Coorganisation scientifique
HEC Montréal
Aurélie Labbe est professeure titulaire au Département des sciences de la décision de HEC Montréal. Elle a obtenu son doctorat en statistique à l’Université de Waterloo en 2005, où sa thèse portait sur les méthodes bayésiennes pour les données d’expression génétique. Elle a commencé sa carrière universitaire en tant que professeure agrégée au Département de mathématiques et de statistique de l’Université Laval. Elle a ensuite rejoint l’Université McGill en tant que professeure agrégée au département d’épidémiologie et de biostatistique et au département de psychiatrie, et a également été chercheuse au Centre de recherche de l’Hôpital Douglas, un établissement affilié à l’Université McGill.
Aurélie Labbe a développé un solide portefeuille de recherche en tant que chercheuse principale dans le cadre de plusieurs projets financés par le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) et les Instituts de recherche en santé du Canada (IRSC). Ses recherches ont porté sur le développement de méthodes statistiques pour l’analyse des données génomiques, ainsi que sur de nombreux projets collaboratifs dans des domaines connexes. Plus récemment, elle a élargi ses travaux à des domaines plus généraux de la science des données, en mettant particulièrement l’accent sur les défis analytiques posés par les données provenant des systèmes de transport intelligents.
En tant que codirectrice scientifique chez IVADO, Partenariats universitaires, Aurélie Labbe assure la direction stratégique de la recherche. À ce titre, elle est chargée d’établir et de renforcer les liens avec les facultés et les départements des cinq universités partenaires, et de les intégrer dans les activités de recherche et de transfert de connaissances d’IVADO.
Université McGill
Archer Yang est professeur agrégé au Département de mathématiques et de statistiques de l’Université McGill et membre associé de l’École d’informatique et du programme Quantitative Life Sciences. Il est également membre universitaire associé du Mila – Institut québécois d’IA. Ses principaux domaines de recherche comprennent l’apprentissage automatique statistique, l’inférence à haute dimension, la quantification de l’incertitude et l’IA fiable, les statistiques computationnelles et les algorithmes évolutifs, la science des données biomédicales et biochimiques, et l’IA pour la découverte de médicaments.
Université de l’Alberta
Dr Bei Jiang est professeure agrégée au département des sciences mathématiques et statistiques de l’Université de l’Alberta, membre de l’Alberta Machine Intelligence Institute (Amii) et titulaire d’une chaire CIFAR AI au Canada. Elle a obtenu son doctorat en biostatistique à l’Université du Michigan en 2014, puis a occupé un poste de post-doctorante au département de biostatistique de l’Université Columbia (2014-2015), avant de rejoindre l’Université de l’Alberta en tant que professeure adjointe en 2015. Le Dr Jiang est l’auteur de plus de 50 articles publiés dans des revues telles que les Annals of Statistics, le Journal of the American Statistical Association et le Journal of Machine Learning Research, ainsi que de plus de 20 articles évalués par des pairs lors de conférences telles que NeurIPS, ICML, ICLR et AAAI. Ses recherches portent sur la modélisation hiérarchique bayésienne, les méthodes d’apprentissage statistique qui favorisent la confidentialité et l’équité, et l’inférence statistique fédérée.
Dr. Jiang a une longue expérience au service de la communauté statistique. Elle a été juge pour le concours d’affiches sur les études de cas en analyse de données de la Société statistique du Canada (SSC) (2019) ; présidente du comité d’organisation local du WNAR (2018) et du symposium de la section canadienne de l’ICSA (2022) ; membre du conseil d’administration de la SSC (2022-2024) et du comité du prix de recherche étudiant de la SSC (2021-2023) ; et siège actuellement au comité Équité, diversité et inclusion de la SSC, au comité organisateur du CANSSI Showcase, au comité du prix des présidents de la COPSS (2025-2028) et au comité du programme JSM (2025-2026). Elle est rédactrice en chef adjointe du Journal of the American Statistical Association. Le Dr Jiang est la lauréate 2025 du prix COPSS Emerging Leaders Award, qui récompense les statisticiens en début de carrière dont le leadership et les travaux universitaires façonnent le domaine.
