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.
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.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Maximiser l’apprentissage grâce à l’intelligence artificielle
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).
Dans cet article
- Qui est Apprentx?
- Prédire le niveau de performance des participants avec l’IA pour adapter les programmes
- La classification, un cas très répandu dans plusieurs industries
- Un projet court, efficace, ciblé
- Bonus au mandat : amélioration des données disponibles pour des analyses plus rigoureuses
- Solution développée et mise en production
- Voici comment nous avons abordé le problème
- Un pas de plus vers l’automatisation complète
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.
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 :
- La solution doit être applicable à l’ensemble des formations sur mesure.
- 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.
- Elle doit être facile à utiliser et à interpréter pour les concepteurs de programmes.
- 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.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Liudmyla est scientifique de données chez Moov AI. Elle utilise les données pour les transformer en apprentissage, en prévisions et en solutions concrètes qui auront de l’impact sur les décisions d’affaires.
Pour y arriver, elle applique l’apprentissage machine, l’exploration de données, la modélisation statistique et mathématique ainsi que la visualisation.
Yasmine est scientifique de données et développeuse ML. Elle design, met en production et maintient des modèles ML dans divers contextes.
Elle adore également la standardisation des pratiques de développement pour les projets ML afin de déployer des algorithmes évolutifs, rapides et efficaces.
Comment financer un projet d’intelligence artificielle grâce aux subventions
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 façons 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
Téléchargez votre copie
Diapositives
À propos des panélistes
Antoine Cossé, directeur d’investissement, Fonds INVEST-AI d’IVADO Labs
Contactez Antoine sur LinkedIn
Julie Castonguay, cofondatrice et CXO, 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.
Marc Vaucher, directeur d’investissement, Scale AI
Nicholas Morel, associé, Moov AI
Contactez Nicholas sur LinkedIn
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
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.
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?
Dans cet article
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).
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 ultraprécises 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 terrains en toute sécurité.
Démocratiser l’IA dans les organisations passe entre autres par l’autonomisation des équipes chez nos clients.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Christophe est un scientifique de donnée et un consultant en science des données. Il a aidé plusieurs clients à développer et déployer des systèmes d’intelligence artificielle.
Il est un excellent vulgarisateur et conférencier, lui permettant d’aider Moov AI à démocratiser l’intelligence artificielle.
Accompagner 800 000 élèves québécois dans leur réussite scolaire
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.
Dans cet article
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
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
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
Fiches de notions scolaires
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.
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.
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.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
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
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Maxime Boissonneault et Christian Mérat se joignent à Moov AI
C’est avec beaucoup de fierté que nous annonçons aujourd’hui l’arrivée de Christian Mérat et Maxime Boissonneault à titre d’associés chez Moov AI.
Ce n’est pas tous les jours qu’on a le privilège d’avoir non pas un, mais deux nouveaux associés d’impact dans une entreprise. Et quels associés!
Après avoir grandement contribué à la croissance et au succès de GSoft, un des fleurons technologiques du Québec inc, Maxime et Christian nous permettent de faire un pas de géant vers la démocratisation de l’intelligence artificielle au Québec.
Maxime a cofondé Moov AI et s’est impliqué comme investisseur dès les premiers balbutiements de notre projet. Il prend le rôle de coprésident aux côtés de Dominic Danis.
Christian quant à lui agit à titre de VP technologie et assure le développement et la commercialisation de nos produits logiciels.
J’ai posé quelques questions à Christian et Maxime afin qu’ils puissent se présenter tout en nous expliquant pourquoi ils ont choisi de s’impliquer dans le domaine de l’intelligence artificielle avec Moov AI.
Pourquoi avez-vous décidé de vous joindre à Moov AI?
Maxime : J’ai l’impression que demain sera grandement impacté par l’intelligence artificielle. Certains pensent que ce sera négativement. J’aime bien croire à un impact très positif, que l’humain sera au centre de cette révolution, et également que le Québec se démarquera de façon encore plus prononcée sur la scène mondiale.
L’intelligence artificielle ne doit pas appauvrir et remplacer les gens, mais plutôt les aider à être plus efficients et à créer beaucoup plus de richesse avec moins. Je veux contribuer, avec Moov AI, à cette révolution positive qui est déjà entamée!
Aussi, c’est un plaisir de travailler avec des amis et contribuer à la mission de Moov AI, dans une ambiance aussi inspirante!
