Comment réellement intégrer l’IA générative dans ses processus d’affaires?

Balado Rencontre matinale de l’IA

Avec Jean-François Pilon de chez Alloprof, Olivier Blais et Antoine Cossé de chez Moov AI.

L’IA générative est plus qu’un simple outil! Que vous soyez pour ou contre l’utilisation de ces solutions, leur impact sur la manière dont les projets d’intelligence artificielle sont menés est indéniable. Cette technologie pousse les entreprises à repenser leur approche du développement de projets d’IA et permet de créer des modèles et des simulations complexes qui étaient auparavant impossibles ou excessivement coûteux.

Grâce à l’utilisation des technologies d’IA générative et de robot conversationnel de Google, cette solution se traduira par des solutions d’IA plus sophistiquées et des résultats améliorés pour Alloprof.

Joignez-vous à Jean-François Pilon Directeur des technologies, produits et agilité chez Alloprof et Olivier Blais VP. Science de la décision de Moov AI pour notre rencontre matinale de l’IA qui explore les changements de paradigme et les implications de l’IA générative sur les entreprises et les utilisateurs finaux. Et surtout, comment faire pour intégrer l’IA générative.

Lors de cette rencontre, Jean-François présente les pistes explorées par Alloprof pour l’IA générative, les défis que cette technologie pose et les possibilités qu’elle offre. Il présente l’application pour Alloprof, développée sur les outils existant offerts par Google et explique les étapes de sa création.

Avec Olivier, ils discutent des différents cas d’utilisation de l’IA générative tels que la génération de métadonnées, la génération de documents de toutes sortes, l’utilisation de chatbot externe automatisant l’expérience client et plus encore. Ensemble, ils présentent comment l’intégration de l’IA générative permet aux entreprises de tirer de réels bénéfices et d’atteindre plus rapidement leurs objectifs d’affaires.

À propos des panelistes

Jean-François Pilon

Directeur des technologies, produits et agilité chez Alloprof

Olivier Blais

VP Science de la décision chez Moov AI

Antoine Cossé

VP Croissance chez Moov AI

Klever choisit Moov AI pour améliorer le trading des médias grâce à l’intelligence artificielle.

Montréal, Juin 15, 2023 – Klever annonce le début d’un projet d’intelligence artificielle en partenariat avec Moov AI. Il vise à accroître les capacités des traders médiatiques en fournissant des recommandations basées sur des paramètres spécifiques, des tactiques et le comportement réel des clients.

Moov AI développera une solution d’intelligence artificielle dotée d’une capacité d’adaptation accrue aux fluctuations du marché, permettant à Klever de réagir plus rapidement et lui offrant ainsi un avantage compétitif. Le projet est divisé en trois phases, la première étant un processus de découverte et de réduction des risques entamée en avril.

« En exploitant les milliards de points de données générés chaque mois par notre activité de trading sur l’ensemble des canaux Internet ouverts, nous utiliserons l’intelligence artificielle pour générer des recommandations et des opportunités d’optimisation. »

-Marc Poirier, PDG de Klever Programmatic

« C’est excitant de voir comment les solutions d’intelligence artificielle améliorent le domaine des médias et de la publicité. Nous sommes fiers de faire partie de cette réussite de l’IA au Québec, démontrant que Montréal est un pôle de premier plan pour la réalisation de projets d’IA concrets et de valeurs. »

-Olivier Blais

INVEST-AI

Le programme INVEST-AI a accordé à Klever Programmatic un financement important dans le cadre de ce projet afin de soutenir l’innovation intelligente dans l’optimisation des campagnes programmatiques. Ce programme a pour objectif de favoriser le développement des petites et moyennes entreprises au Québec en appliquant l’intelligence artificielle aux processus commerciaux.

À propos de Moov AI

Moov AI déploie des solutions concrètes d’intelligence artificielle et d’apprentissage machine qui répondent à de vrais défis d’affaires chez ses clients.

Nos experts guident leurs entreprises pour tirer profit de ces technologies de pointe et ce, peu importe leur niveau de maturité en science de données. Nous sommes spécialistes des technologies de l’intelligence artificielle et de la livraison de valeur concrète, très rapidement dans le processus grâce à l’IA Agile.

Nous accompagnons des entreprises de toutes tailles et dans toutes les industries afin qu’ils déploient le plein potentiel de l’IA et nous veillons à la pertinence et à la précision de leurs processus d’IA à long terme.

En apprendre plus »

À propos de Klever Programmatic

Klever est la plateforme premium pour les spécialistes du marketing qui recherchent des niveaux de performance plus élevés pour leurs campagnes programmatiques. Nous sommes connus sous le nom de « The Human Adtech Company » (La société de technologie publicitaire humaine). Nous collaborons avec des agences qui recherchent des niveaux de performance supérieurs pour leurs campagnes programmatiques.

En apprendre plus »

Partenariat Connect&GO avec Moov AI pour de la prédiction d’achalandage et de la tarification dynamique

Montréal, 9 Juin, 2023 – Repousser les limites et concrétiser des idées innovantes grâce à l’IA pour l’industrie des attractions.

Notre équipe accompagne Connect & Go depuis plusieurs mois dans le développement d’une plateforme de prédiction et d’influence d’achalandage la plus avancée du marché.

Grâce à la vision de Dominic Gagnon et de son équipe Connect & GO, la plateforme Konnect AttendX utilise la dernière technologie d’intelligence artificielle développée en partenariat avec Moov AI pour aider les opérateurs à prendre des décisions opérationnelles éclairées qui contribuent à générer des revenus et à maximiser l’efficacité tout en offrant une expérience utilisateur incroyable.

Konnect AttendX se compose de deux éléments essentiels : Konnect Predictor et Konnect Smart Pricing.

