IAR³ : des Regroupements de recherche pour engendrer une avancée majeure des connaissances en IA et ses applications

Grâce à la subvention du Fonds d’excellence en recherche Apogée Canada pour développer une intelligence artificielle (IA) robuste, raisonnante, et responsable (IAR³), IVADO offre plusieurs programmes à sa communauté. Le programme des Regroupements de recherche stratégique constitue le programme-phare de IAR³ : dix Regroupements, ayant pour fonction de déployer et mettre en œuvre une programmation scientifique intersectorielle pour atteindre la vision IAR³.

Le 3 octobre dernier, une partie des coresponsables des 10 Regroupements de recherche stratégique IAR³ d’IVADO ont présenté leur programmation de recherche devant un parterre de scientifiques, étudiant(e)s, et autres représentant(e)s d’organisations publiques ou privées lors d’un Forum. Cet événement a été l’occasion de discuter des enjeux actuels et à venir dans les différents domaines abordés par les Regroupements, et ont permis des échanges stimulants sur l’impact anticipé de ces travaux, l’intégration des groupes sous-représentés dans les projets de recherche et l’apport complémentaire de certaines disciplines aux programmations présentées.

Prenez connaissance des programmations de recherche >>

Revivez le Forum en photos >>

Qu’est-ce qu’un Regroupement?

Un Regroupement de recherche stratégique a pour fonction de déployer et mettre en œuvre la programmation scientifique intersectorielle pour atteindre la vision IAR³. Chaque Regroupement se compose d’un groupe de plusieurs chercheuses et chercheurs issus de membres académiques d’IVADO ainsi que des experts, expertes et partenaires pertinents à son développement. Chaque Regroupement est responsable d’une thématique et reçoit le soutien financier, stratégique et opérationnel des directions d’IVADO.

Pourquoi mettre en place des Regroupements?

Selon nous, le modèle des Regroupements est le meilleur moyen d’atteindre nos objectifs, soit développer et déployer IAR³, nécessitant de mettre en œuvre une programmation scientifique audacieuse et intersectorielle, avec une portée transformatrice. Sous le leadership d’IVADO, il s’agit de créer des alliances de recherche originales et interdisciplinaires qui seront à même de répondre aux enjeux complexes de la programmation.

Objectifs des Regroupements

Chaque regroupement obéit aux objectifs suivants :

Développer une programmation scientifique ambitieuse et intersectorielle, soit:
- une stratégie de recherche collaborative;
- un plan de mobilisation des connaissances adapté au secteur;
- des indicateurs et des mesures d’impact;
- des collaborations nationales, notamment avec d’autres Apogée, et internationales.
Favoriser la réalisation des projets multi-centres;
Former la prochaine génération de chercheuses et chercheurs;
Proposer et organiser des activités scientifiques pour faire avancer la thématique de recherche en collaboration avec d’autres Regroupements de recherche stratégique IVADO;
Intégrer les bonnes pratiques en termes d’Équité, diversité et inclusion (EDI) dans la composition et toutes les activités du Regroupement;

Il est attendu que les Regroupements fassent progresser la science de IAR³ et contribuent collectivement aux objectifs de création d’une IA robuste, raisonnante, et responsable, ainsi qu’à son adoption.

Les objectifs de ce Regroupement sont de formaliser les fonctions du traitement conscient (généralisation à de nouveaux contextes – robustesse, représentation des connaissances et raisonnement causal, métacognition ou réflexion sur les pensées) afin de pouvoir faire progresser l’IA et stimuler le développement de nouvelles théories explicatives pour les neurosciences cognitives.

Coresponsables

Sylvana Côté
Université de Montréal
CHU Sainte-Justine

Chercheuses et chercheurs

Pierre Lune Bellec
Université de Montréal

Catherine Duclos
Université de Montréal
Hôpital du Sacré-Cœur de Montréal

Sarah Lippé
Université de Montréal
CHU Sainte-Justine

Eilif Muller
Université de Montréal
CHU Sainte-Justine

Les objectifs de ce Regroupement sont de développer de façon assez libre la recherche de pointe sur des algorithmes d’apprentissage automatique, apprentissage profond et prise de décision sous incertitude. Ce Regroupement sera également invité à répondre aux problèmes des autres Regroupements et à collaborer étroitement avec eux dans le but d’accélérer le développement d’algorithmes plus robustes, raisonnant mieux et plus transparents.

