Passer au contenu

/ Faculté de médecine vétérinaire

Je donne

Rechercher

Plateforme IA-Agrosanté

Accueil

Déclaration de mission :

LES DONNÉES AU SERVICE DE L’AGROALIMENTAIRE ET DE LA SANTÉ ANIMALE

Mission de la PIAAS:

Développer et adapter des outils d'intelligence artificielle (IA) pour la recherche et offrir des services qui permettront d’améliorer la production agroalimentaire et la santé animale au Québec et au Canada.

Ses stratégies :

  • Promouvoir rapidement l'insertion de l'IA dans l’industrie de l’agroalimentaire et de la santé animale.
  • Offrir un accompagnement dans le développement de projets en sciences des données et en intelligence artificielle.
  • Contribuer à la formation de la prochaine génération de personnels hautement qualifiés en santé animale et en sciences des données
Réseaux

Sa philosophie

  • Axée sur les problématiques jugées prioritaires par l'industrie afin d’augmenter la compétitivité des entreprises du Québec et aider à atteindre l'autonomie alimentaire de la province et du pays.
  • Vise l'innovation via la recherche et un transfert rapide des découvertes vers les industries afin d'améliorer l'efficience et la compétitivité dans le domaine de l’agroalimentaire et de la santé animale.
  • Collaborative; en plus de notre équipe locale de professionnels en sciences des données, la Plateforme bénéficie de l’expertise du Consortium en santé numérique.


Projets

Vous avez un projet à soumettre à la plateforme IA-Agrosanté?

Envoyez une brève description du projet ou du problème que vous rencontrez à notre coordonnatrice Julie Blouin (j.blouin@umontreal.ca) et nous vous contacterons dans les plus brefs délais.

Nouvelles

L’UdeM et Mila lancent les inscriptions pour la première école d’été sur l’intelligence artificielle responsable et les droits de la personne.
Voir l'article publié dans journal Les Affaires
Article de IVADO
Pablo Valdes Donoso a récemment publié un article dans PLOS ONE sur l'utilisation de l'épidémiologie et de l'économie pour évaluer les mesures de...
Pablo Valdes Donoso a été invité à participer au "9e symposium international sur la santé des animaux aquatiques (ISAAH9)" et à l'"atelier de l'OECD...

Facebook@Plateforme-IA-Agrosanté

Twitter@PIAAS

emailPIAAS@medvet.umontreal.ca

À propos de nous

Logo Prompt
Logo Vice-rectorat à la recherche
Logo IVADO

Historique

Grâce au financement octroyé dans le cadre du programme Prompt-IA – Volet propulsion des universités, la Faculté de médecine vétérinaire (FMV) de l’Université de Montréal a développé une plateforme novatrice de services en intelligence artificielle (IA) dans le domaine de l’agroalimentaire et la santé animale : la Plateforme IA-Agrosanté (PIAAS). Cette plateforme a été mise en place en août 2020 et est située à la Faculté de médecine vétérinaire (FMV) de l'Université de Montréal (UdeM), à Saint-Hyacinthe, au cœur de la plus grande zone agroalimentaire du Québec. La PIAAS est bâtie sur un maillage unique d’experts en santé animale et en sciences des données œuvrant au service des industriels dans ces domaines.

En contrepartie du financement Prompt-IA, le vice-rectorat à la recherche, à la découverte, à la création et à l’innovation (VRRDCI) de l’Université de Montréal a accepté de contribuer au projet avec un financement supplémentaire. Ce financement du VRRDCI est par ailleurs assortis d’une contribution de l’Institut de valorisation des données (IVADO).

Avec l'émergence de nouvelles technologies permettant la collecte de données nouvelles et détaillées sur les animaux, il existe un besoin croissant de recherche en IA pour fournir des outils qui permettront d’améliorer la santé et la production animale.

PIAAS vise à réunir l'expertise des professionnels en santé animale et en science des données pour adapter et utiliser des outils d'IA qui contribuent à améliorer la gestion et l'analyse des données. Aujourd'hui, la PIAAS est composée d'un réseau unique d'experts en santé animale et en sciences des données au service des acteurs du domaine de l'agroalimentaire et de la santé animale et elle met à votre disposition ses experts afin de vous accompagner dans vos projets de développement en sciences des données et en intelligence artificielle. 