Konnect Predictor

Grâce à Konnect Predictor, un moteur prédictif de trafic basé sur l’IA, les parcs d’attractions peuvent rationaliser leurs opérations en anticipant avec précision la fréquentation. Cette fonctionnalité permet aux opérateurs de surmonter les problèmes liés aux pénuries de main-d’œuvre et d’optimiser l’allocation des ressources. Contrairement aux méthodes de planification traditionnelles, souvent basées sur l’intuition, Konnect Predictor utilise des données historiques, des tendances de réservation, des calendriers de vacances, des prévisions météorologiques et des horaires scolaires pour fournir des projections de fréquentation fiables. Les parcs d’attractions peuvent ainsi optimiser leurs horaires de personnel, prévoir les ventes de nourriture, gérer leurs stocks, et bien plus encore. Ces informations précieuses permettent d’améliorer les stratégies de tarification, les efforts de marketing et les actions publicitaires, contribuant ainsi à augmenter les ventes et le retour sur investissement.

Konnect Smart Pricing

En complément de Konnect Predictor, Konnect Smart Pricing offre une solution de tarification dynamique basée sur les données fournies par Predictor. Cette fonctionnalité permet aux opérateurs d’ajuster les prix en fonction de la demande, maximisant ainsi les revenus et atteignant les objectifs de fréquentation. Les opérateurs peuvent spécifier le prix moyen souhaité pour les billets d’entrée générale, et Konnect Smart Pricing générera une grille de tarifs sur toute la saison visant à atteindre cet objectif et à maximiser les revenus. Grâce à une analyse en temps réel de la sensibilité du trafic par rapport aux prix des billets, le moteur de tarification dynamique calcule l’élasticité des prix et de la demande. Ces informations permettent aux opérateurs d’améliorer l’expérience des visiteurs, d’optimiser l’utilisation des ressources disponibles et de répartir efficacement le trafic tout au long de la semaine, réduisant ainsi la pression sur les équipes opérationnelles et améliorant la satisfaction des clients.

L’un des principaux problèmes rencontrés par nos clients aujourd’hui concerne la gestion du personnel et des ressources matérielles . L’intelligence artificielle offre une opportunité passionnante aux attractions non seulement de prédire le trafic plusieurs jours à l’avance, mais aussi d’influencer les tendances grâce à des stratégies de tarification et des offres dynamiques.

Dominic Gagnon, PDG de Connect&GO

« Seuls, nous allons plus vite, ensemble, nous allons plus loin ». J’ai toujours cru en ce dicton et maintenant je crois que nous en avons la preuve. En unissant les forces des équipes de Connect&Go et de Moov AI, nous avons pu exploiter les possibilités de l’intelligence artificielle pour offrir une valeur concrète et une expérience utilisateur incroyable aux clients de Connect&Go.

Dominic Danis, Président Moov AI

Déjà plusieurs clients ont confirmé leur intention d’implanter la solution AttendX pour leurs opérations, et ce, partout sur la planète.

À propos de Moov AI

Moov AI déploie des solutions concrètes d’intelligence artificielle et d’apprentissage machine qui répondent à de vrais défis d’affaires chez ses clients.

Nos experts guident leurs entreprises pour tirer profit de ces technologies de pointe et ce, peu importe leur niveau de maturité en science de données. Nous sommes spécialistes des technologies de l’intelligence artificielle et de la livraison de valeur concrète, très rapidement dans le processus grâce à l’IA Agile.

Nous accompagnons des entreprises de toutes tailles et dans toutes les industries afin qu’ils déploient le plein potentiel de l’IA et nous veillons à la pertinence et à la précision de leurs processus d’IA à long terme.

Plus de détails »

À propos de Connect&GO

Connect&GO est un leader mondial dans la technologie de gestion des visiteurs et des attractions, offrant la plateforme de gestion des opérations la plus flexible et facile à utiliser de l’industrie des attractions. Leur plateforme de gestion tout-en-un intègre de manière transparente le commerce électronique, les points de vente, la restauration, le contrôle d’accès RFID et les paiements sans numéraire grâce à leur portefeuille virtuel, afin de regrouper toutes les données en un seul endroit. Ils aident à augmenter les revenus et à maximiser l’engagement des visiteurs grâce à des informations précieuses en temps réel. Connect&GO dessert les parcs d’attractions et aquatiques, les centres de divertissement familial, les zoos et aquariums, les festivals et les événements en direct du monde entier, en intégrant une technologie portable facile à utiliser dans des expériences incroyables.

Plus de détails sur Connect & GO »

Information

Moov AI
Guillaume Petitclerc
Vice-Président, Marketing et Culture
514-476-7607
guillaume.petitclerc@moov.ai

Un OCTAS pour Ricardo, Turbulent et Moov AI

Montréal, 20 juin2023 – Mon RICARDO+ a remporté la catégorie Innovation et rupture – PME et Startups lors des OCTAS 2023.

Ce projet, que nous avons réalisé en étroite collaboration avec l’équipe de Turbulent, a permis à RICARDO Media. d’offrir à ses abonnés un outil de planification de menu propulsé grâce à l’intelligence artificielle tout en leur offrant la meilleure expérience possible.

Le Concours des OCTAS offre une opportunité exceptionnelle de célébrer les réalisations d’excellence dans le domaine des technologies de l’information (TI). Cet événement organisé par le Réseau Action TI, rend hommage aux individus, entreprises et organismes qui se démarquent par leur créativité, leur dynamisme et leur contribution exceptionnelle à la croissance de l’industrie des technologies. Au cours de sa cérémonie de remise de prix annuelle, le Réseau Action TI décerne les prestigieux trophées OCTAS aux lauréats des différentes catégories. Les gagnants sont sélectionnés par un jury composé de représentants éminents du secteur des technologies.

Le concours OCTAS évalue les projets en fonction de plusieurs critères clés, tels que la clarté et la pertinence des objectifs du projet, l’ampleur de la réalisation par rapport à la taille de l’organisation, les avantages réels obtenus, l’impact sur le public cible et sur l’organisation, les concepts, méthodes et outils utilisés, ainsi que l’utilisation novatrice de la technologie.

Mon RICARDO+ a été salué pour son excellence dans tous ces domaines, démontrant ainsi sa valeur exceptionnelle. Nous sommes très fiers que notre travail soit reconnu auprès de notre industrie.