Coresponsables

Chercheuses et chercheurs

Simon Lacoste-Julien
Université de Montréal

Les objectifs de ce Regroupement sont de concevoir une nouvelle génération d’algorithmes d’apprentissage automatique pour le TALN dont l’architecture est plus structurée en termes d’éléments de connaissance pouvant être recombinés. Ces recherches doivent être réalisées dans le but d’appliquer ces nouveaux systèmes et travailler en collaboration avec les minorités pour atténuer les préjugés et la discrimination associés au TALN moderne, et se diriger vers des systèmes qui peuvent être guidés par les humains pour comprendre les histoires, avec un accent particulier sur les histoires et les apprentissages des cultures autochtones.

Coresponsables

Chercheuses et chercheurs

Aishwarya Agrawal
Université de Montréal

Philippe Langlais
Université de Montréal

Fatiha Sadat
Université du Québec à Montréal

Les objectifs de ce Regroupement sont de (1) informer un processus responsable tout en assurant une plus grande représentation des groupes marginalisés et en conduisant à une conception, une mise en œuvre et des résultats plus équitables et sécuritaires de l’IA, (2) comprendre les nouveaux modèles d’affaires que IAR³ pourrait aider à soutenir, identifier les facteurs humains contribuant à l’utilisation de l’IA, définir des modèles de gouvernance transparents et fiables évitant la concentration du pouvoir, pour l’utilisation responsable et éco-durable de l’IA et des données nécessaires pour calibrer les modèles d’IA, et déterminer comment l’IA peut créer un meilleur travail et significatif, (3) étudier les moteurs de l’adoption de l’IA, découvrir les réponses humaines implicites aux systèmes d’IA et corréler ces réponses avec les décisions de conception prises par les équipes de développement, (4) définir clairement l’IA digne de confiance et sécuritaire, et produire des méthodes, des outils et des technologies permettant le développement d’applications intelligentes dignes de confiance, (5) proposer des normes de gouvernance et des modèles de sociétés démocratiques résilientes aux effets, aux dommages et aux risques d’IA de plus en plus puissantes. Ces objectifs devront être travaillés en collaboration avec des groupes minoritaires ou marginalisés.

Coresponsables

Chercheuses et chercheurs

Catherine Beaudry
Polytechnique Montréal

Dalia Gesualdi-Fecteau
Université de Montréal

Jean-François Godbout
Université de Montréal

Anne-Sophie Hulin
Université de Sherbrooke

Aude Motulsky
Université de Montréal
CRCHUM

Les objectifs de ce Regroupement sont de développer la recherche de pointe dans cette thématique tout en s’assurant de pouvoir intégrer leurs découvertes dans les recherches des autres Regroupements. Ce Regroupement travaillera entre autres sur les différents paramètres qui impactent la robustesse des algorithmes et induisent des biais (ex: les données collectées) ainsi que sur l’explicabilité. Les méthodes de travail basées sur la coconstruction et incluant les groupes minoritaires et les communautés autochtones seront également examinées. Enfin, les intérêts de recherche devront également refléter les priorités des communautés autochtones.

Coresponsables

Annie Pullen Sansfaçon
Université de Montréal

Chercheuses et chercheurs

Isabelle Archambault
Université de Montréal

Marc-Antoine Dilhac
Université de Montréal

Karine Gentelet
Université du Québec en Outaouais

Allison Marchildon
Université de Sherbrooke

Dominic Martin
Université du Québec à Montréal

Les objectifs de ce Regroupement sont de transformer la découverte de molécules et de matériaux en remplaçant les criblages de type « force brute » par des méthodes de modélisation et de conception expérimentale basées sur l’IA, permettant une recherche plus ciblée mais diversifiée à la fois dans l’espace des modèles et dans l’espace des expériences possibles.

Coresponsables

Chercheuses et chercheurs

Alex Hernàndez-García
Université de Montréal

Sébastien Lemieux
Université de Montréal

Teodor Veres
Conseil national de recherche Canada

Les objectifs de ce Regroupement sont de (1) développer des algorithmes capables d’apprendre à partir de dépôts de données en constante augmentation (drones, sociétés de transport, etc.) et de fournir des analyses pour développer des politiques efficaces concernant les changements climatiques et la biodiversité, (2) comprendre la perte de biodiversité dans le contexte du changement climatique, (3) concevoir les pipelines d’apprentissage actif nécessaires pour guider la collecte ciblée de drones sur des zones sujettes à des changements de végétation afin de minimiser l’incertitude épistémique sur, par exemple, le sort futur des stocks et des flux de carbone et d’azote au Canada et au-delà.

