Mila > Industrie > Recherche appliquée en apprentissage automatique
INDUSTRIE

Recherche appliquée en apprentissage automatique

Consolider les organisations grâce à des solutions d’IA appliquée

Du laboratoire à l’industrie

En raison du fossé entre les applications commerciales de l’IA et la recherche universitaire dans ce domaine, les organisations ont parfois de la difficulté à trouver et à choisir les bonnes technologies pour résoudre des problèmes particuliers.

Pour combler cet écart, l’équipe de recherche appliquée en apprentissage automatique de Mila travaille avec des partenaires industriels sur des projets complexes et à fort impact. L’approche collaborative unique de l’équipe permet de concevoir et d’implanter des solutions de pointe qui profitent aux organisations en améliorant leurs capacités d’apprentissage automatique. Que votre projet nécessite le traitement du langage naturel, la vision par ordinateur ou d'autres formes d'expertise, l'ensemble des compétences de notre équipe peut vous aider à atteindre vos objectifs.

Contactez-nous Découvrez l'équipe
JOUER VIDÉO

Collaborer avec nous

Que votre organisation ait besoin d'aide pour un développement pratique ou de notre expertise, nous offrons nos services avec des avenues favorables aux préoccupations de propriété industrielle et intellectuelle, et avec des possibilités de financement intéressantes

Projets de recherche appliquée Services-conseils du pari

Projets de recherche appliquée

Dès les premières étapes des projets d’IA, nos spécialistes visent à établir des preuves de concept pour aider les organisations à saisir la pleine valeur de l’apprentissage automatique. Nos équipes s’efforcent de bien comprendre le problème à résoudre et la façon dont un modèle d’apprentissage automatique sera utilisé en production. Le succès de notre approche est dû en grande partie à une solide compréhension des ensembles de données qui nous sont confiés et à des protocoles expérimentaux rigoureux mis en place en fonction des objectifs des projets.

Une approche distinctive de l'IA appliquée

Analyse

Analyse approfondie des données et protocoles expérimentaux rigoureux

Propriété intellectuelle

Ententes de propriété intellectuelle favorables à l’industrie

Valeur et résultats

Engagement à créer de la valeur et à fournir des résultats précis

Accompagnement

Approche personnalisée des projets complexes

Processus collaboratif

Approche collaborative propice au transfert de connaissances

Accessibilité

Code adapté au secteur industriel et documentation claire

Réalisations récentes

Caisse de dépôt et placement du Québec

La Caisse de dépôt et placement du Québec (CDPQ) s’associe à Mila pour explorer des stratégies d’investissement basées sur l’apprentissage automatique.

La CDPQ s’associe à Mila pour explorer des stratégies d’investissement basées sur l’apprentissage automatique

Nous avons collaboré avec la CDPQ sur un projet de recherche visant à explorer des stratégies d’investissement basées sur l’apprentissage automatique pour prédire la répartition d’un portefeuille d’actions, en se basant uniquement sur les prix passés des actifs. Selon de récentes études, ces stratégies basées sur une conjoncture favorable ont obtenu des résultats intéressants, et nous avons voulu vérifier leur pertinence dans le contexte d’investissement de la CDPQ. Dans le prolongement de cette piste de recherche, nous avons testé l’approche sur un ensemble composé d’actions du S&P 500 plutôt que de contrats à terme et avons introduit explicitement les coûts de transaction. Pour tenir compte des caractéristiques des données financières, nous avons utilisé un processus d’apprentissage de type adaptatif pour réestimer les paramètres, modifié la fonction de coût pour qu’elle corresponde à celles réellement utilisées par les praticiens, à savoir les ratios de Sharpe et d’information, et testé des approches d’ensemble. Nous avons proposé des idées fondées sur l’apprentissage continu pour tenter de surmonter les limites de ces modèles.

Dialogue

Dialogue tire parti de l’apprentissage par renforcement pour optimiser la télémédecine et améliorer les soins aux patients et aux patientes.