Christian : Moov AI c’est une compagnie qui oeuvre dans un secteur de pointe et qui est composée de gens en qui j’ai confiance. Évoluer et me dépasser dans un environnement respectueux et stimulant est un défi qui me motive énormément! Et c’est exactement ça que je fais chez Moov AI.
En quoi la mission de Moov AI de démocratiser l’IA vous inspire?
Max : Car nous sommes rendus là! C’est aujourd’hui que les changements doivent arriver pour rester en avant de la vague et je tiens à ce que les entreprises québécoises se démarquent mondialement grâce à l’intelligence artificielle.
Le Québec est déjà un joueur majeur en termes de recherche en IA, nous voulons amener nos entreprises d’ici à être des joueurs majeurs grâce à l’application de l’IA!
Chris : Je suis depuis toujours un technologue : je crois que la technologie doit être un moteur qui sert à améliorer la vie des gens. L’IA est un nouvel univers qui démontre un potentiel énorme, mais dont nous avons à peine vu la pointe de l’iceberg de ses possibilités.
Plus son utilisation sera répandue et plus nous serons en mesure d’en tirer de la valeur pour améliorer la vie de tous.
Qu’avez-vous envie d’accomplir?
Max : 2 choses! Aider les entreprises à être plus productives et efficaces ainsi que de contribuer à « AI for Good » que ce soit avec des initiatives en éducation ou encore en environnement.
Chris : Je crois que les défis en technologie ne manquent pas. J’ai envie de m’entourer de gens qui ont des qualités similaires aux miennes : la curiosité, une envie de se dépasser, un désir d’améliorer la vie des gens et avec eux construire, à notre façon, un morceau de ce monde meilleur.
Quel impact pensez-vous que l’IA peut avoir sur le Québec inc?
Max : Je vois l’IA comme un accélérateur, une aide précieuse qui pourra propulser les entreprises du Québec. Que ce soit pour prendre de meilleures décisions, les prendre plus rapidement, automatiquement, ou encore faire de grandes découvertes, l’apprentissage machine et l’intelligence artificielle aura un impact majeur sur les entreprises.
Chris : L’IA est une technologie qui n’en est encore qu’à ses balbutiements et nous voyons déjà à quel point elle a chamboulé certaines industries du tout au tout. Faire profiter au maximum de cette nouvelle technologie permettra aux compagnies de surmonter des défis de taille et de foncer avec confiance vers le futur.
Le Québec se dessine bien comme plaque tournante de l’IA et devient un pôle incontournable. Je crois que plus on sera en mesure d’améliorer nos approches et pousser pour rendre l’AI plus performant et plus accessible, plus ce sera une occasion de faire rayonner le Québec entier.
Maxime, tu as mentionné « AI for Good », justement, si vous aviez un défi sociétal à régler avec l’IA ça serait quoi? Et pourquoi?
Max : J’ai 2 défis! *rires* L’éducation et l’environnement!
L’éducation, car c’est la base de notre société. Nous pourrons régler beaucoup de problématiques que nous vivons actuellement grâce à une éducation réinventée. Nous devons révolutionner la façon dont nous enseignons aux étudiants et l’intelligence artificielle sera pour moi un vecteur important de changement dans ce domaine.
Ensuite, l’environnement. Il est facile d’être négatif sur ce que l’avenir nous réserve avec l’empreinte que laissent actuellement les humains sur la terre, mais beaucoup peut être fait pour résoudre plusieurs problématiques. Nous contribuerons à les résoudre!
Chris : L’IA a le potentiel de rendre des tâches répétitives automatisables. Ceci peut se traduire par une diminution de la main d’oeuvre nécessaire pour des secteurs qui ont des besoins chroniques de recrutement mais qui ne sont pas très populaires pour quelconques raisons.
Plusieurs de ces secteurs ont des impacts positifs importants sur la société et d’améliorer la rentabilité de ces projets se traduirait par une amélioration de la qualité de vie de tous les citoyens.
On peut penser entre autres à une automatisation complète des centres de tri de recyclage, par exemple. Plus on peut diminuer le coût lié au recyclage et à la récupération, plus la société peut en tirer avantage.