Objectifs

  1. Jouer un rôle de premier plan dans le développement de l'IA pour la santé animale au Québec et au Canada.
  2. Augmenter l'efficacité et la compétitivité des industries agroalimentaires québécoises et canadiennes en améliorant la santé animale et la durabilité de la production.
  3. Soutenir les chercheurs et les étudiants dans le développement de bases de données robustes et d'analyses de données afin de contribuer aux connaissances émergentes en IA sur la santé et la production animales.
  4. Sensibiliser les intervenants en santé animale à la collecte de données pertinentes pour faire progresser la recherche novatrice en IA sur la santé et la production animale

Notre équipe

Jean-Pierre Lavoie

Jean-Pierre Lavoie

Directeur

Le Dr Jean-Pierre Lavoie est professeur titulaire à la Faculté de médecine vétérinaire (FMV) de l’Université de Montréal (UdeM) et occupe depuis 2018, le poste de vice-doyen à la recherche à la FMV. C’est dans le cadre de ces fonctions qu’il a entrepris de mettre sur pied la Plateforme IA-Agrosanté (PIAAS) afin de promouvoir l'insertion de l'intelligence artificielle dans l’industrie de l’agroalimentaire et de la santé animale et ainsi contribuer à améliorer l'efficience et la compétitivité du Québec et du Canada dans ces domaines. 

Après avoir complété son doctorat en médecine vétérinaire et son internat à l’UdeM, le Dr Lavoie a complété une résidence en médecine interne des grands animaux et un postdoctorat sur la fonction respiratoire des chevaux à l’Université de Californie, Davis.

Expertise : médecine interne équine, asthme, maladies respiratoires des chevaux, modèle équin d’asthme bronchique, physiologie respiratoire.

Julie Blouin

Julie Blouin

Coordonnatrice

Titulaire d’un Baccalauréat en microbiologie de l’Université Laval et d’une maitrise en sciences vétérinaires, option microbiologie, de l’Université de Montréal, Julie œuvre au sein de la Faculté de médecine vétérinaire (FMV) de l’Université de Montréal depuis 2010. Elle a occupé différentes fonctions dans deux des Centres de recherche de la FMV, soit le Groupe de recherche sur les maladies infectieuses en production animale (GREMIP) et le Centre de recherche en reproduction et fertilité (CRRF), mais également au département de sciences cliniques de la FMV en tant que gestionnaire.

Depuis 2021, elle contribue au développement de la recherche à la FMV en occupant le poste d’adjointe au vice-doyen à la recherche. En parallèle avec ses fonctions au vice-décanat, elle coordonne le volet administratif des activités de la Plateforme IA-Agrosanté (PIAAS).

Miguel Sautié Castellanos

Miguel Sautié Castellanos

Scientifique des données

LienGithub

Miguel Sautié Castellanos a plus de 15 ans d'expérience dans le développement d'outils pour la gestion et l'analyse de données biologiques. Il œuvre au sein de la Plateforme IA-Agrosanté (PIAAS) en tant que spécialiste des données. Il est titulaire d'une licence en biochimie et de deux maîtrises, l'une en Informatique médicale et l'autre en Informatique.

Expertise : Apprentissage automatique, Statistique spatiale et temporelle, Statistique Bayésienne, Biologie computationnelle, Génétique, Développement de logiciels et de bases de données, algorithmes d'optimisation.

Pablo Valdés Donoso

Pablo Valdés Donoso

Co-directeur

Le Dr Pablo Valdes Donoso est un scientifique avec plus de dix ans d'expérience dans l'utilisation de l'analyse de données pour conduire des solutions aux défis de production et sanitaires à travers différents systèmes de production alimentaire. Il est professeur adjoint d'IA à la FVM et a pour mission d'aider à accélérer la recherche en IA dans le domaine de la production et de la santé animale. Il co-dirige la Plateforme IA-Agrosanté (PIAAS), co-dirige l'axe IA du Centre d'expertise et de recherche clinique en santé et bien-être animal (CERCL), et collabore avec le réseau IA de l'UdeM, dont l’Institut de valorisation des données (IVADO) et le Consortium en Santé Numérique. Pablo est titulaire d'un diplôme de vétérinaire de l'Universidad de Chile, d'une maîtrise en médecine vétérinaire préventive (MPVM), d'une maîtrise en économie appliquée et d'un doctorat en épidémiologie de l'University of California, Davis. Ses recherches visent à comprendre la dynamique des maladies animales, leurs répercussions économiques et les avantages de l'utilisation de stratégies de contrôle grâce à l'utilisation intensive de données et à leur analyse.