C’est extrêmement gratifiant de voir que quand on unit des partenaires bétons à une mission vraie, on peut réaliser des projets innovants qui font la différence pour les familles d’ici.

On parle souvent que la clé pour créer des produits pertinents, c’est de répondre à un vrai besoin. Et bien, on a réussi à offrir des outils performants pour répondre rapidement à la fameuse question  »Qu’est-ce qu’on mange pour souper? » et juste pour ça, je pense que c’est mission accomplie!

-Alexandra Dion, Spécialiste marketing relationnel et fidélisation chez Ricardo Media

« Recevoir un OCTAS est un honneur. Nous sommes vraiment très fiers du travail accompli et de la complicité développée par les équipes dans les trois organisations impliquées. Notre objectif est de créer de la valeur au Québec et c’est, entre autres, grâce à des collaborations comme celle-ci que nous allons y arriver. Ensemble nous irons plus loin. »

– Dominic Danis, CEO et cofondateur de Moov AI

Mon RICARDO+

Cet outil simplifie la planification des menus pour les abonnés de mon RICARDO+. L’intégration de l’intelligence artificielle dans Mon RICARDO+ permet d’offrir des recommandations personnalisées aux abonnés en fonction de leur profil de navigation et de leurs préférences culinaires. Cela permet de leur proposer des recettes correspondant à leurs goûts et à leur régime alimentaire. Les recommandations personnalisées de Mon RICARDO+ constituent une force importante pour la planification des repas, ces recommandations étant continuellement affinées et améliorées au fil du temps, en fonction des retours des abonnés. 

Grâce à une interface intuitive, les utilisateurs ont le contrôle total sur les suggestions de l’IA, tout en laissant libre cours à leur créativité culinaire.

Pour en savoir plus sur le projet

À propos de Moov AI

Moov AI est une société de service conseil en valorisation de données et en intelligence artificielle basée à Montréal. Nous formons nos clients, les accompagnons à trouver les meilleures opportunités pour appliquer l’IA et développons des solutions utiles qui génèrent des résultats concrets.

Nous possédons une grande expérience en commerce de détail, grand manufacturiers et produits numériques complexes grâce à des mandats avec des sociétés comme Metro Inc, Pratt & Whitney, Radio-Canada et la Société de Transport de Montréal (STM).

À propos de Turbulent

Turbulent est un atelier de tech dont la mission est d’aider les entreprises visionnaires à libérer le plein potentiel de leur public.


Passionnée par les technologies et la résolution de problème créative, Turbulent crée des produits électrisants qui propulsent les écosystèmes numériques dans les secteurs des médias, du divertissement et de l’éducation depuis 2002.

Information

Moov AI
Guillaume Petitclerc
Vice-Président, Marketing et Culture
514-476-7607
guillaume.petitclerc@moov.ai

Moov AI devient partenaire de Mila, une collaboration pour favoriser la croissance et le développement de l’intelligence artificielle

Montréal, 21 juin 2023 – Moov AI est fière d’annoncer son partenariat stratégique avec Mila – Institut québécois d’intelligence artificielle. L’objectif de ce partenariat est de créer une synergie entre les expert·e·s de Mila et de Moov AI afin de soutenir les organisations souhaitant se doter de systèmes d’intelligence artificielle robustes et fiables. Ce partenariat constitue un pas en avant pour Moov AI dans sa mission de démocratiser l’intelligence artificielle.

Cette collaboration prometteuse vise à favoriser le développement de projets innovants et à fort impact avec une approche basée sur l’intelligence artificielle et l’apprentissage automatique. En s’associant au savoir-faire et à l’expertise de Mila, Moov AI dispose d’un atout supplémentaire pour accélérer la valorisation de ses services.

« En établissant un partenariat avec Mila, Moov AI se dote d’un partenaire au fait des avancées technologiques liées au développement de modèles.  Leur expertise nous permet d’investir plus d’efforts dans l’opérationnalisation et l’adoption de systèmes concrets, » explique Olivier Blais VP science de la décision chez Moov AI.

Depuis bientôt 5 ans, Moov AI développe des solutions d’intelligence artificielle répondant aux défis d’affaires et adaptés aux besoins de nombreuses entreprises. Son équipe d’experts se démarque par son sens aiguisé des affaires et sa grande expertise technique à livrer des solutions et générer des résultats concrets. La complémentarité de notre équipe et de celle de Mila permettra de faciliter l’adoption de l’IA dans les entreprises.

Ce partenariat ouvre de nouvelles opportunités pour Moov AI, renforçant sa capacité à fournir des solutions technologiques innovantes, fiables et adaptées aux besoins spécifiques de ses clients.


«  Nous sommes ravis d’entamer notre collaboration avec Moov AI, l’une des organisations importantes de l’écosystème québécois d’IA qui partagent notre volonté d’aider les entreprises à comprendre comment l’IA peut être intégrée de manière responsable pour améliorer leurs processus. Il s’agissait d’une association très naturelle pour Mila, » a déclaré Stéphane Létourneau, vice-président exécutif de Mila.

En unissant leurs forces, Moov AI et Mila sont prêts à façonner l’avenir de l’intelligence artificielle et à créer un impact significatif sur l’écosystème de l’intelligence artificielle.

À propos de Mila

Fondé en 1993 par le professeur Yoshua Bengio de l’Université de Montréal, Mila est un institut de recherche en intelligence artificielle qui rassemble aujourd’hui plus de 1000 chercheuses et chercheurs spécialisés en apprentissage automatique. Basé à Montréal, Mila a pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’IA au bénéfice de tous. Mila est une organisation à but non lucratif reconnue mondialement pour ses importantes contributions au domaine de l’apprentissage profond, en particulier dans les domaines de la modélisation du langage, de la traduction automatique, de la reconnaissance d’objets et des modèles générateurs.

Pour en savoir plus

À propos de Moov AI

Moov AI est une firme de service conseil en valorisation de données et en intelligence artificielle. Nous formons nos clients, les accompagnons à trouver les meilleures opportunités pour appliquer l’IA et développons des solutions utiles qui génèrent des résultats concrets.

