Professeur titulaire, Faculté des sciences et de génie, Université Laval
Directeur, Institut intelligence et données (IID)
Titulaire, Chaire Canada-CIFAR en intelligence artificielle

Christian Gagné est professeur au département de génie électrique et de génie informatique de l’Université Laval depuis 2008. Il est le directeur de l’Institut intelligence et données (IID) de l’Université Laval. Il détient une Chaire en intelligence artificielle Canada-CIFAR et est membre associé à Mila. Il est également membre du Laboratoire de vision et systèmes numériques (LVSN), une composante du Centre de recherche en robotique, vision et intelligence machine (CeRVIM), ainsi que du Centre de recherche en données massives (CRDM) de l’Université Laval. Il fait parti des regroupements stratégiques REPARTI et UNIQUE du FRQNT, du centre VITAM du FRQS et de l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA).

Il a complété un doctorat en génie électrique (Université Laval) en 2005 pour ensuite effectuer un stage postdoctoral conjointement à l’INRIA Saclay (France) et l’Université de Lausanne (Suisse) en 2005-2006. Il a œuvré comme associé de recherche en milieu industriel entre 2006 et 2008. Il est membre du comité exécutif de l’ACM Special Interest Group on Evolutionary Computation (SIGEVO) depuis 2017.

Ses intérêts de recherche portent sur l’élaboration de méthodes pour l’apprentissage machine et l’optimisation stochastique. En particulier, il s’intéresse aux réseaux de neurones profonds, à l’apprentissage et au transfert de représentations, au méta-apprentissage ainsi qu’à l’apprentissage multitâche. Il s’intéresse également aux approches d’optimisation basées sur des modèles probabilistes ainsi qu’aux algorithmes évolutionnaires, entres autres pour l’optimisation boîte noire et la programmation automatique. Une part importante de ses travaux porte également sur la mise en pratique de ces techniques dans des domaines comme la vision numérique, la microscopie, la santé, l’énergie et les transports.

Professeur titulaire, Faculté de médecine, Université Laval
Titulaire, Chaire de recherche du Canada en génomique médicale

Le Dr Jacques Corbeil tire profit des plus récents progrès de la bio-informatique et de l’apprentissage machine pour aider au diagnostic, pour faciliter le pronostic et pour optimiser le traitement des maladies. La génomique génère un déluge de données qui doivent être interprétées à l’aide de nouvelles approches bio-informatiques.

Le Dr Corbeil utilise des appareils à la fine pointe de la technologie et des approches analytiques de mégadonnées, pour faciliter l’interprétation de phénotypes complexes. La recherche du Dr Corbeil porte sur l’interaction entre les microorganismes infectieux et leur hôte, l’effet des antibiotiques sur la flore microbienne, la conception de petites molécules et de médicaments pouvant interférer avec des fonctions microbiennes précises et l’intégration de données « omiques » en cancérologie. Les travaux du Dr Corbeil se situent à l’interface de l’informatique et des sciences « omiques ».

Dr Corbeil a fait ses études de premier cycle à l’Université Laval et a obtenu son doctorat à l’Université de Nouvelles-Galles du Sud, à Sydney, en Australie. Il  a ensuite rejoint l’Université de la Californie à San Diego, où il a successivement fait un stage postdoctoral, décroché un poste de professeur, puis a été promu au rang de professeur agrégé jusqu’à son retour au Canada,  où il a obtenu une chaire de recherche du Canada de niveau 1 en génomique médicale.

Professeur titulaire, Faculté des sciences et de génie, Université Laval
Directeur, Consortium de recherche en ingénierie des systèmes industriels 4.0
Codirecteur, Consortium de recherche FORAC

Jonathan Gaudreault est professeur de génie logiciel à l’Université Laval. Il est directeur du Consortium de recherche en génie des systèmes industriels 4.0. Son équipe crée des systèmes de prise de décision et d’optimisation à base d’intelligence artificielle en collaboration avec plus d’une dizaine de partenaires industriels.

L’expertise du professeur Gaudreault a été récompensée à de nombreuses reprises; il est notamment l’un des lauréat du Prix Brockhouse du Canada pour la recherche interdisciplinaire en sciences et en génie du CRSNG.