Expertise : apprentissage automatique, analyse de réseau, conception d'études observationnelles, modèles de régression, optimisation linéaire, analyse longitudinale, analyses spatiales et temporelles, dynamique des systèmes, séries chronologiques, théorie des jeux.

Majda Moussa

Majda Moussa

Scientifique des données

La Dre Majda Moussa, professionnelle en sciences des données et en intelligence artificielle. Elle est ingénieure en informatique et titulaire d’une maîtrise et d’un doctorat en génie logiciel de l’École Polytechnique de Montréal. Elle a travaillé les dernières années dans différents milieux de pratique en statistique et en apprentissage machine. Elle est spécialisée dans le développement et l’industrialisation des modèles d’apprentissage et/ou pipeline de données dans diverses plateformes (en site ou en nuage). Elle a une formation polyvalente en technologie de l’information et elle est en train de consolider une expérience unique pour transposer les technologies IA en application pratique auprès des milieux de l’agriculture, du bioalimentaire et de la santé animale.

Nous recrutons

Nous sommes toujours à la recherche d’étudiants ayant un intérêt en sciences des données et en IA, donc n’hésitez pas à nous contacter si vous souhaitez rejoindre notre équipe : j.blouin@umontreal.ca

Concrétiser un projet

Comment concrétiser un projet d'IA en agroalimentaire et/ou en santé animale ? :

  1. Planification d’une première rencontre pour présenter l'idée à développer.
  2. Évaluation de la faisabilité.
  3. Estimation du nombre d’heures requis pour développer le projet, donc son coût.
  4. Développement du projet selon un diagramme de Gantt.
  5. Déploiement du projet
  6. Suivi du projet

Pour chaque projet, nos experts utilisent la méthodologie CRISP-DM (Cross-Industry Standard Process for Data Mining), qui se compose de 6 étapes interdépendantes :

  1. Compréhension du problème - Quelle est la nature du problème et de quel façon il pourrait être résolu en utilisant des données? À cette étape, nous définissons les principaux objectifs du problème.
  2. Compréhension des données - Nous inspectons les sources et la qualité des données et évaluons si d'autres types de données seront requises.
  3. Préparation des données - Nous organisons et corrigeons les données pour l'analyse.
  4. Modélisation - Nous évaluons les techniques de modélisation que nous pouvons appliquer en fonction des sources des données et du problème à résoudre.
  5. Évaluation - Nous évaluons le meilleur modèle qui répond aux objectifs du projet.
  6. Livraison et déploiement des résultats - Nous présentons les résultats en fonction des besoins du projet (rapport, tableau de bord, logiciel, etc.).

Déclaration de confidentialité

Nous sommes très soucieux de la sensibilité et de la protection des données. Afin de garantir à nos partenaires que leurs données ne seront jamais partagées avec des tiers (sauf autorisation écrite de nos partenaires), nous fournissons un accord légal de confidentialité des données.

À la fin du projet, nous nous engageons à restituer les données au client et à n'en conserver aucune copie.

La PIAAS suit le protocole mis en place par l’UdeM (https://secretariatgeneral.umontreal.ca/public/secretariatgeneral/documents/doc_officiels/reglements/recherche/rech60_13-politique-universite-de-montreal-propriete-intellectuelle.pdf)

Méthodologie

Services

1. Conception et développement de bases de données

Base de données

  1. Modernisation des données :

    • Mettre en œuvre des architectures de données modernes qui permettront de monétiser vos données, d'accélérer la prise de décision et d'offrir de meilleures expériences client.

  2. Qualification des données :

    • Évaluez, qualifiez et restructurez vos ensembles de données pour tirer pleinement parti des avantages commerciaux de l'IA.

  3. Adoption du cloud :

    • Utilisez la synergie de l'IA et du cloud comme levier de transformation et d'innovation.

  4. Conception et développement de bases de données :

    • MySQL, MariaDB et Microsoft Access. Statistiques fréquentistes et bayésiennes. Modèles linéaires généralisés à effets mixtes. Modèles additifs généralisés. ...R et IBM SPSS

