans ce contexte, les défis pour lesquels nous souhaitons bénéficier d’un transfert d’expertise sont :

• le développement et l’amélioration des algorithmes d’IA pour la segmentation des structures anatomiques des yeux et la détection des anomalies, notamment la cataracte et le glaucome à angle étroit;
• l’intégration de ces algorithmes dans l’application mobile et web de LightX afin d’offrir cet outil d’aide au diagnostic aux différents optométristes et ophtalmologistes utilisant les appareils LightX.

Rejoignez-nous dans cette aventure passionnante où vous aurez l’opportunité de contribuer à révolutionner le diagnostic oculaire et à améliorer les services de santé visuelle à l’échelle mondiale.

Profil recherché :

• vision par ordinateur;
• MLOps.

Vous souhaitez en savoir plus?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

KPI Mining Solutions

 Optimisation intelligente des dépenses d’investissement pour une exploitation minière durable

KPI Mining Solutions (KPI) est une jeune entreprise spécialisée dans les solutions basées sur l’IA et l’optimisation pour l’industrie minière, développées en collaboration avec le McGill-COSMO Stochastic Mine Planning Laboratory. Notre solution innovante, le KPI-COSMO Stochastic Mining Optimizer, est le premier logiciel d’optimisation stochastique commercialisé pour les chaînes de valeur minières. Cette technologie optimise la programmation de la production tout au long de la chaîne de valeur, en intégrant la gestion des risques et en tirant parti des simulations basées sur la méthode de Monte-Carlo pour minimiser les risques géologiques et financiers. KPI est une division de KPI Digital, une société de conseil qui a 20 ans d’expérience dans la science des données, l’analyse, l’architecture, l’IA et les solutions d’optimisation.

L’initiative de recherche actuelle de KPI se concentre sur l’amélioration des capacités de l’optimiseur minier stochastique KPI-COSMO en incorporant la prise de décision en matière de dépenses d’investissement (CapEx) dans les composants d’optimisation stochastique simultanée. Ce développement vise à accroître la rentabilité, à intégrer la gestion des dépenses, à améliorer l’utilisation des équipements et à réduire la consommation d’énergie. L’initiative répond au besoin critique d’une gestion plus efficace des dépenses d’investissement dans l’industrie minière à forte intensité de capital et de risque, notamment en raison de l’augmentation de la demande de minerais essentiels à la transition écologique. Notre solveur basé sur l’IA comprend un solveur hyper-heuristique intelligent basé sur l’apprentissage par renforcement (RL). Cependant, un développement plus poussé est nécessaire pour créer un prototype fonctionnel pour l’optimisation des dépenses d’investissement. L’intégration des dépenses d’investissement est complexe en raison de la complexité et de l’instabilité accrue des calculs. Nous souhaitons utiliser des modèles avancés d’apprentissage automatique pour développer une méta-approche qui utilise le solveur comme un oracle de boîte noire et apprend à naviguer dans l’espace de décision CapEx de manière robuste et efficace.

Les domaines de soutien et les étapes prévues sont les suivants :

• réaliser une revue de la littérature sur les outils d’optimisation des dépenses d’investissement et combiner l’apprentissage par renforcement et l’optimisation pour la prise de décision;
• identifier l’étude de cas la plus appropriée à tester et les méthodes pour traiter le problème en question, en équilibrant l’efficacité de calcul, la qualité de la solution et l’applicabilité pratique;
• transférer efficacement les connaissances de l’étudiant au doctorat pour fournir à KPI des idées pratiques afin d’accélérer l’intégration de l’optimisation des dépenses en capital dans nos produits.

Profil recherché :

• apprentissage par renforcement;
• recherche opérationnelle;
• apprentissage automatique;
• un intérêt pour l’optimisation stochastique n’est pas nécessaire, mais serait un avantage.

 Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

Hippoc

Estimation et explicabilité des performances de campagnes publicitaires avec l’Intelligence Artificielle

Hippoc utilise des modèles IA afin d’estimer la performance d’une campagne de publicité en tenant compte du contexte médiatique, de l’audience et des éléments visuels utilisés. Les modèles utilisés combinent des méthodes de vision par ordinateur et de factorisation de champs et prédisent des valeurs pour la probabilité de clic et les coûts par acquisition.

La prédiction d’indicateurs de performance est un problème multi-factorielle qui met en jeu des contenus multimodaux (image, vidéo, text, audio), la modélisation d’audience et la compétition au sein d’un marché qui évolue continuellement.

Hippoc dispose de modèles entraînés à partir de données massives et capables de tenir compte de certains paramètres. Néanmoins, l’interprétabilité de la représentation interne des modèles, la compréhension de leurs biais et des facteurs pouvant limiter la précision restent des tâches complexes. Nous essayons activement d’attaquer ces défis dans le but d’apporter des recommandations pertinentes et précises à nos clients. C’est dans ce contexte que nous pourrions bénéficier de nouvelles connaissances et de points de vue externes sur la démarche à adopter, les outils adaptés et dans une moindre mesure d’une aide à l’implémentation.

Profil recherché :

• analyse de dérives sur les données et les sorties d’un modèle;
• explicabilité d’un modèle et ingénierie des caractéristiques.

Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

Fireraven

Terrain de jeu pour les tests adverses pour les LLM

Fireraven est une plateforme SaaS B2B dédiée à l’amélioration de la fiabilité et de la sécurité de l’intelligence artificielle (IA) dans les contextes commerciaux, en se concentrant particulièrement sur les grands modèles de langage (LLM) utilisés dans des applications telles que les chatbots et l’analyse de données. Elle fournit des outils automatisés pour tester les systèmes d’IA, détecter les vulnérabilités et suggérer des améliorations, rationalisant ainsi les tests et le développement de l’IA tout en garantissant la sécurité et le respect de l’éthique. Fireraven fonctionne sur la base d’un modèle d’abonnement adapté aux différents besoins des utilisateurs.

En utilisant la descente de gradient dans l’espace d’intégration des LLM, Fireraven vise à identifier les vulnérabilités en modifiant subtilement les entrées et en observant les réactions du modèle. En outre, il analyse les vulnérabilités historiques afin de prédire et de prévenir les exploits futurs, adoptant ainsi une position proactive en matière de sécurité. Bien que ces approches soient prometteuses, l’expérimentation pratique est difficile.

Fireraven souhaite bénéficier d’un transfert d’expertise pour développer une méthodologie concrète, y compris la base mathématique d’un algorithme fiable, afin d’identifier et d’atténuer efficacement les vulnérabilités dans les LLM. Ce travail est exploratoire, reconnaissant les complexités de l’avancement de la sécurité LLM et l’importance des progrès collaboratifs dans le domaine de la sécurité de l’IA.

Profil recherché :

• LLM;
• cybersécurité.

Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à  gabrielle.langlois@ivado.ca

Sentiom

Analyse et conception d’algorithmes pour solution de sûreté intelligente des résidents vulnérables

Sentiom a comme mission d’effectuer la transformation numérique des résidences pour aînés et personnes vulnérables, en bâtiments intelligents, durables et bienveillants. Nous avons développé une solution deeptech utilisant les technologies de l’Internet des objets (Ido), de la 5G, de l’intelligence artificielle (IA) et des jumeaux numériques.

Notre projet, en partenariat clinique avec le CIRRIS de l’Université Laval, vise à exploiter les données IdO de plusieurs centaines de capteurs de notre laboratoire vivant, la Maison Martin Matte. Le système recueille les données environnementales telles que le mouvement, la consommation d’eau, l’humidité, la luminosité, les vibrations, la pression barométrique, le niveau sonore, etc.

L’objectif principal du mandat consiste à valider la structure des données collectées, à conseiller sur l’architecture du système sous-jacent, et à élaborer des algorithmes sophistiqués de détection de motifs.