Portraits d’entrepreneurs
Afin de vous aider à cerner encore mieux les 2 personnages, nous avons cru bon vous proposer un portrait plus classique via une biographie. Les voici :
Maxime Boissonneault
Coprésident
Maxime est un entrepreneur chevronné. Pendant près de 15 ans, il a été associé de GSoft, un des fleurons québécois en technologie. Avec des clients partout dans le monde, deux produits à succès et un incubateur de produits, GSoft est un immense succès commercial.
Il a cofondé Club Local un portefeuille de spiritueux incluant le gin Portage, la vodka White Keys, le rhum Saint-Marie, Cremaglace et le spritz Les Iles. Il agit également à titre d’ange investisseur auprès de plusieurs jeunes pousses et fonds d’investissement québécois, notamment avec Creative Destruction Labs.
Il est aussi cofondateur de Parmi Lifewear, une marque de vêtements et d’accessoires essentiels de qualité supérieure, techniques et durables, dédiée à simplifier l’expérience plein air.
Ce portrait de Maxime ne serait pas complet sans parler de sa très grande implication dans plusieurs causes sociales. Il siège sur plusieurs conseils d’administration d’organismes à but non lucratif, s’implique avec des organismes caritatifs, mais surtout s’investit personnellement auprès des enfants du CHU Sainte-Justine.
À titre de coprésident de Moov AI, Maxime nous fait profiter de sa grande expertise et expérience à bâtir et faire croître une entreprise de services-conseils. Il sera un fier porte-étendard de notre mission de démocratiser l’intelligence artificielle au Québec.
Christian Mérat
VP technologie
Christian est un architecte logiciel hors pair ayant une impressionnante feuille de route de création de produits logiciels à succès. Un des premiers employés, puis actionnaire de GSoft, il a fortement contribué au succès commercial du produit phare Sharegate grâce à sa vision stratégique et à son expertise de pointe au niveau technologique.
Christian sait transformer la vision d’un produit en réalité. Il peut surmonter n’importe quels obstacles techniques grâce à son flair lui permettant d’utiliser des technologies qui répondent aux besoins réels des entreprises.
Chez Moov AI, il est responsable de la création et de la commercialisation de nos produits logiciels. Il encadre également les membres de l’équipe dans les meilleures pratiques en génie logiciel et en développement de produits.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Forecasting grâce à l’intelligence artificielle
Lorsqu’on parle de nouvelles technologies dans le domaine du forecasting et plus spécifiquement dans celui de la prévision du prix de commodités, on parle souvent d’intelligence artificielle, d’automatisation et de robotique.
Un des cas le plus souvent abordé est celui du trading algorithmique (algorithmic trading), c’est-à-dire une machine qui achète automatiquement des commodités sans intervention humaine.
Évidemment, le fait d’avoir un agent automatisé qui prend des décisions par lui-même est la forme la plus avancée, le but à atteindre quand on parle d’achat de commodités et d’intelligence artificielle.
Ce qui est moins souvent abordé par contre, c’est la possibilité de tendre vers ce but tout en allant chercher des bénéfices importants de façon incrémentale tout au long du processus.
La vidéo ci-dessous présente l’intégralité de la conférence d’Olivier Blais et Simon Dagenais, respectivement VP science de données et scientifique de données chez Moov AI.
Vous verrez également une introduction aux bonnes questions à se poser quand on aborde l’intelligence artificielle par Jean-François Lefort, directeur des opérations pour Scale AI, l’une des cinq supergrappes fédérales qui se spécialise dans les chaînes d’approvisionnements.
Cette conférence a été réalisée dans le cadre de la série d’événements des AI Mornings. Bon visionnement.
Olivier Blais
Olivier est VP science de données chez Moov AI et un expert de la science de données. Son expertise et ses connaissances pointues en matière d’intelligence artificielle et d’apprentissage machine l’ont mené à accompagner la transformation numérique de nombreuses entreprises et à implémenter des projets dans différentes industries.
Il a accompagné les équipes et veillé à l’implantation d’une saine culture de données dans des compagnies comme Pratt & Whitney Canada, L’Oréal et GSoft.
Simon Dagenais
Simon est scientifique de données chez Moov AI. Issu d’un contexte quantitatif avec une maîtrise en économie et diverses expériences en analytique commerciale, Simon a développé de solides connaissances en Python, PNL, apprentissage machine et apprentissage profond.