2. Analyse statistique exploratoire

l'analyse des données

  1. Analyse des séries temporelles et des distributions spatiales. R, Python, Matlab et IBM SPSS
  2. Développement de scripts et de pipelines pour le traitement et l'analyse de séquences biologiques. R (Bioconductor, ...), Python (Biopython, ...), Java, C#, C++ et Matlab.
  3. Traitement et analyse statistique des spectres de masse MALDI-TOF
  4. Analyse de l'évaluation des risques
  5. Analyse de reseau
  6. Génétique statistique
  7. Développement de scripts et de pipelines pour le traitement et l'analyse de séquences biologiques. R (Bioconductor, ...), Python (Biopython, ...), Java, C#, C++ et Matlab.
    • Recherche dans les bases de données biologiques,
    • Annotation structurelle et fonctionnelle de séquences d'ADN et de protéines,
    • Analyse de l'enrichissement des ensembles de gènes,
    • Prédiction de l'effet phénotypique des SNPs,
    • Alignement multiple,
    • Analyse phylogénétique,
    • Analyse des données métagénomiques,
  8. Analyse coûts-bénéfices
  9. Analyse coût-efficacité

 

3. Modèles d'apprentissage automatique

Intelligence artificielle

  1. Des solutions d'intelligence artificielle personnalisées, de l'idéation à la production :

    • Choisissez la bonne solution d'intelligence artificielle grâce à nos experts en vision par ordinateur, NLP et analyse de données.

  2. Génération de modèles prédictifs

    • Entraînement
    • Test
    • Implémentation

  3. Utiliser la synergie du cloud et des algorithmes d'IA comme levier de transformation et d'innovation.
  4. Numérisation des données manuscrites à partir d'un imprimé prédéfini.

 

 

4. Modèles d'apprentissage profond

  1. Apprentissage profondDéveloppement de modèles d'apprentissage profond : Python (Tensorflow/Keras, Scikit-learn,...), R, Java et Matlab.
  2. Utilisation de réseaux de neurones convolutifs (CNN), de réseaux de neurones artificiels (ANN), etc. pour :

    • la reconnaissance d'images
    • la reconnaissance audio
    • La prédiction de maladies

 

 

 

5. Le développement de logiciels

Développement de logiciels

  1. Développement d'applications logicielles pour le traitement et l'analyse d'images numériques. Python, C++ et C#
  2. Développement d'applications de bureau : C++/C/C#, Java et Python
  3. Développement d'applications web : PHP, Python, HTML, CSS et JavaScript
  4. Programmation de macros VBA (Microsoft Access et Microsoft Excel)
  5. Développement d'applications web/mobiles dont le backend est basé sur l'intelligence artificielle.

 

 

 

 

6. Solutions/services basés sur le cloud

  1. Solutions/services basés sur le cloud Solutions cognitives d'IA basées sur le cloud pour accélérer une prise de décision avancée.
  2. Stockage de données en ligne
  3. Pipelines personnalisés de données massives pour consolider et transformer efficacement les données.
  4. Déploiement et gestion des applications avec des services cloud pour garantir une haute disponibilité et une monitorage efficace.
  5. Solutions connectées au cloud pour collecter des données en périphérie à l'aide de la technologie IOT.

7. Formation

FormationFormation continue :

  • Ateliers stratégiques en IA,
  • la science des données, et
  • apprentissage automatique et apprentissage profond.
  • Capsules pédagogiques :

    1. Introduction à l'intelligence artificielle : concepts de base, applications et enjeux.

 

 

Plateforme

Publications scientifiques

à venir

Publications destinées aux utilisateurs finaux

à venir

Données massives chez l’animal

à venir

Interface de l’utilisateur

à venir

Dataverse

à venir

Références

à venir

Projets réalisés

à venir

Collaborateurs et partenaires

Science des données

 

ConSanNum

IVADO

prompt

L'industrie

 

DélimaxDSAHRAMVPQ
JefoZoetisossicles
Saint-Hyacinthe Technopole
Formation et transfert des connaissances

 

CEGEP de Saint-Hyacinthe

Contactez-nous

FMV UdeM

Projets

Vous avez un projet à soumettre à la plateforme IA-Agrosanté?

Envoyez une brève description du projet ou du problème que vous rencontrez à notre coordonnatrice Julie Blouin (j.blouin@umontreal.ca) et nous vous contacterons dans les plus brefs délais.

Nous joindre

Plateforme IA-Agrosanté
Faculté de médecine vétérinaire
Université de Montréal

(450) 773-8521, poste 8437
(514) 343-6111, poste 8437

Julie Blouin
j.blouin@umontreal.ca

3200, rue Sicotte
Bureau 1106-1
Saint-Hyacinthe (Qc)
J2S 2M2

Facebook@Plateforme IA-Agrosanté

Twitter@PIAAS

emailPIAAS@medvet.umontreal.ca