Université de Toronto
Dehan Kong est professeur agrégé de statistique à l’Université de Toronto. Ses recherches portent sur le développement de méthodologies avancées d’apprentissage automatique et de science des données pour l’analyse de données réelles à grande échelle, complexes et à résolution multiple, avec des applications dans les études scientifiques et biomédicales modernes. Il est lauréat du Supplément d’accélération à la découverte du CRSNG. Il est actuellement rédacteur en chef adjoint du Journal of the American Statistical Association et de Data Science in Science, et membre du comité de rédaction du Journal of Machine Learning Research.
Université McGill
Eric Kolaczyk est professeur au département de mathématiques et de statistiques de l’Université McGill et directeur fondateur du McGill Computational and Data Systems Institute (CDSI). Ses recherches portent sur la manière dont la théorie et les méthodes statistiques et d’apprentissage automatique peuvent soutenir les efforts humains rendus possibles par l’informatique et les systèmes techniques, souvent dans une perspective de science des systèmes basée sur les réseaux. Il collabore régulièrement à des problèmes en biologie computationnelle, en neurosciences computationnelles et, plus récemment, en chimie et en science des matériaux assistées par l’IA. Il a publié plus d’une centaine d’articles, dont plusieurs ouvrages sur le thème de l’analyse des réseaux.
En tant que rédacteur en chef adjoint, M. Kolaczyk a siégé aux comités de rédaction de JASA et JRSS-B en statistiques, de IEEE IP et TNSE en ingénierie, et de SIMODS en mathématiques. Il a précédemment occupé le poste de coprésident de la table ronde sur l’enseignement des sciences des données de l’Académie nationale des sciences, de médecine et d’ingénierie des États-Unis. Il est membre élu de l’AAAS, de l’ASA et de l’IMS, membre senior élu de l’IEEE et membre élu de l’ISI.
Université de l’Alberta
Dr Linglong Kong est professeur au département des sciences mathématiques et statistiques de l’Université de l’Alberta. Il est titulaire d’une chaire de recherche du Canada en apprentissage statistique et d’une chaire CIFAR AI du Canada. Il est membre de l’American Statistical Association (ASA) et de l’Alberta Machine Intelligence Institute (Amii), et compte plus de 130 publications évaluées par des pairs dans des revues et conférences de premier plan telles que AOS, JASA, JRSSB, NeurIPS, ICML et ICLR. Le Dr Kong a reçu le prix CRM-SSC 2025 pour ses recherches exceptionnelles au Canada. Il est rédacteur en chef adjoint de plusieurs revues de premier plan, dont JASA et AOAS, et a occupé des postes de direction au sein de l’ASA et de la Société statistique du Canada. Les intérêts de recherche du Dr Kong portent sur l’analyse de données neuro-imagerie et de haute dimension, l’apprentissage automatique statistique, les statistiques robustes, la régression quantile, l’apprentissage automatique fiable et l’intelligence artificielle pour la santé intelligente.
Université de Toronto
Qiang Sun est actuellement professeur agrégé en sciences statistiques, en informatique et en sciences informatiques et mathématiques à l’Université de Toronto (UofT) et professeur affilié à la MBZUAI, où il dirige le groupe NeXAIS (AGI × Stats). Ses recherches actuelles portent sur le ML fiable, le GenAI efficace et les fondements de l’AGI, motivées par les défis réels dans les domaines de la technologie, de la finance et des sciences. Avant d’occuper son poste à l’UofT, il était chercheur associé à l’université de Princeton. Il a obtenu son doctorat à l’université de Caroline du Nord à Chapel Hill et sa licence en SCGY à l’université des sciences et technologies de Chine. Il est également reconnu comme un ancien élève distingué de l’UNC-Chapel Hill.