Nous déployons des solutions concrètes d’intelligence artificielle et d’apprentissage automatique qui répondent aux véritables défis commerciaux de nos clients. Nos experts les accompagnent afin de tirer profit de ces technologies de pointe et ce, peu importe leur niveau de maturité en science de données.

Nous sommes spécialistes en science des données et en création de valeur concrète, et ce, très rapidement dans le processus grâce à l’IA agile.

Nous accompagnons des entreprises de toutes tailles et dans toutes les industries afin qu’elles déploient le plein potentiel de l’IA et nous veillons à la pertinence et à la précision de leurs processus d’IA à long terme.

Pour en savoir plus

Maximiser l’apprentissage grâce à l’intelligence artificielle

Maximiser l’apprentissage grâce à l’intelligence artificielle
Apprentx a fait confiance aux consultants de Moov AI

L’intelligence artificielle pour optimiser les parcours de formation de chaque participant afin d’assurer un parcours de formation personnalisé.

Laissez-nous vous présenter l’étude de cas d’une solution conçue par Moov AI pour notre partenaire Apprentx, une PME montréalaise qui accompagne des entreprises à développer des programmes de formation ayant pour but d’augmenter la performance des employés.

Malgré le fait que le domaine d’Apprentx soit quand même relativement pointu, le cas d’utilisation d’apprentissage machine rencontré ici est extrêmement répandu dans plusieurs industries. Nous faisons face à un problème de classification.

C’est ce même problème qui se retrouve derrière la prédiction de l’attrition de clientèle (churn) d’une compagnie de télécommunications (quitte vs quitte pas), de la prédiction de fraude dans une banque (fraude vs pas fraude) ou la prédiction qui mettra un courriel dans les courriels indésirables (spam vs pas spam).

Qui est Apprentx?

Apprentx est une entreprise spécialisée dans le renforcement des apprentissages et des comportements. Leur but est d’améliorer la rétention des connaissances après une formation et de s’assurer que le participant sera en mesure d’utiliser les connaissances apprises et de mettre en application les comportements et habitudes dont il a besoin pour effectuer son travail au quotidien.

Pour ce faire, Apprentx développe l’application B12, une plateforme qui propose des programmes de formation et de renforcement sur mesure.

B12 permet de créer des parcours de formation sur demande. Après chaque portion de formation, la plateforme envoie de courtes séquences de questions aux participants suivant un calendrier prédéterminé.

L'équipe d'Apprentx

Prédire le niveau de performance des participants avec l’IA pour adapter les programmes

Il faut savoir que les parcours d’apprentissage adaptatifs sont reconnus dans le domaine de la formation comme étant très efficaces pour atteindre un meilleur niveau de performance de façon plus rapide.

Le hic, c’est que très peu d’outils permettent d’automatiser la tâche d’adapter le parcours à chaque utilisateur. Dans le contexte de l’apprentissage en ligne sur un nombre massif de cours et d’individus, traiter une telle quantité d’information pour en tirer des tendances et effectuer des suggestions est une tâche titanesque, voire impossible pour un cerveau humain.

C’est exactement pour cette raison qu’Apprentx a mandaté Moov AI pour développer un modèle d’intelligence artificielle permettant d’adapter les parcours de formation aux forces et faiblesses de chaque participant, en se basant sur une prédiction de leur performance pour les questions du programme.

Cette prédiction sera utilisée pour optimiser les parcours à différents niveaux :

  • proposer le bon nombre d’activités aux participants,
  • proposer le bon niveau de difficulté pour s’assurer que ça ne soit pas trop facile, ni trop difficile
  • proposer les sujets à réviser en priorité et le nombre de répétitions nécessaires afin d’améliorer la progression des participants

La classification, un cas très répandu dans plusieurs industries

Tel que mentionné précédemment, nous avions affaire à un problème de classification.
À sa plus simple expression, l’étude du cas d’Apprentx pourrait se résumer à la prédiction de la réussite ou non d’un participant à une question donnée.

Dans le cas d’Apprentx, la classification était plutôt complexe à réaliser puisque nous devions tenir en compte de plusieurs variables :

  • le chemin de formation pris par le participant
  • le fait que la plateforme contienne plusieurs programmes fondamentalement différents
  • le fait que la définition de ce qui est considéré comme un niveau acceptable de réussite est variable d’un programme à l’autre.

Nous avons également eu à tenir compte de la courbe d’apprentissage des individus. Les données seront constamment en évolution puisque les participants peuvent s’améliorer ou s’empirer dépendamment de l’évolution de la difficulté des questions et des optimisations apportées au programme grâce aux prédictions du modèle.

Un projet court, efficace, ciblé

Pour aller de l’avant, nous avions 4 critères principaux à remplir avec cette solution :

  1. La solution doit être applicable à l’ensemble des formations sur mesure.
  2. Elle doit être en mesure de bien comprendre la performance du participant dans le but d’influencer son parcours pour optimiser ses chances de succès.
  3. Elle doit être facile à utiliser et à interpréter pour les concepteurs de programmes.
  4. Elle doit fournir rapidement de bonnes prédictions lors de la création d’un nouveau programme.

Afin de personnaliser un programme de façon efficace, nous devons calculer les probabilités que la personne obtienne la bonne réponse pour une question selon le sujet de la question et le niveau de difficulté indiqué par le concepteur du programme.

Lors de la personnalisation, l’objectif du concepteur est de créer un quiz avec le bon regroupement de questions, le bon niveau de difficulté et les sujets prioritaires à réviser pour assurer l’apprentissage.

Le but du modèle est donc de prédire le taux de succès pour chaque question pour chaque utilisateur du groupe.

Cette prédiction de succès est utilisée par la plateforme B12, en complément à d’autres règles d’affaires basées sur la pédagogie et les sciences cognitives, pour adapter les programmes pour les utilisateurs pour lesquels les prédictions de succès seront fiables.