Coresponsables

Étienne Laliberté
Université de Montréal

Chercheuses et chercheurs

Soumaya Cherkaoui
Polytechnique Montréal

Samira Keivanpour
Polytechnique Montréal

Les objectifs de ce Regroupement sont de (1) développer et valider un cadre intégratif basé sur la valeur pour guider le développement et le déploiement de IAR³ dans les soins de santé et élaborer des orientations pour les décideurs politiques et les équipes de développement d’IA afin de soutenir IAR³ dans les systèmes de santé et (2) étudier des cas de développements et de déploiements d’IA dans une variété de contextes pour sonder empiriquement a) la perspective et les hypothèses qui guident le travail des équipes de développement, b) les attentes et les droits des personnes potentiellement utilisatrices, y compris les groupes minoritaires, ont à l’égard de l’IA pour des innovations spécifiques, et c) les attentes et les stratégies mobilisées par les personnes utilisatrices dans un contexte réel pour adopter, mettre en œuvre et évaluer la valeur d’une innovation.

Coresponsables

Michaël Chassé
Université de Montréal
CRCHUM

Chercheuses et chercheurs

Carl-Éric Aubin
Polytechnique Montréal
CHU Sainte-Justine

Robert Avram
Université de Montréal
Institut de Cardiologie de Montréal

Julien Cohen-Adad
Polytechnique Montréal
CHU Sainte-Justine

Julie Hussin
Université de Montréal
Institut de cardiologie de Montréal

Venkata Manem
Université Laval
CHU de Québec

Jean Noel Nikiema
Université de Montréal

Esli Osmanlliu
Université McGill
Centre universitaire de santé McGill

Louis-Martin Rousseau
Polytechnique Montréal

Mireille Schnitzer
Université de Montréal

Pablo Valdes Donoso
Université de Montréal

Ce Regroupement intégrera des méthodes modernes d’optimisation et d’apprentissage automatique pour améliorer l’efficacité et la résilience des chaînes d’approvisionnement et des systèmes de mobilité, tout en réduisant leur empreinte environnementale. L’objectif sera d’exploiter l’apprentissage automatique : 1) dans la conception de modèles d’optimisation qui rendront ces systèmes plus réactifs aux conditions changeantes; 2) pour accélérer l’optimisation de systèmes de très grande taille tenant compte du contexte économique, sociétal, environnemental et/ou humain; 3) pour modéliser l’incertitude et rendre les chaînes d’approvisionnement plus résistantes aux perturbations causées par les catastrophes naturelles, les pandémies, les guerres et autres événements mondiaux.

Coresponsables

Chercheuses et chercheurs

Margarida Carvalho
Université de Montréal

Roussos Dimitrakopoulos
Université McGill

Les objectifs de ce Regroupement sont de faire avancer les algorithmes d’apprentissage automatique et l’élaboration de protocoles de sécurité robustes, permettant la mise au point de systèmes d’IA sécuritaires, contrôlables et alignés avec les intentions et instructions de leurs concepteurs et conceptrices.

Coresponsables

Chercheuses et chercheurs

Nora Boulahia-Cuppens
Polytechnique Montréal

Pour toutes questions, contactez l’équipe à : programmes-excellence@ivado.ca.

IAR³ : des Regroupements de recherche pour engendrer une avancée majeure des connaissances en IA et ses applications

Qu’est-ce qu’un Regroupement?

Pourquoi mettre en place des Regroupements?

Objectifs des Regroupements

R1 - IA et neurosciences

Coresponsables

Chercheuses et chercheurs

R2 - Apprentissage automatique

Coresponsables

Chercheuses et chercheurs

R3 - Traitement automatique du langage naturel (TALN)

Coresponsables

Chercheuses et chercheurs

R4 - Mise en œuvre et gouvernance responsable de l’IA

Coresponsables

Chercheuses et chercheurs

R5 - Éthique, EDI et engagement autochtone

Coresponsables

Chercheuses et chercheurs

R6 - Molécules et matériaux

Coresponsables

Chercheuses et chercheurs

R7 - Environnement

Coresponsables

Chercheuses et chercheurs

R8 - Systèmes de santé

Coresponsables

Chercheuses et chercheurs

R9 - Chaînes d’approvisionnement et systèmes de mobilité

Coresponsables

Chercheuses et chercheurs

R10 - Sûreté et alignement de l'IA

Coresponsables

Chercheuses et chercheurs