Alors qu'AI4Good Lab s'apprête à lancer sa dixième cohorte, Mila s'est entretenu avec ses co-fondatrices, Angelique Mannella, responsable de la transformation technologique dans le secteur automobile chez AWS, et Doina Precup, directrice de recherche chez Google DeepMind et titulaire d'une chaire en IA Canada-CIFAR à l'Université McGill et à Mila, pour revenir sur dix ans de formation en IA appliquée auprès des femmes et des personnes de diversité de genre, et pour discuter des perspectives d’avenir.
Il y a dix ans, un petit groupe de 25 participant·e·s s'est réuni à l'Université McGill pour ce qui allait devenir l'un des camps d’entraînement en apprentissage automatique les plus durables au Canada pour les femmes et les personnes de diversité de genre. L'idée derrière AI4Good Lab était à la fois pratique et visionnaire. Elle visait à créer un espace où les personnes historiquement exclues de l'IA pourraient non seulement acquérir des compétences techniques, mais aussi se voir comme des artisanes de la technologie. Alors que le laboratoire s'apprête à accueillir sa dixième cohorte, ses co-fondatrices reviennent sur un parcours qu'aucune d'entre elles n'aurait pu pleinement anticiper lorsqu'elles ont commencé à réfléchir au projet en 2016.
Un problème qui valait la peine d'être résolu
Pour Angelique Mannella, la motivation était personnelle. Ayant travaillé dans l'industrie technologique pendant de nombreuses années, elle avait réfléchi attentivement à ce qui avait manqué dans sa propre expérience en tant qu'étudiante en génie.
« Des années plus tard, forte de nouvelles expériences et ressources, je me suis demandé ce que je pourrais créer pour contribuer à élargir les réseaux personnels et offrir des opportunités de développement et d'apprentissage au-delà des cadres académiques traditionnels », dit-elle.
Pour Doina Precup, chercheuse et professeure dont le parcours l'a menée de la Roumanie au Canada, la motivation venait d'un angle différent. Ce qui l'a le plus frappée après son arrivée en Amérique du Nord, c’est le contraste saisissant et l’ampleur du fossé entre les genres auquel elle a été confrontée.
« J'ai grandi en Roumanie et il n'y avait pas vraiment de fossé entre les genres en mathématiques, en sciences ou en génie », explique-t-elle. « Ma mère était informaticienne, tout comme mon père. Alors quand j'ai déménagé aux États-Unis puis au Canada, j’ai trouvé ça étrange. »
Ce qui a commencé comme un questionnement culturel est devenu une reconnaissance des obstacles structurels. L'idée phare du laboratoire d'utiliser des problèmes à vocation sociale comme thèmes d'ancrage pour les projets d'équipe est née de la conviction que les participant·e·s seraient plus motivé·e·s si le travail leur semblait significatif dès le départ.
Conçu pour s'adapter
Les deux fondatrices tiennent à souligner que le nom a été choisi délibérément. Le laboratoire a toujours été une expérience sur la façon d'enseigner l'apprentissage automatique à un public plus diversifié, et les fondatrices l'ont traité comme tel.
« Nous pensions non seulement que les étudiant·e·s allaient tester différentes idées », dit Precup, « mais aussi que nous allions, nous-mêmes, tester différentes méthodes d'enseignement et de conception de ces projets. »
Le programme a considérablement évolué, passant de l'apprentissage profond et de l'apprentissage par renforcement vers le paysage de l'IA générative d'aujourd'hui. L'empreinte géographique s'est élargie à partir de cette cohorte montréalaise d'origine pour atteindre quatre cohortes réparties à Montréal, Toronto, Edmonton et en ligne. Plutôt que de créer un organisme sans but lucratif distinct, les fondatrices ont choisi de travailler au sein d'un réseau de partenaires complémentaires — McGill, le CIFAR, OSMO, puis Mila, Vector et Amii — en mettant les ressources en commun pour bâtir une présence pancanadienne.
« Vraiment travailler avec la communauté, voir où nous pouvons collaborer ou partager des ressources pour accomplir la mission plutôt que de tout faire par nous-mêmes », dit Mannella. « Ça a toujours fait partie de l'ethos. »
Ce que dix ans de participant·e·s ont démontré
Demandez à l'une ou l'autre des fondatrices ce que le laboratoire a accompli et elles reviennent aux personnes qui y ont participé. Mannella souligne trois choses qu'elle entend régulièrement de la part des ancien·ne·s participant·e·s : la confiance en leurs compétences techniques et en leur place dans le domaine, l'accès à une formation que les établissements d'enseignement sont souvent trop lents à offrir, et le réseau de pairs.
« Les réseaux d’ancien·ne·s participant·e·s qui se sont formés, comment ce réseau de pairs peut être une source d'apprentissage, une source d'amitié, une source d'encouragement… c'est quelque chose d’assez puissant selon les commentaires que nous recevons », dit-elle.
Precup décrit un effet cumulatif qui est difficile à mesurer mais intuitif. Les ancien·ne·s participant·e·s ont poursuivi leur chemin en diversifiant leurs propres équipes, attirant plus de talents et transformant de l'intérieur ce à quoi ressemble le développement de l'IA au Canada.
Les progrès et le travail qu'il reste à accomplir
Aucune des deux fondatrices n'est prête à déclarer victoire sur la diversité dans l'IA canadienne. Precup signale une tendance préoccupante dans les données. Bien que les programmes de premier cycle en informatique aient atteint une parité raisonnable entre les genres, ces chiffres chutent fortement au niveau des cycles supérieurs, et la tendance s'est aggravée depuis l'essor de l'IA. Mannella reconnaît le climat politique changeant autour de la diversité et de l'inclusion sans le laisser modifier sa vision de la mission.
« Le besoin est toujours là, l'impact est toujours là », dit-elle. « Ça ne diminue en rien la mission du laboratoire ni le besoin de continuer. »
Perspectives d'avenir
Pour la dixième cohorte et au-delà, la priorité de Mannella est d'approfondir l'empreinte canadienne et d'atteindre les communautés que le programme ne dessert pas encore adéquatement. « Je suis très fière de ce que nous avons accompli au cours des 10 dernières années et de l'empreinte que nous avons eue », dit-elle. « Mais je pense qu'il y a définitivement une occasion d'aller plus loin et plus largement. »
Precup se tourne vers des questions que le laboratoire n'a pas encore résolues, notamment celle de savoir s'il faut rejoindre des étudiant·e·s plus jeunes, élargir la portée au-delà de la diversité de genre, et si le modèle pourrait éventuellement être exporté à l'international. Son instinct est mesuré, cependant. La croissance n'est significative que si la qualité et l'accessibilité peuvent être préservées.
Ce sur quoi les deux fondatrices s'entendent, c'est que la longévité du programme vient de sa volonté de continuer à apprendre. Le programme de formation, le format, les partenariats et la portée géographique ont tous changé. Ce qui n'a pas changé, c'est la conviction qui a porté à la création même de ce laboratoire. L'IA sera façonnée par celles et ceux qui la développent, et ces personnes doivent refléter toute la diversité des vies qu'elle touche.
La dixième cohorte est sur le point de le découvrir par elle-même. Visitez le site web d'AI4Good Lab pour en savoir plus sur cette initiative pionnière, et consultez cet article récent pour entendre trois anciennes participantes parler de leur expérience avec le programme.
