Concevoir l’IA pour des flux de travail spécialisés à enjeux élevés : le succès repose sur la conception du système entier, pas seulement le choix d’un modèle.
La vision par ordinateur devient une discipline radicalement différente lorsque la tâche ne consiste plus simplement à compter des personnes ou des objets du quotidien, mais à distinguer un tissu sain d’un tissu cancéreux en quelques secondes, à détecter un défaut microscopique avant l’assemblage, ou à aider un robot à agir sur des pièces dont la forme varie d’un cycle à l’autre.
Dans ces environnements, la performance ne dépend pas uniquement du choix du modèle, mais aussi de la conception du pipeline de décision complet : conditionnement des données, ingénierie des caractéristiques, stratégie d’entraînement, gestion des cas limites, etc.
De la préparation des données à la gestion des cas limites, les systèmes d’IA performants sont le fruit d’un travail d’ingénierie, et non d’un simple assemblage.
En prenant Reveal Surgical comme exemple phare, ce webinaire examinera comment la spectroscopie Raman et l’IA sont combinées pour aider les chirurgiens à évaluer les tissus in vivo en quelques secondes, lors de procédures où les décisions de marge sont déterminantes.
Nous établirons ensuite des liens entre ces mêmes principes de conception et d’autres contextes du secteur privé au-delà de la santé, tels que l’inspection de semi-conducteurs, le classement alimentaire et l’évaluation de dommages par drone — des domaines où la performance dépend grandement de la précision, de la cohérence et de la robustesse.
Ce webinaire explore comment les systèmes d’IA spécialisés sont idéalement conçus lorsque le signal est difficile à lire, le flux de travail est sans marge d’erreur, et une mauvaise décision a de véritables conséquences.
Dans ce webinaire, nous explorerons :
- Pourquoi de nombreux systèmes de vision réels échouent lorsqu’ils sont construits avec des approches d’IA génériques.
- Comment sélectionner les bonnes méthodes pour des environnements complexes à signaux ambigus.
- Ce qu’il faut pour construire des pipelines stables et prévisibles sous des contraintes réelles.
- Comment ces principes s’appliquent dans les domaines de la santé, de la fabrication, de la robotique et de l’inspection.
CONFÉRENCIERS
Michel Dubois, Associé, Chef scientifique et Responsable du Lab d’IA, Innovobot Labs
Michel Dubois apporte plus de 30 ans de leadership en IA et en apprentissage automatique, couvrant les domaines des affaires, de la technologie, du milieu académique, de la propriété intellectuelle et des partenariats stratégiques. Il a occupé des postes de direction chez Newtrax, IBM, Mila et Innovobot, où il agit en tant qu’Associé directeur et Chef scientifique en IA. Sa force réside dans la connexion entre l’innovation technique et la croissance commerciale, aidant les organisations à déployer des technologies avancées en solutions concrètes et prêtes pour le marché.
Christian Sauvageau, PDG, Reveal Life Science
Christian Sauvageau dirige la stratégie, les opérations et la trajectoire de commercialisation de la plateforme technologique chirurgicale assistée par IA de Reveal Life Science. Il apporte plus de 30 ans de leadership dans les sciences de la vie, les technologies médicales, le diagnostic et l’innovation en santé, incluant des rôles de direction chez Merck et à la tête d’une société de diagnostic cotée en bourse. Sa force est d’aligner le développement clinique, l’exécution réglementaire, les partenariats et la mobilisation de capitaux pour transformer une science complexe en produit rigoureux et prêt pour le marché.
François Daoust, Co-fondateur et CTO, Reveal Surgical
François Daoust est co-fondateur et directeur technique de Reveal Surgical, où il dirige le développement de la plateforme de spectroscopie Raman propulsée par l’IA de l’entreprise. Il est une force technique centrale derrière cette technologie depuis 2016. Sa force est de traduire des concepts complexes en photonique, en traitement du signal et en IA en outils cliniques concrets, contribuant à intégrer la caractérisation tissulaire en temps réel dans les flux de travail de salle d’opération et les études cliniques.