Les défis pour lesquels nous souhaitons bénéficier d’un transfert d’expertise sont :

• identifier les méthodes/algorithmes à privilégier (automatisations, système expert, IA) qui peuvent être appris dans l’infonuage, mais opérés avec peu de ressources dans le “fog”/edge;
• rareté des anomalies à détecter; nous disposons de nombreuses observations normales, mais peu d’exemples d’anomalies;
• étiquetage par un tiers; il est possible que certaines observations soient mal étiquetées par certains employés des clients;
• gestion du volume de données; l’abondance de données environnementales peut entraîner des problèmes de stockage, de traitement et de latence;
• cybersécurité des algorithmes; intégrité des données entrantes, confidentialité des données sortantes, disponibilité des systèmes.

Profil recherché :

• expérience en amélioration de généralisation et robustesse des modèles;
• expertise en statistiques, systèmes-experts, et apprentissage automatique;
• expérience avec des séries temporelles ou données environnementales;
• généraliste pragmatique.

Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

Acrylic Robotics

Implémentation robotique d’un modèle d’apprentissage automatique de la peinture

Acrylic Robotics se consacre à la démocratisation de la création et de la consommation d’œuvres d’art grâce à sa technologie de pointe. Nous proposons un service unique qui permet aux artistes de créer des répliques peintes en édition limitée de leurs œuvres d’art originales, fonctionnant de la même manière qu’une presse d’imprimerie d’art contemporain. À l’aide d’un logiciel de dessin spécialisé, les artistes peuvent concevoir numériquement leurs œuvres d’art. Notre technologie enregistre méticuleusement tous les aspects de l’œuvre d’art, tels que l’ordre des traits, la pression, le pigment et l’orientation, afin de générer une « empreinte digitale » numérique. Ces détails sont ensuite reproduits avec précision sur la toile par nos robots peintres, qui utilisent des peintures de premier ordre pour reproduire fidèlement la vision initiale de l’artiste.

Nous faisons actuellement progresser nos algorithmes d’apprentissage machine (ML) afin d’améliorer encore notre technologie de peinture robotisée. Notre objectif est d’affiner la conversion d’idées et d’images visuelles en œuvres d’art peintes, en garantissant une représentation précise des différentes nuances et styles artistiques. Cet effort vise à améliorer la capacité de nos robots à interpréter et à mettre en œuvre des instructions de peinture complexes, y compris l’intégration de caractéristiques structurelles spécifiques et la dynamique de la pression pour des reproductions plus authentiques. En outre, nous nous efforçons de rationaliser le processus de génération de divers styles artistiques, en utilisant l’apprentissage automatique continu et le contrôle des versions de données pour affiner la formation de nos modèles.

Les défis pour lesquels nous souhaitons bénéficier d’un transfert d’expertise sont :

• augmenter le contrôle de l’utilisateur sur le moteur de rendu, permettant la liberté d’expression;
• augmenter les capacités du moteur de rendu pour se conformer aux différents styles d’artistes;
• régler le pipeline de la ML à la robotique pour s’assurer que les rendus correspondent à la sortie de la peinture.

Profil recherché :

• exigences de base
  • optimisation sous contrainte;
  • apprentissage/ingénierie de la représentation;
  • connaissance des modèles de diffusion.
• compétences souhaitables
  • connaissance des courbes de Bézier et des splines;
  • infrastructure AWS + Ops;
  • expérience avec .svg.

Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

Tastet

Curation+ Tastet

Tastet est le guide de recommandations des meilleures adresses gourmandes locales.

Le projet « Curation+ » qui s’intègre au développement de l’application “Tastet+”, vise à transformer radicalement le processus de recherche et d’évaluation des restaurants pour la plateforme Tastet. Actuellement, ce processus manuel lent et coûteux limite l’expansion de Tastet. « Curation+ » vise à exploiter les avancées de l’intelligence artificielle pour créer des algorithmes capables de corréler de vastes ensembles de données publiques (avis Google Maps, réseaux sociaux, critiques, etc.) avec les données des évaluations internes accumulées depuis près de 10 ans par Tastet.