Professeur agrégé, Faculté des sciences et de génie, Université Laval
Codirecteur, Norlab
Responsable de l’axe Environnement physique, IID

Philippe Giguère, ing. (Bac. : Génie Physique U. Laval, Maîtrise : Northeastern U., Ph.D. : U. McGill) est professeur adjoint au département d’informatique et de génie logiciel de l’Université Laval depuis 2010. Il possède une douzaine d’années d’expertise en robotique et capteurs, en plus de cumuler 6 années d’expérience en entreprise privée sur des systèmes ordinés ou embarqués. Il dirige des recherches en robotique mobile (Norlab) et intelligence artificielle (laboratoire DAMAS).

L’objectif principal de ses recherches vise à augmenter le degré d’autonomie des systèmes cyber-physiques (robots intelligents), via l’application de méthodes d’apprentissage automatique ou de fusion de données. Ses projets des dernières années ont touché à la vision numérique, au traitement de nuage de point 3D, à la localisation, à la préhension et à la perception tactile. Finalement, il est membre du regroupement pour les environnements intelligents FRQNT-REPARTI, du centre de recherche en données massive (Big Data) de l’Université Laval et du réseau canadien CRSNG de robotique de terrain (NCFRN en anglais).

Professeur agrégé, Faculté des sciences et de génie, Université Laval

Jean-François Lalonde, Ph.D., est professeur agrégé dans la Faculté des sciences et de génie à l’Université Laval, dans le Département de génie électrique et de génie informatique. Il est membre de l’Institut intelligence et données (IID), du Centre de recherche en données massives (CRDM), et du Centre de recherche en Robotique, Vision et Intelligence Machine (CeRVIM) à l’Université Laval. Auparavant, il était stagiaire post-doctoral à Disney Research, Pittsburgh.

Il a obtenu son doctorat en robotique de Carnegie Mellon University en 2011. Sa thèse, intitulée « Understanding and Recreating Appearance under Natural Illumination, » lui a valu le CMU School of Computer Science Distinguished Dissertation Award.

Ses intérêts de recherche se trouvent à l’intersection de la vision numérique, l’infographie, et l’apprentissage automatique.  En particulier, il s’intéresse à la façon dont les modèles basés sur la physique et les techniques d’apprentissage automatique axées sur les données peuvent être unifiés pour mieux comprendre, modéliser, interpréter et recréer la richesse de notre monde visuel.

Professeure adjointe, Faculté de médecine, Université Laval
Titulaire, Chaire de recherche du Canada en nanoscopie intelligente de la plasticité cellulaire
Responsable de l’axe Santé et étude du vivant, IID

Flavie Lavoie-Cardinal a obtenu son baccalauréat, sa maitrise et son doctorat en chimie de l’Université de Siegen en Allemagne. Elle a ensuite été stagiaire postdoctoral (entre 2011 et 2014) en Biophysique dans le laboratoire du Prof. Stefan W. Hell (prix Nobel de Chimie en 2014) sur le développement de la microscopie de super-résolution. Elle a effectué un deuxième stage postdoctoral dans le laboratoire du Prof. Paul De Koninck en Biophotonique entre 2014 et 2017 sur l’application de la super-résolution aux neurosciences cellulaires et moléculaires. Elle a ensuite été chercheure indépendante au centre CERVO et Professeure associée au département de Physique, Génique Physique et Optique de l’Université Laval.

Mme Cardinal a mis sur pied un programme de recherche qui utilise et développe l’apprentissage automatique et l’apprentissage profond pour la microscopie. Ses projets portent d’une part sur l’amélioration des performances des techniques de microscopie et d’autre part sur le développement de techniques d’analyse quantitatives des images obtenues. 

Professeur titulaire, Faculté des sciences et de génie, Université Laval
Titulaire, Chaire de recherche CRSNG-Creaform sur la numérisation 3D
Directeur, Laboratoire de vision et systèmes numériques (LVSN)

Denis Laurendeau est directeur du Laboratoire de vision et systèmes numériques. Il est également titulaire de la Chaire de recherche industrielle CRSNG-Creaform sur la numérisation 3D. Il a été le fondateur et directeur du regroupement stratégique REPARTI du FRQ-NT de 2006 à 2019 et du centre de recherche REPARTI-ULaval (maintenant le CeRVIM) de 2012 à 2019. De 2004 à 2014, il a été membre du comité exécutif de l’International Association for Pattern Recognition (IAPR) dont il a été le président de 2010 à 2012. Il est Fellow de l’Académie canadienne de génie, membre de l’IEEE et de l’Ordre des ingénieurs du Québec.