Outre son rôle au sein du corps professoral, il est actuellement rédacteur en chef adjoint du Journal of Machine Learning Research (JMLR), du Journal of the American Statistical Association (JASA), de l’Electronic Journal of Statistics (EJS) et de Data Science in Science (DSiS). Il est également président de plusieurs grandes conférences sur l’apprentissage automatique, notamment l’ICLR, le COLT, l’AISTATS et l’UAI.
Ateliers
Bootcamp : Aperçu statistique des systèmes d’IA modernes
1er atelier : La statistique dans l’IA fiable
2eatelier : L’incertitude dans l’IA
Symposium : L’IA rencontre la statistique : perspectives des données biomédicales
Visiteuses et visiteurs à long terme
Joyce Chai est professeure au département d’ingénierie électrique et d’informatique de l’université du Michigan. Elle est titulaire d’un doctorat en informatique de l’université Duke. Ses recherches portent sur le traitement du langage naturel, l’IA incarnée et la collaboration entre l’homme et l’IA. Ses travaux actuels explorent l’intersection entre le langage, la vision et la robotique afin de permettre une communication contextualisée avec des agents incarnés. Elle a reçu le prix NSF Career Award. Elle a également reçu plusieurs prix avec ses étudiants (par exemple, le prix du meilleur article long à l’ACL 2010, les prix du meilleur article à l’EMNLP 2021 et à l’ACL 2023, et la première place au Amazon Alexa AI Simbot Challenge 2023). Elle est membre de l’ACL.
Abhik Roychoudhury est professeur titulaire de la chaire Provost en informatique à l’Université nationale de Singapour (NUS), où il dirige une équipe de recherche sur les logiciels fiables et sécurisés (TSS). Il est conseiller principal chez SonarSource, suite à l’acquisition de sa spin-off AutoCodeRover, spécialisée dans les agents IA pour le codage. Il a obtenu son doctorat en informatique à l’université Stony Brook en 2000 et est membre du corps enseignant de la NUS School of Computing depuis 2001. Le groupe d’Abhik à la NUS s’est concentré sur l’analyse symbolique des programmes, ainsi que sur les applications de l’analyse des programmes dans des domaines tels que la sécurité informatique, l’IA agentielle ou les systèmes cyber-physiques. Ces travaux ont été récompensés par divers prix, notamment le prix du document le plus influent (Test-of-time award) de la Conférence internationale sur le génie logiciel (ICSE) pour la réparation de programmes (basée sur l’analyse symbolique), et le prix IEEE New Directions Award 2022 (conjointement avec Cristian Cadar) pour ses contributions à l’exécution symbolique.
Abhik a été le premier lauréat du prix NUS Outstanding Graduate Mentor Award 2024. Les doctorants diplômés de son équipe de recherche ont obtenu des postes d’enseignants dans de nombreuses institutions universitaires de premier plan. Il a occupé diverses fonctions au sein de la communauté de recherche en génie logiciel, notamment en tant que président des principales conférences dans ce domaine, ICSE (en 2024) et FSE (en 2022). Il est actuellement président du comité directeur de la FSE. Il est membre du comité de rédaction de Communications of the ACM. Il est l’actuel rédacteur en chef de l’ACM Transactions on Software Engineering and Methodology (TOSEM). Abhik est membre de l’ACM, reconnu pour ses contributions à la réparation automatisée de programmes et aux tests de robustesse.
Ivan Titov est professeur titulaire aux universités d’Édimbourg et d’Amsterdam. À Édimbourg, il dirige le Centre de formation doctorale en traitement du langage naturel et l’unité ELLIS locale. Ses recherches portent sur le développement de modèles linguistiques fiables, robustes, interprétables et contrôlables. Il a reçu des prix pour ses articles lors de conférences de premier plan (notamment ACL et EMNLP) et des bourses telles que la bourse ERC et le prix néerlandais Vici. Ivan est membre de Turing, membre d’ELLIS et codirecteur du programme ELLIS NLP. Il a également été président du programme ICLR et CoNLL, et rédacteur en chef de TACL et JMLR.