Les défis sur lesquels nous souhaiterions être accompagné sont les suivants :

• l’interprétation précise et fiable d’un large éventail de données hétérogènes, en particulier les avis et les commentaires textuels. Les progrès dans les LLM pourraient offrir des solutions, mais leur application efficace dans ce contexte spécifique reste à explorer;
• la capacité à identifier de “patterns” pertinents dans et entre les données publiques et privées, qui correspondent effectivement aux critères d’évaluation de Tastet.

Profil recherché :

• UX;
• Machine learning;
• LLM.

Vous souhaitez en savoir plus ?

Partagez votre intérêt et votre CV à gabrielle.langlois@ivado.ca

Trampoline AI

Adaptation non supervisée au domaine et évaluation de la recherche documentaire dans un contexte d’entreprise (DARE)

Trampoline AI offre une solution de recherche unifiée qui connecte et indexe toutes les sources d’information d’une entreprise afin de fournir un contexte rapide aux applications IA internes et aux humains. Que ce soit dans Google Search, Drive, Gmail, Slack, SharePoint, etc. – avec Trampoline, les utilisateurs peuvent toujours trouver les informations qu’ils recherchent.

Nous avons besoin de votre aide pour amener les avancées de la recherche de pointe aux entreprises en permettant le développement axé sur les métriques et l’adaptation non supervisée du domaine.

Plus précisément, nous cherchons à : 

• Identifier des métriques clés pour évaluer la qualité de nos processus de recherche documentaire et établir des pipelines pour générer des ensembles de tests synthétiques à partir du corpus d’une organisation de manière non supervisée (ou faiblement supervisée);
• Établir des pipelines pour générer des données d’entraînement à partir du corpus d’une organisation de manière non supervisée (ou faiblement supervisée), et les utiliser pour entraîner des modèles de recherche adaptés au domaine (ColBERT ou Bi-Encoder) afin d’améliorer nos mesures de performance.

Vous êtes un bon candidat si vous avez de l’expérience dans les domaines suivants : 

• Traitement du langage naturel;
• Recherche d’information;
• Apprentissage non supervisé et faiblement supervisé.

Une expérience ou un intérêt dans les domaines suivants est un plus :˛

• Génération d’ensembles de données synthétiques avec les LLM;
• Apprentissage contrastif;
• DSPy.

Vous souhaitez en savoir plus ? 

Partagez votre intérêt et votre CV à  gabrielle.langlois@ivado.ca 

GroupLabs

Amélioration de l’extraction de données à partir de tables : Intégration d’informations sémantiques et de corrélations avec la cartographie automatisée des dépendances

GroupLabs est une société de R&D et de conseil en logiciels qui développe une plateforme d’intégration de données sémantiques de pointe, qui fournit aux organisations une compréhension sémantique des données structurées et non structurées dans l’ensemble de leur organisation. Cela permet aux médecins de retrouver des dossiers médicaux pertinents souvent négligés, aux directeurs financiers de comprendre les points faibles de leur organisation, ou à un exploitant de mine d’être en mesure de prévoir une coulée de boue dans la mine, ce qui permet d’économiser non seulement des coûts énormes, mais aussi de sauver la vie des personnes qui s’y trouvent. En ce qui concerne notre activité de conseil, nous proposons des services de conseil en gestion de la relation client (CRM) et fournissons plusieurs types de solutions, en fonction des besoins de l’organisation. Nous intégrons également notre logiciel propriétaire dans nos services de conseil, en permettant aux utilisateurs de tester notre produit gratuitement pour nous permettre d’itérer et de construire quelque chose dont les gens ont vraiment besoin.

L’objectif de notre projet est d’intégrer les connaissances sémantiques et les encastrements basés sur les corrélations avec la cartographie automatisée des dépendances, en démontrant des gains de performance significatifs par rapport à des systèmes comparables sur le benchmark BEIR. Ce but sera atteint grâce à la réalisation de sous-objectifs : 

• développer une méthode qui intègre à la fois les informations de corrélation et l’analyse de la structure du signal dans le processus de recherche pour identifier les tableaux dans les ensembles de données, afin d’améliorer la découverte de données précieuses et riches en enseignements pour la modélisation et l’analyse prédictives;
• transformateurs d’attention des graphes topologiques pour dévoiler les structures cachées : Graph Embeddings in the Discovery of Uncharted Relationships in Network Data. Utilisation des propriétés topologiques pour la prédiction des liens.