Le système permet également à Apprentx d’établir un diagnostic et de recalibrer les catégories de difficulté des questions au besoin, grâce au suivi des performances des élèves.

Ces éléments permettront de viser une bonne balance pour mettre les participants dans leur zone optimale d’apprentissage.

Bonus au mandat : amélioration des données disponibles pour des analyses plus rigoureuses

L’ajout de l’IA dans l’outil et la capture de plusieurs métriques entourant le modèle ont permis également d’améliorer les analyses basées sur les données et plutôt que sur une interprétation sommative des résultats. Ainsi, l’IA a apporté une rigueur à l’analytique produite par B12 augmentée par des données probantes. Par exemple, l’IA permet de valider et calibrer les niveaux de difficulté des questions en se basant sur les taux de réussite réels et prédits.

Il est important d’utiliser des données empiriques pour prendre des décisions éclairées sur les interventions éducatives. Ainsi, l’IA a apporté une rigueur à l’analytique produite par B12 augmentée par des données probantes.

Solution développée et mise en production

Le plus grand défi auquel nous avons dû faire face était de développer une approche universelle « One size fits all » qui pourrait être applicable à n’importe quel programme.

Comme les programmes Apprentx diffèrent par leur durée pour un participant (certains durent des mois tandis que d’autres – seulement quelques jours) et par la répartition du contenu par niveau de difficulté, nous avons dû tester deux approches sur plusieurs programmes avant d’arriver à la solution finale.

Nous avons choisi de nous concentrer sur la prédiction de succès pour chaque question et chaque utilisateur pour chaque programme. Nous avons également dû garder en tête que le modèle doit être performant et générer un rapport à chaque jour pour permettre aux équipes de concepteurs de programmes de les utiliser.

Voici comment nous avons abordé le problème

Avant l’implantation de l’IA dans B12, les utilisateurs voyaient les mêmes séquences de questions au même moment avec des programmes prédéfinis et non personnalisés.

Pour surmonter cela, nous avons développé une approche qui prend en compte toutes les données disponibles jusqu’à aujourd’hui pour prédire la probabilité que chaque participant réussisse dans chaque question d’un programme demain.

Comme de nouvelles données sont constamment ajoutées lors du réentraînement quotidien, chaque modèle de programme évoluera et s’améliorera avec le temps. Lorsqu’un nouveau programme est lancé, les prédictions ne seront pas meilleures qu’une prédiction aléatoire, mais leur qualité s’améliorera nettement avec le temps puisque les données seront de plus en plus nombreuses.

Pour tester les modèles sur des données qu’ils n’avaient jamais vues auparavant, nous avons comparé les prédictions du modèle pour demain avec les performances réelles des utilisateurs de demain. Au final, nous avons choisi le modèle qui distinguait le mieux la réussite de l’utilisateur de l’échec.

Un pas de plus vers l’automatisation complète

Ce projet est un bel exemple de modèle déployé qui répond au besoin d’Apprentx d’avoir des prédictions à chaque jour pour permettre aux créateurs de programmes d’être plus efficaces et d’améliorer les chances d’un apprentissage efficace.

L’approche que nous avons préconisée permet à Apprentx de franchir un pas de plus et de pousser plus loin leur exploration de la personnalisation de séquences de questions présentées aux utilisateurs avec comme objectif l’automatisation complète.

Au final, notre équipe, avec la collaboration de l’équipe d’Apprentx, a été en mesure de créer un outil de prédiction de la réussite qui est performant et polyvalent, tout en fonctionnant avec peu de données.

Comment financer un projet d’intelligence artificielle grâce aux subventions

Comment financer un projet d'intelligence artificielle

Plusieurs programmes et subventions permettent de financer vos ambitions en intelligence artificielle et peuvent servir de levier à votre entreprise.

Ce n’est plus un choix : pour demeurer compétitive, votre organisation doit innover. Une des bonnes façon d’y arriver est d’intégrer l’intelligence artificielle (IA).

Vos compétiteurs le font. Sans parler des compagnies nées de l’IA qui bouleversent déjà le monde des affaires.

Mais comment financer vos ambitions? Est-ce possible d’en tirer profit dès aujourd’hui? Quel niveau d’investissement est requis?

Antoine Cossé d’INVEST-AI et Marc Vaucher de Scale AI présentent leurs programmes de financement respectifs, leurs différences et leurs ressemblances ainsi que le type de projets financés dans les derniers mois.

Julie Castonguay d’ApprentX quant à elle parle de son expérience d’avoir récemment livré avec succès un projet d’intelligence artificielle, réalisé par Moov AI et financé grâce au programme de co-financement INVEST-AI d’IVADO Labs.

L’objectif de ce déjeuner-conférence : vous donner toute l’information nécessaire pour comprendre où votre entreprise s’insère dans ces programmes, et de quelle façon votre projet peut être financé.

Bon visionnement!

Enregistrement de la conférence

Matrice ultime du financement en IA
Trouvez le bon programme de financement pour votre entreprise.
Téléchargez votre copie

Diapositives

À propos des panélistes

Antoine Cossé, directeur d’investissement, Fonds INVEST-AI d’IVADO Labs

Antoine Cossé, INVEST-AI d'IVADO Labs

Contactez Antoine sur LinkedIn

Julie Castonguay, cofondatrice et CXO, ApprentX

Julie Castonguay d'ApprentX

Julie Castonguay est cofondatrice et Chef de l’expérience (CXO) chez Apprentx, une entreprise qui a développé B12, une application web qui permet de créer et diffuser des programmes de formation adaptatifs grâce à l’intelligence artificielle.

Julie est titulaire d’une maîtrise en économie de l’Université de Maastricht aux Pays-Bas. Elle a ensuite effectué un doctorat à l’Université d’Amsterdam traitant des programmes d’aide à l’emploi pour les assistés sociaux et les chômeurs. Julie a axé sa carrière sur l’élaboration de stratégies d’apprentissage ayant un réel impact sur la performance des employés.