Ses intérêts en recherche portent sur la vision artificielle 2D et 3D, la réalité virtuelle / augmentée et les applications de la vision artificielle à l’industrie, la médecine et les arts.

Professeur adjoint, Faculté des sciences et de génie, Université Laval
Titulaire, Chaire Canada-CIFAR en intelligence artificielle

Pascal Germain est professeur adjoint au département d’informatique et de génie logiciel de l’Université Laval. Chercheur scientifique en apprentissage automatique, il exerçait ses fonctions jusqu’à tout récemment à l’Inria, l’Institut national de recherche dédié aux sciences du numérique, en France.

Ses domaines de recherche comprennent la théorie statistique de l’apprentissage, dont la théorie PAC-bayésienne, et les algorithmes d’apprentissage.

Professeur titulaire, Faculté des sciences et de génie, Université Laval
Directeur, Centre de recherche en données massives (CRDM)
Titulaire, Chaire Canada-CIFAR en intelligence artificielle
Titulaire, Chaire de recherche industrielle CRSNG-Intact Corporation financière sur l’apprentissage machine en assurance

François Laviolette est professeur titulaire au département d’informatique et de génie logiciel de l’Université Laval.  Ses travaux de recherches portent sur l’intelligence artificielle, en particulier l’apprentissage automatique. 

Chef de file de la théorie PAC-bayésienne, qui permet de mieux comprendre les algorithmes d’apprentissage automatique et d’en concevoir de nouveaux, il s’intéresse entre autres à ceux permettant de résoudre des problèmes d’apprentissage liés à la génomique, à la protéomique et à la découverte de médicaments. Il s’intéresse également à rendre les intelligences artificielles interprétables dans le but de mieux intégrer des systèmes où des humains sont dans la boucle de décision. 

Il est directeur du Centre de recherche en données massives de l’Université Laval qui regroupe plus de 50 professeurs chercheurs.

Professeure titulaire, Faculté des sciences et de génie, Université Laval
Directrice adjointe – Québec, Centre interdisciplinaire de recherche sur les réseaux d’entreprises, la logistique et le transport (CIRRELT)

Professeur adjoint, Faculté des sciences de l’agriculture et de l’alimentation, Université Laval

Éric Paquet a obtenu son baccalauréat en informatique de l’Université de Sherbrooke et sa maîtrise en informatique avec spécialisation en apprentissage machine et bioinformatique dans le laboratoire de François Major à l’Université de Montréal. Il a par la suite été Directeur de la bioinformatique au Centre de recherche en cancérologie de l’Université Laval pendant 8 années. Il est détenteur d’un doctorat de l’Université McGill en médicine de précision appliquée au cancer du sein et du colon où il a contribué, dans l’équipe du Professeur Mike Hallett, au développement d’outils d’apprentissage machine robustes utilisant la génomique pour guider le traitement des patients. Il a effectué ses études postdoctorales en Suisse, dans l’équipe du Professeur Félix Naef, à l’École polytechnique de Lausanne. Il s’est spécialisé en biologie des systèmes des cellules individuelles (single-cell systems biology) où il a notamment développé des outils permettant de suivre et de modéliser le comportement des cellules individuelles en utilisant la microscopie par fluorescence en temps réel. Il a contribué à la rédaction d’une cinquantaine d’articles scientifiques dans plusieurs domaines appliqués et plus fondamentaux dans des revues à fort impact. Il possède une expertise variée dans plusieurs domaines notamment la bioinformatique, la génomique, la biologie des systèmes, la chronobiologie et l’apprentissage machine appliquée.

Monsieur Paquet a mis sur pied un programme de recherche en Sciences animales dans le but d’utiliser les données massives sans cesse grandissantes produites dans ce domaine dans le but d’aider la production et aussi d’améliorer le bien-être des animaux. Il travaille présentement sur des projets appliqués ayant pour but le développement d’outils d’apprentissage machine et d’apprentissage machine profond pour identifier des pathologies et aussi suivre le comportement des animaux en temps réel à l’aide de caméra vidéo. Tous ces projets sont d’une importance capitale pour l’industrie et sont développés en étroite collaboration avec celle-ci.