Profil recherché :

• théorie des graph;
• apprentissage automatique;
• NLP;
• analyse du signal;
• auto-encodeur.

Vous souhaitez en savoir plus ? 

Partagez votre intérêt et votre CV à  gabrielle.langlois@ivado.ca 

V3 Stent

Réinventer la fonction RH par l’engagement et l’IA

V3 Stent, leader en marketing numérique, utilise l’IA pour digitaliser les affaires, combinant technologies avancées et meilleures pratiques pour atteindre les objectifs de sa clientèle. Ses solutions soutiennent la croissance des PMEs via un recrutement efficace et économique (RH), la valorisation de la culture d’entreprise (marketing) et l’enrichissement des interactions clients par l’IA (ventes).

L’objectif du projet pour lequel nous souhaitons bénéficier d’un transfert d’expertise est d’améliorer la planification de carrière, le développement professionnel ainsi que d’encourager la rétention et le recrutement interne. 

Les défis sur lesquels nous souhaitons être accompagnés sont les suivants :

• créer ou adapter un modèle d’analyse de sentiments pour l’extraction des paramètres dans les enquêtes dans le but d’évaluer la situation de référence pour chaque employé;
• entraîner un algorithme de recommandation de plan de carrière en utilisant sur un espace vectoriel contenant tous les utilisateurs;
• développer un coach virtuel à partir des recommandations de plan de carrière générées par l’algorithme de similarité. 

Le profil recherché est :

• reconnaissance des émotions
• NLP
• apprentissage automatique
• système de recommandation et analyse vectorielle

Vous souhaitez en savoir plus ? 

Partagez votre intérêt et votre CV à  gabrielle.langlois@ivado.ca 

Étant un programme de formation et de transfert de connaissance, toute propriété intellectuelle appartient à la startup. Si le doctorant ou la doctorante, conjointement avec l’entreprise, identifie un nouveau projet de recherche et que leur implication est souhaitée, alors ce projet devra faire l’objet d’une entente de recherche collaborative distincte de ce programme.

Une entente de confidentialité (NDA) peut être signée entre le doctorant ou la doctorante et l’entreprise.

Pour les doctorantes et les doctorants

• Faire preuve d’intégrité et de respect dans tous les aspects de votre collaboration avec la startup;
• Respecter les termes du programme et veiller à l’atteinte des objectifs et des livrables au meilleur de vos capacités;
• Mentionner IVADO dans les communications publiques au sujet du projet (si applicable) et participer, lorsque possible, aux activités étudiantes d’IVADO.

Pour l’entreprise en démarrage

• Respecter les principes EDI dans la sélection des candidatures, conformément au cadre de référence IVADO en matière d’EDI;
• Consulter le feuillet d’IVADO sur les biais inconscients dans le recrutement;
• Fournir un environnement et l’infrastructure de travail qui permettent le bon déroulement et l’achèvement du projet;
• Faire preuve d’intégrité et de respect dans tous les aspects de votre collaboration avec l’étudiant ou l’étudiante au doctorat;
• Remplir le court sondage de rétroaction envoyé par IVADO à la fin du programme;
• Mentionner IVADO dans les communications publiques reliées aux travaux réalisés au cours du programme (si applicable).

Engagement d’IVADO envers l’équité, la diversité et l’inclusion

• Pour garantir que tous les membres de la société bénéficient de manière égale de l’avancement des connaissances et des opportunités, IVADO promeut les principes d’équité, de diversité et d’inclusion dans tous ses programmes. IVADO s’engage à fournir un processus de recrutement et un cadre de recherche inclusifs et non discriminatoires, ouverts et transparents.