Pourquoi nous nous sommes associés à Mila

Il existe un écart persistant entre ce que l'IA peut accomplir dans les articles de recherche et ce qu'elle fait réellement en production. Cet écart est particulièrement large en santé et dans les autres secteurs réglementés, où le prix d'une erreur se mesure en résultats pour les patients, pas seulement en mesures d'utilisation.

Nous nous sommes associés à Mila – Institut québécois d'intelligence artificielle parce que combler cet écart exige plus que la lecture des articles : il faut côtoyer les personnes qui produisent la science, dans un échange qui va dans les deux sens. Je le souhaitais depuis un bon moment.

Mila est le plus grand centre de recherche universitaire en IA spécialisé en apprentissage profond au monde. Fondé par le professeur Yoshua Bengio, il réunit une communauté de plus de 1 500 membres. Ses chercheuses et chercheurs publient dans les domaines qui comptent le plus pour notre travail en santé : imagerie médicale, découverte de médicaments, aide à la décision clinique et analyse des données de santé.

Mila explique aussi en grande partie pourquoi Montréal compte en IA : les talents qu'il forme, la recherche qu'il ancre, les laboratoires d'envergure mondiale qu'il a contribué à attirer ici. Pour une entreprise montréalaise, c'est l'épicentre de l'écosystème dans lequel nous évoluons.

Notre première collaboration est déjà en cours : un étudiant au doctorat de Mila se joint à Toboggan Labs cet été et travaille aux côtés des développeurs, des scientifiques des données et des concepteurs/conceptrices de produits qui bâtissent et déploient nos systèmes d'IA en santé. C'est l'échange qui va déjà dans les deux sens.

À plus long terme, le partenariat donne à notre équipe accès au perfectionnement professionnel et à un partage de connaissances de haut niveau au sein de l'écosystème de Mila : une façon structurelle de rester au plus près des avancées en apprentissage profond, en sécurité de l'IA et en IA en santé, à mesure qu'elles émergent.

Notre propre travail se situe du côté production de cette fracture, et nous en parlons régulièrement : ce qu'exige l'exploitation d'agents d'IA prêts pour la production en santé, où l'autonomie encadrée et les pistes de vérification comptent davantage que des démonstrations impressionnantes, et comment bâtir des systèmes d'évaluation qui tiennent la route quand le temps des experts du domaine se fait rare. Transformer la recherche en systèmes auxquels un clinicien peut se fier est un métier en soi.

Ce travail couvre tout le spectre : conseiller sur la stratégie technologique et la gouvernance de l'IA, concevoir des produits que les cliniciens adoptent réellement, bâtir les applications et la science des données qui les sous-tendent, et les exploiter en production sous les contraintes réglementaires du secteur de la santé. Tout cela sert le même objectif : aider nos clients à comprendre non seulement quoi construire aujourd'hui, mais aussi comment l'évolution du paysage de l'IA influence leur stratégie technologique pour les années à venir.

Et maintenant ?

Le partenariat renforce nos capacités. Il ne change pas notre philosophie. Nous croyons toujours que la compréhension du problème doit précéder la conception de la solution. Nous privilégions toujours une UX solide et des systèmes avec intervention humaine (« human-in-the-loop ») plutôt que des systèmes entièrement automatisés dans les domaines à enjeux élevés. Nous investissons toujours dans des cadres d'évaluation qui nous permettent de mesurer si nos systèmes fonctionnent réellement avant de les déployer. Ce qui change, c'est la profondeur du soutien scientifique derrière cette approche. Nous écrirons sur ce que nous apprendrons.