Elle a conçu des programmes de formation novateurs à grande échelle pour des clients tels que l’INSPQ, l’UNICEF, Hydro-Québec, le CN, CGI, et Air Canada.  Mère de deux garçons, elle est fière de faire partie de la communauté croissante des femmes entrepreneurs dans le secteur des technologies.

Contacter Julie sur LinkedIn

Marc Vaucher, directeur d’investissement, Scale AI

Marc Vaucher de Scale AI

Contactez Marc sur LinkedIn

Nicholas Morel, associé, Moov AI

Nicholas Morel, associé chez Moov AI

Contactez Nicholas sur LinkedIn

L’intelligence artificielle pour la distanciation sociale dans le métro de Montréal

Les consultants de Moov Ai ont utilisé l’intelligence artificielle pour la distanciation sociale dans le métro de Montréal

L’apprentissage machine pour faciliter la distanciation sociale et minimiser la propagation de la COVID-19 dans le réseau du métro de Montréal.

La Société de transport de Montréal (STM) assure quelque 1,3 million de déplacements par jour grâce à un réseau de métro de 71 km réparti sur quatre 4 lignes et composé de 68 stations, combiné à un réseau de 225 lignes de bus.

Elle emploie plus de 10 000 personnes, ce qui en fait la 15e entreprise en importance au Québec. La STM assure plus de 80 % des déplacements en transport collectif dans la région de Montréal et plus de 70 % de tous ceux qui sont effectués au Québec.

Plan du métro de Montréal

Véritable colonne vertébrale de la ville, le métro est un moyen de transport extrêmement populaire et est prisé par les Montréalais… puis, survient la pandémie de COVID-19 en mars 2020.

Le confinement général décrété par le Gouvernement du Québec, combiné au télétravail généralisé qui s’en est suivi pour plusieurs Montréalais ont fait en sorte que le métro s’est littéralement vidé de ses voyageurs.

Comme bien des entreprises, la STM a subitement perdu la grande majorité de sa clientèle du jour au lendemain dans son réseau bus et métro. Elle a donc rapidement dû réagir face à cette nouvelle réalité et composer avec de nouveaux défis immensément complexes.

Elle doit désormais veiller au respect des règles sanitaires, comme le port du couvre-visage et le respect de la distanciation de deux mètres entre les clients dans le réseau du métro et des bus dans la mesure du possible.

Cette distanciation est plus simple à respecter lorsque le métro est vide, mais comment composer avec ces règles lors de l’inévitable retour au travail en pleine pandémie et le mirage du retour aux voitures de train bondées? Comment gagner la confiance des usagers tout en fournissant des outils pour assurer leur retour dans ses installations en toute sécurité?

Et pourquoi ne pas prédire l’achalandage pour permettre aux clients de se diriger vers les voitures de trains moins occupées grâce à de l’apprentissage machine?

Accompagnement de l’équipe technique lors de la réalisation d’un modèle d’intelligence artificielle

La STM a fait appel à Moov AI pour accompagner son équipe dans la réalisation d’un projet d’apprentissage machine pour prédire le trafic dans les voitures de train afin de mieux respecter la distanciation sociale et ainsi minimiser la propagation du virus dans le réseau de métro.

La finalité du projet pour la STM est d’informer la clientèle sur le nombre de passagers présents dans les trains de la ligne orange du métro. Ces données seront affichées à la fois dans le site web et sur les écrans Métrovision qui affichent les informations sur les quais dans les stations du métro.

Le trafic prédit dans chaque voiture de train est affiché et les passagers peuvent se positionner devant les bonnes portes et choisir les voitures moins remplies.

Nous avons donc accompagné l’équipe de la STM dans leur tout premier projet d’IA en les aidant à franchir les obstacles pour déployer une solution d’apprentissage machine dans un service d’infonuagique (cloud).

Prédire l'achalandage dans le métro de Montréal avec l'IA

Comment calculer l’achalandage

Dans la solution, la STM a utilisé l’apprentissage machine pour prédire le nombre de passagers pour chaque station de la ligne orange, à toutes les minutes, dans un horizon de 15 minutes.

Pour construire l’ensemble de données dont nous avions besoin pour réaliser les prédictions, les équipes ont utilisé des données fournies par la télémétrie des voitures de train, qui sont équipées d’une quantité phénoménale de capteurs en tout genre.

Afin d’évaluer le nombre de passagers dans les voitures de train, la solution utilise les capteurs de charge qui calculent le poids des voitures. Logiquement, une voiture plus lourde aura plus de passagers. Ces données sont ultra précises et ont permis d’arriver à une marge d’erreur satisfaisante pour le premier projet.

Surmonter les obstacles à la mise en production d’un premier projet d’IA

Nous avons accompagné les spécialistes en science de données et développeurs de données de la STM à franchir les obstacles pour déployer la première version de leur solution dans le cloud. Ce projet fut couronné de succès, et même plus encore…

Grâce à ces apprentissages, leur équipe a déployé une nouvelle version du modèle d’IA, de manière autonome, basé sur des données temps réel des voitures de la ligne orange pour encore mieux prédire le trafic dans le métro.

Ce nouveau système d’IA est affiché sur les écrans de vos stations préférées sur la ligne orange.

Nous sommes fiers d’avoir accompagné les équipes de la STM qui ont redonné confiance aux Montréalais usagers du métro de pouvoir revenir dans les installations sous terraines en toute sécurité.

Démocratiser l’IA dans les organisations passe entre autres par l’autonomisation des équipes chez nos clients.

Accompagner 800 000 élèves québécois dans leur réussite scolaire

la réussite scolaire grâce à l'intelligence artificielle
Alloprof a choisi Moov AI comme consultant en intelligence artificielle

Utilisation de l’intelligence artificielle pour recommander automatiquement du contenu personnalisé à chacun des élèves

Un projet d’intelligence artificielle dans le domaine de l’éducation, pour un organisme à but non lucratif de surcroît, peut paraître bien loin de la réalité des entreprises.

« Vous pourriez être surpris! », avons-nous envie de répondre.