À titre de scientifique de données, il a participé à plusieurs projets phares de prédiction de prix de commodité et de devises pour des clients de Moov AI.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Moov AI accrédité Google Partner – Google Cloud Platform
Montréal, le 25 novembre 2019 – Dans le but d’offrir des solutions d’intelligence artificielle performante apportant des résultats concrets à ses clients, Moov AI annonce son accréditation en tant que Google Partner – Google Cloud Platform (GCP).
Ce partenariat permet d’encore mieux répondre aux besoins croissants de nos clients et de leur faire bénéficier des plus récentes technologies, tout en ayant le soutien et le support de Google tout au long du processus.
« Dans notre désir de démocratiser l’intelligence artificielle dans les entreprises, un point important de ce partenariat est la possibilité d’offrir de la formation sur ces outils à nos clients. Notre intention est de rendre nos clients autonomes à réaliser des projets d’IA dans leurs entreprises. » – Olivier Blais, VP Science de données.
C’est une étape de plus dans notre plan technologique pour offrir la meilleure solution à nos clients, peu importe leur environnement de développement.
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
Moov AI et Keyrus : un partenariat pour propulser les entreprises dans leur transformation numérique et l’adoption de l’intelligence artificielle
Montréal, le 26 novembre 2019 – Entrer dans le monde de l’intelligence artificielle n’est plus une option pour les organisations corporatives comme publiques qui doivent accélérer leur transformation numérique pour créer de la valeur à partir des données et du digital. Grâce à ce partenariat, les entreprises pourront accélérer leur transformation numérique en ayant accès, de façon concertée, aux expertises d’intelligence artificielle et de valorisation des données.
Moov AI continuera de supporter les compagnies dans la livraison de solutions d’intelligence artificielle concrètes, à l’image des dernières solutions implémentées : modèles de prédiction d’attrition et de prédiction de prix, engins de recommandations, modèle de NLP, etc. Tous ces projets livrent une valeur d’affaires tangible et déterminante pour leurs clients, toutes industries confondues.
Keyrus, expert dans leur gestion, apportera son expertise pour supporter les compagnies dans la définition de leur feuille de route données / BI / AI et d’implémenter des plateformes de données performantes et industrialisables.
Ce partenariat est venu de façon naturelle, nos offres étant complémentaires : l’intelligence artificielle grâce à Moov AI et l’intelligence d’affaires et l’analytique avancée grâce au groupe Keyrus. Nos clients respectifs gagnent sur tous les points. Non seulement ils bénéficient d’une offre globale dans leur transformation numérique, mais qui sera livrée par des compagnies expertes dans chacun de leurs domaines.
Dominic Danis, Président Moov AI.
Nouer des partenariats avec les firmes expertes du marché a toujours été une volonté de la part de Keyrus pour livrer une qualité irréprochable à nos clients. Nous sommes fiers aujourd’hui de continuer dans ce sens-là en s’associant avec Moov AI. Nous allions nos expertises et savoir-faire pour permettre à toute organisation d’entreprendre sa transformation numérique en utilisant pleinement le levier de l’intelligence artificielle et des données.
Antoine Cossé, Directeur Offres & Innovation Keyrus Canada
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.
À propos de Keyrus
Keyrus, créateur de valeur à l’ère de la Data et du Digital
Acteur international du conseil et des technologies, spécialiste de la Data et du Digital, Keyrus a pour mission d’aider les entreprises à tirer profit du paradigme de la Donnée et du Numérique pour accroître leur performance, faciliter et accélérer leur transformation et générer de nouveaux leviers de croissance, de compétitivité et de pérennité.
Plaçant l’innovation au cœur de sa stratégie, Keyrus développe une proposition de valeur unique sur le marché autour d’une offre novatrice qui s’appuie sur la combinaison de trois expertises majeures et convergentes : Data Intelligence, Data Experience et Conseil en management & transformation.
Présent dans une quinzaine de pays et sur 4 continents, le Groupe Keyrus emploie 3 500 collaborateurs.
Pour plus d’informations
Moov AI
Guillaume Petitclerc
guillaume.petitclerc@moov.ai
KEYRUS Canada Inc.
Zoé Delorme
Tél. : 514-416-4623
zoe.delorme@keyrus.ca
Guillaume est cofondateur de Moov AI et expert en marketing numérique.
Directeur marketing pour Urban Turtle (Pyxis Technologies) et Sharegate (GSoft), il a participé à la gestion des stratégies pour des produits ayant un fort succès commercial.