Dialogue tire parti de l’apprentissage par renforcement pour optimiser la télémédecine et améliorer les soins aux patients et aux patientes

Dialogue propose une plateforme de télémédecine qui vise à diriger un patient ou une patiente vers le bon praticien grâce à un agent conversationnel qui collecte tous les renseignements pertinents sur ses symptômes et ses antécédents. Comme le système utilisé par Dialogue est basé sur des règles, il est difficile d’y inclure de nouvelles pathologies ou de nouvelles connaissances médicales. L’agent pose également beaucoup de questions et ne collecte pas toujours tous les renseignements pertinents. Mila a conçu un nouveau modèle, basé sur l’apprentissage par renforcement, qui recueille beaucoup plus d’informations au moyen d’un moins grand nombre de questions. L’entraînement de ce modèle comprend une fonction de mise à jour des récompenses dont le but est d’imiter le raisonnement d’un ou d’une médecin d’expérience.

American Family Insurance

American Family Insurance utilise des modèles d’apprentissage profond pour accélérer le traitement et la vérification des réclamations.

American Family Insurance utilise des modèles d’apprentissage profond pour accélérer le traitement et la vérification des réclamations

American Family Insurance souhaite utiliser des modèles d’apprentissage profond afin d’aider son équipe professionnelle de l’assurance à accélérer le traitement et la vérification des réclamations pour sa gamme de produits d’assurance automobile. Ces modèles doivent traiter des données mixtes telles que du texte, des données catégorielles et des images. Les modèles seront conçus pour prédire ou vérifier les valeurs des attributs décrivant les véhicules individuels impliqués dans un accident, ainsi que les attributs globaux en ce qui concerne la réclamation décrivant les propriétés de l’accident.

Optina Diagnostics

Optina Diagnostics s’associe à Mila pour accélérer la détection précoce de la maladie d’Alzheimer.

Optina Diagnostics s’associe à Mila pour accélérer la détection précoce de la maladie d’Alzheimer

Optina Diagnostics développe la plateforme Retinal Deep PhenotypingMC afin d’analyser le statut amyloïde cérébral et d’autres biomarqueurs clés de la maladie d’Alzheimer (MA). Étant donné que la rétine, le revêtement de l’œil, est une extension du cerveau, elle peut fournir des indications sur les pathologies neurologiques. L’objectif du projet est d’utiliser les images rétiniennes hyperspectrales d’Optina Diagnostics pour repérer les phénotypes associés au statut amyloïde cérébral en observant directement la rétine. Cette approche est moins invasive et moins coûteuse que la tomographie par émission de positrons (TEP) de l’amyloïde cérébrale.

L’imagerie rétinienne permettrait de faciliter l’accès à des tests pouvant conduire à un diagnostic plus précoce de la MA et améliorer la qualité de vie des personnes atteintes. Nous utilisons les résultats d’une étude clinique portant sur quelques centaines de patients et de patientes pour lesquels nous disposons à la fois de TEP cérébrales et d’images rétiniennes hyperspectrales d’Optina Diagnostics. Les équipes médicales ont analysé les TEP pour catégoriser le statut de la bêta-amyloïde cérébrale chez les malades.

Dans le cadre de ce projet, Mila doit travailler avec un nombre relativement faible de personnes atteintes par rapport aux ensembles de données d’apprentissage profond typiques, car la référence standard, la TEP, est à la fois coûteuse et peu accessible. Mais la grande taille des cubes hyperspectraux (en termes de résolution spatiale et spectrale) offre d’énormes possibilités à notre équipe de recherche.

Nous collaborons avec l’équipe d’apprentissage automatique d’Optina Diagnostics pour accélérer le développement des modèles d’apprentissage profond et faire en sorte qu’elle continue d’augmenter l’exactitude et la précision de l’analyse du statut amyloïde cérébral.

Institut de recherche d’Hydro-Québec

L’Institut de recherche d’Hydro-Québec et Mila collaborent pour prévoir avec précision l’irradiance solaire afin de mieux comprendre les implications pour la production électrique.