Pour ce mandat avec Alloprof, nous avons mis en place un système d’apprentissage machine, plus précisément un moteur de recommandation (spoiler!). Ce type de modèle peut révolutionner plusieurs fonctions présentes dans la plupart des entreprises : marketing, ventes, service à la clientèle, etc.

Ces moteurs de recommandation, aussi appelés moteurs de personnalisation, permettent de transformer l’expérience client sur plusieurs facettes. Ces moteurs permettent par exemple de :

  • fournir le bon item en complément dans un panier d’achats d’un site de e-commerce
  • livrer les bonnes recommandations de contenu à des visiteurs sur un site web
  • trouver la meilleure réponse à donner à un client lors d’une demande de support en ligne
  • etc.

Nous vous invitons à découvrir comment nous avons accompagné Alloprof en réalisant un projet d’apprentissage machine pour améliorer le quotidien de plus de 460 000 élèves québécois et à lui donner les moyens d’atteindre sa cible de 800 000 élèves.

Alloprof et la réussite scolaire, depuis plus de 20 ans.

La mission d’Alloprof est d’accompagner les élèves québécois ainsi que leurs parents dans la réussite scolaire. Depuis 1996.

Concrètement, Alloprof développe des services professionnels et des ressources numériques de soutien scolaire et les rend accessibles gratuitement à tous les élèves du Québec et leurs parents, sur sa plateforme web : alloprof.qc.ca.

Alloprof en chiffres, c’est :

  • 47 millions d’accompagnements d’élèves en 2019-2020
  • une équipe de plus de 130 enseignants
  • 460 000 utilisateurs réguliers
  • 1,5 million de visites mensuelles
Alloprof en 1 minute.

Une hausse phénoménale de la demande pour leurs services dans les dernières années, couplé à un site basé sur des technologies vieillissantes a fait en sorte qu’Alloprof a lancé le projet pour améliorer grandement l’offre de personnalisation des visiteurs de leur plateforme web.

Cette nouvelle plateforme permettra la croissance espérée dans le contexte de la rareté de la main d’œuvre en enseignement.

Nombre d’accompagnements annuels réalisés par Alloprof depuis sa création

Croissance phénoménale d'Alloprof depuis ses débuts

Concrètement, Alloprof fournit près de 4 000 pièces de contenu différentes, conçues spécifiquement pour toutes les matières et niveau scolaire du primaire et du secondaire.

Ces contenus prennent généralement quatre formes :

Exercices

Exercices

Fiches de notions scolaires

Fiches notionnelles

Jeux vidéo

Vidéos

La plateforme web d’Alloprof avait besoin de se doter de moyens intelligents de fournir un accès simple à du contenu personnalisé pour chacun de ses visiteurs.

Moov AI a été mandaté pour développer un ambitieux projet visant à faire évoluer cette plateforme grâce à l’intelligence artificielle. La première phase étant un moteur de recommandation de contenu éducatif.

Moteur de recommandation sur mesure

Pour répondre plus efficacement aux besoins des élèves et de leur fournir un accompagnement personnalisé, nous avons bâti un moteur de recommandation sur mesure, basé sur des technologies d’apprentissage machine.

Qu’est-ce qu’un moteur de recommandation?

Un moteur de recommandation est un système informatique qui propose des produits, des services ou des informations aux utilisateurs sur la base d’une analyse des données. Cette recommandation est basée sur une variété de facteurs tels que l’historique de l’utilisateur et le profil d’utilisateurs similaires.

Ces résultats sont ensuite transférés dans une matrice. L’image suivante présente des données d’interactions d’utilisateurs ayant visionné des films.

Engin de recommandation de contenu grâce à l'apprentissage machine
Source

Donc à sa plus simple expression, le moteur de recommandation utilise ces données historiques d’interactions pour prédire les items les plus pertinents, pour chaque utilisateur. Ce travail est fait grâce à l’apprentissage machine.

Dans le contexte d’Alloprof, le moteur utilise le contexte de l’élève (niveau scolaire, ville, etc.) et l’historique de navigation afin de prédire aux élèves les contenus les plus pertinents à consommer.

Innover dans la façon de recommander du contenu

Un des premiers challenges que nous avons eus avec le client a été de réfléchir et de se questionner sur la façon dont les élèves apprennent. Est-ce que tout le monde apprend de la même façon? Quels sont les différenciateurs?

L’équipe du projet, composée d’individus de Moov AI et d’Alloprof ont donc répondu à ces questions pour fournir le meilleur parcours de recommandation possible aux élèves.

Le démarrage à froid (cold start)

Pour fonctionner, évidemment, les moteurs de recommandation ont besoin de données historiques. C’est aussi vrai lors des premières semaines de mise en ligne du système : par défaut, un nouveau système n’aura pas de données d’interactions.

Pas de données, pas de prédictions. On appelle ça le Cold Start.

Nous avons contourné ce problème en recueillant les données d’interactions de l’ancienne plateforme d’Alloprof qui étaient sur Google Analytics, pour bâtir le data set afin de pouvoir entraîner nos modèles d’apprentissage machine et de faire les prédictions sur la nouvelle plateforme.

Recommandation grâce au deep learning

Parlant de modèles, plusieurs types peuvent être utilisés pour effectuer des recommandations. Étant donné la nature des données de la plateforme qui comprenaient à la fois des données d’interactions et des données démographiques (comme le niveau scolaire par exemple), la meilleure solution pour nous a été de considérer ce problème de recommandation comme un problème de classification.

Nous avons utilisé un algorithme de Deep Learning, le feed-forward neural network. C’est l’un des modèles les plus simples en deep learning, mais c’était celui qui donnait les meilleurs résultats, notamment en raison des multiples dimensions dans les données mentionnées ci-haut.

L’algorithme que nous avons développé classifie la probabilité qu’un utilisateur consulte chacune des 4 000 pièces de contenu individuellement. Ces probabilités sont rafraîchies avec de nouvelles données toutes les heures.

Concrètement, chaque utilisateur se voit assigner une liste de prédiction pour chacune des pièces de contenu :

Pour bien intégrer la nouvelle plateforme développée par Cossette Média, nous avons créé un API qui retourne les 100 pièces de contenu ayant la plus forte probabilité d’être consommées par un visiteur.

Le site web filtre ensuite les fiches les plus pertinentes à afficher selon le contexte du visiteur (il est dans la section mathématique, etc.) ou s’il y a un problème technique (ex : une fiche a été effacée).

Pipeline de données

Afin que le modèle puisse retourner une liste de prédictions par utilisateur une fois par heure, toutes les bases de données de navigation, de profil des utilisateurs et de nouveaux utilisateurs connus doivent être mises à jour chaque heure.

Le pipeline de données a dû être complètement automatisé. Pour ce faire, nous avons utilisé Google Cloud Platform ainsi que Airflow, une plateforme qui permet d’orchestrer le pipeline de données et de le surveiller en temps réel.

La naissance d’un partenariat

Le projet a été réalisé grâce à une collaboration exemplaire et une belle chimie qui s’est installée entre Alloprof, Cossette et Moov AI. Nous avons appliqué une approche agile qui a permis d’inclure un membre de l’équipe d’Alloprof en tant que gestionnaire de produit : Thomas.

Thomas faisait partie intégrante de l’équipe. Sans lui, nous n’aurions pas réussi à fournir une solution autant adaptée aux besoins de son employeur.

L’approche concrète et appliquée de l’intelligence artificielle par Moov AI nous a permis de monter une preuve de concept rapidement et de livrer la première version de l’engin de recommandation efficacement. Nous sommes excités de continuer à améliorer ce produit en le rendant de plus en plus intelligent.

Thomas, Alloprof

Alloprof a lancé son nouveau site web le 21 août 2020. Un site plus simple et plus personnalisé à l’expérience de chaque élève. Moov AI est extrêmement fière d’avoir développé le moteur de recommandation qui propulse les résultats personnalisés montrés aux élèves.

Recommandations sur le site, constamment personnalisées pour chaque élève.

L’objectif d’Alloprof est que, d’ici 2022, 80 % des élèves du Québec se tournent naturellement vers ses services pour surmonter leurs difficultés scolaires.

Nous sommes extrêmement fiers d’avoir apporté notre humble contribution à cet objectif en livrant avec succès ce projet d’apprentissage machine, pour une organisation ayant de bonnes valeurs et une si belle mission.

Moov AI s’associe à IVADO pour accélérer l’innovation dans la validation de modèles d’apprentissage machine

Montréal, 7 juillet 2020 – La firme montréalaise Moov AI, spécialisée dans la création de solutions appliquées d’apprentissage machine et d’intelligence artificielle, et l’Institut de valorisation des données (IVADO) sont fiers d’officialiser un partenariat visant à soutenir l’innovation dans le domaine du développement de solutions concrètes d’IA en entreprise.

Cette collaboration s’inscrit dans la mission d’IVADO qui vise à regrouper professionnels de l’industrie et chercheurs universitaires afin de développer une expertise de pointe en science des données, en recherche opérationnelle et en IA.

Moov AI a développé des méthodes de validation polyvalentes pour évaluer la performance globale d’un modèle d’apprentissage machine. Dans le cadre de ce partenariat, Moov AI et IVADO travaillent sur un projet de recherche collaboratif avec les professeurs Foutse Khomh et Giuliano Antoniol de Polytechnique Montréal afin d’évaluer et de parfaire ces méthodes de validation de modèles. Celles-ci sont utilisées afin d’assurer l’exactitude des modèles mis en œuvre dans les solutions déployées pour les clients de Moov AI et valider leur bon fonctionnement à travers le temps.

Le projet a également attiré l’attention du Conseil canadien des normes (CCN). La validation et la vérification de modèles étant une discipline qui doit se refléter dans les normes ISO qui guident les meilleures pratiques de développement, la validité scientifique de ces méthodes est d’autant plus importante. Ce partenariat aura donc des retombées mondiales.

Olivier Blais, cofondateur de Moov AI et VP science des données siège notamment sur le comité qui vise à définir les normes ISO entourant l’intelligence artificielle au CCN.

À propos de Moov AI

Moov AI déploie des solutions concrètes d’intelligence artificielle et d’apprentissage machine qui répondent à de vrais défis d’affaires chez ses clients. Nos experts les accompagnent afin de tirer profit de ces technologies de pointes et ce, peu importe leur niveau de maturité en science de données.

Nous sommes spécialistes en science des données et en création de valeur concrète, et ce, très rapidement dans le processus grâce à l’IA agile.

Nous accompagnons des entreprises de toutes tailles et dans toutes les industries afin qu’elles déploient le plein potentiel de l’IA et nous veillons à la pertinence et à la précision de leurs processus d’IA à long terme.

À propos d’IVADO

L’institut de valorisation des données (IVADO) est né d’une initiative de HEC Montréal, Polytechnique Montréal et Université de Montréal qui regroupe plus de 140 partenaires industriels, académiques et gouvernementaux. Avec plus de 1450 scientifiques, IVADO est un centre de compétences avancées et multidisciplinaires dans les domaines des statistiques, de l’intelligence artificielle et de la recherche opérationnelle.

Sa mission est de : 1) Participer au développement d’une filière économique autour de l’exploitation des données massives pour la prise de décision; 2) Développer des partenariats privilégiés entre l’industrie et les milieux administratifs, sociaux et universitaires; 3) Contribuer à l’avancement des connaissances et former les nouvelles générations de scientifiques des données et; 4) Favoriser l’échange et le partage des connaissances entre spécialistes, partenaires, chercheurs et étudiants.

IVADO fédère six centres de recherche : Chaire d’excellence en recherche du Canada sur la science des données pour la prise de décision, CIRRELT, CRM, GERAD, Mila et le Tech3Lab.

Informations

Moov AI
Guillaume Petitclerc
VP, Marketing et culture
514-476-7607
guillaume.petitclerc@moov.ai

IVADO
Sandra Estrela
Coordonnatrice aux communications
438-824-7244
sandra.estrela@ivado.ca