L’Institut de recherche d’Hydro- Québec et Mila collaborent pour prévoir avec précision l’irradiance solaire afin de mieux comprendre les implications pour la production électrique

Les scientifiques en recherche appliquée de Mila collaborent avec l’équipe de l’Institut de recherche d'Hydro-Québec (IREQ) pour prévoir de façon plus précise l’irradiance solaire totale au Québec et dans le nord-est des États-Unis de zéro à six heures à l’avance en utilisant les images d'un satellite environnemental géostationnaire. L'irradiance solaire est la quantité totale de rayonnement solaire à ondes courtes reçue par une surface horizontale (W/m2). Une meilleure prédiction de l’irradiance solaire améliorera principalement notre compréhension du potentiel de production d'électricité à partir de l'énergie solaire et fournira des outils supplémentaires pour gérer le réseau électrique. L'un des principaux défis de ce projet est la rareté des signaux d’irradiance solaire mesurés sur le terrain, car le nombre de pyranomètres dans le territoire concerné est extrêmement faible.

Services-conseils du PARI

Nos spécialistes en recherche appliquée proposent des services- conseils aux organisations qui travaillent sur des applications pratiques de l’apprentissage automatique. Nous nous engageons à aider les organisations à atteindre leurs objectifs en adaptant notre expertise à leurs besoins particuliers. Notre équipe peut :

  • Aider à formaliser le problème;
  • Contribuer à définir un protocole expérimental rigoureux;
  • Aider à sélectionner les meilleures classes de modèles d'apprentissage automatique;
  • Donner des conseils sur la mise en œuvre des modèles.

Nous collaborons avec le Conseil national de recherches Canada (CNRC) et son Programme d’aide à la recherche industrielle (PARI) pour soutenir les entreprises travaillant sur des projets d'apprentissage automatique.

Pour en savoir plus, visitez le site Web du CNRC .

Partenaires du PARI
« Nous avions déjà une certaine expertise interne en intelligence artificielle. La collaboration avec le groupe de recherche appliquée de Mila nous a permis de faire avancer concrètement notre projet. Nous avons pu identifier des pistes de développement et les valider en un délai exceptionnellement court. Nous avons acquis une expertise qui, autrement, nous aurait pris beaucoup plus de temps à élaborer. Cette interaction avec Mila a entraîné des répercussions considérables sur notre échéancier. »
André Beaudin
Ing., chef d’équipe, Innovation, Technologies D-BOX inc.
« Les spécialistes de Mila ont joué un rôle déterminant en nous aidant à faire progresser les capacités et à renforcer l’expertise de notre équipe en apprentissage automatique. Collaborer avec Mila nous a permis de concevoir, tester, optimiser et déployer Roxi, le seul algorithme d’IA pour la prédiction, l’analyse et l’optimisation des performances du béton. L’algorithme est actuellement utilisé au quotidien par des praticiens pour analyser des millions de mètres cubes de béton dans le cadre de milliers de projets dans le monde entier. »
Andrew Fahim
Ing., directeur principal, Recherche et développement, Giatec Scientific inc.
« Mila a largement contribué à l’identification et à l’intégration de modèles d’apprentissage profond de type « transformeur », plus efficaces que les modèles que nous utilisions auparavant. À l’époque, ces modèles venaient d’apparaître dans les recherches et n’avaient pas encore été popularisés. »
Marc-André Morissette
vice-président, Technologie, Lexum
« Notre collaboration avec les spécialistes de Mila a été essentielle au développement de notre solution. Nous n’avons pas seulement profité de leur expertise; leur approche fondée sur le transfert de connaissances nous a permis de réellement nous approprier la solution que nous avons développée ensemble. »
Antoine Gagné
directeur de la technologie, Whale Seeker inc.

Notre équipe

Scientifique en recherche appliquée
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée sénior
Directrice Sénior
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée sénior
Scientifique en recherche appliquée
Nous rejoindre

Contactez nos expert·e·s en IA

Contactez-nous