Rédaction
Date
Trois-Rivières, mai 2026. Le CDRIN a participé au 93e congrès de l’ACFAS qui réunissait des centaines de chercheurs et chercheuses francophones sur le campus de l’UQTR. Nous y étions pour présenter une communication affichée sur notre projet Vision AI Trainer (VAIT), un logiciel libre pour démocratiser la vision par ordinateur dans les milieux scientifiques.
Pour une organisation comme le CDRIN, qui accompagne l’innovation technologique dans des contextes appliqués, l’ACFAS constitue un point d’observation des travaux qui façonneront les outils et les pratiques des prochaines années.
Nous y allons pour écouter ce que la recherche nous annonce avant que ces avancées ne se traduisent dans les pratiques, et pour repérer les signaux que nous pouvons interpréter et relier à nos projets. « C’est une soupe de cerveau, dit Yann Roubeau, programmeur-chercheur R&D. Des experts et expertes dans des domaines parfois très éloignés du nôtre, mais où on finit toujours par trouver des ponts. »
Ce que l’œil ne voit pas
Parmi les signaux marquants, retenons la capacité de l’IA à détecter des phénomènes qui échappent encore aux méthodes conventionnelles.
Une déformation de quelques microns sur une pièce usinée ne se voit pas. Ni à l’œil nu, ni sur la plupart des systèmes de vision 2D qui ignorent la géométrie réelle de la surface. C’est précisément ce type d’angle mort que l’IA géométrique commence à combler.
Une équipe de l’UQTR travaille là-dessus. Le chercheur Sasan Sattarpanah Karganroudi y a présenté des travaux sur la détection d’anomalies à l’aide de l’IA géométrique appliquée à des nuages de points 3D, des données brutes issues de scanners tridimensionnels. Son approche permet de repérer automatiquement des déformations à l’échelle du micron dans des pièces industrielles, sans intervention humaine. Le modèle a été testé en fabrication aéronautique.
L’article scientifique n’est pas encore publié, mais la présentation intitulée Du scan 3D au jumeau numérique : IA géométrique pour la maintenance intelligente et l’inspection automatisée en robotique et fabrication permettait déjà d’entrevoir les applications à venir.
« Comparer une captation réelle à un environnement virtuel reconstruit pour permettre la prise de décision: c’est exactement ce qu’on a abordé dans d’autres projets, dont notre collaboration avec le CRITAC», dit Maxime Daigle, programmeur-chercheur R&D.
Pierre-Olivier Roy, analyste d’affaires, avait d’ailleurs observé ce même fil conducteur dans le colloque sur l’IA en génie : des chercheurs qui utilisent le scan 3D pour construire des jumeaux numériques capables d’optimiser des flux de production, de détecter des anomalies ou recommander des interventions. « C’est une trajectoire qu’on suit depuis un moment au CDRIN », dit-il. Voir la recherche universitaire arriver au même endroit, ça confirme qu’on travaille sur les bons problèmes. »
Au-delà de la performance technique, ces recherches confirment que plusieurs acteurs convergent vers les mêmes défis avec une approche technologique qui fait la combinaison du scan 3D, des jumeaux numériques et de l’IA géométrique est en train de passer du laboratoire aux applications industrielles.
L’IA comme partenaire de réflexion
Une autre présentation a retenu l’attention, cette fois dans un domaine complètement différent : la dynamique des liquides dans les camions-citernes.
Lorsqu’un véhicule chargé tourne ou freine, la masse en mouvement à l’intérieur crée des forces qui compliquent le contrôle. Le problème est connu. Les solutions le sont moins.
C’est la démarche pour étudier ce phénomène qui nous a frappé: le chercheur a utilisé un modèle de langage comme interlocuteur de réflexion. Il se servait de l’IA pour générer des hypothèses, produire des schémas conceptuels, explorer différentes pistes de solutions et tester des idées telles que d’installer des lamelles pour briser les mouvements du liquide.
L’IA a été utilisée comme outil de pensée plutôt que comme agent automatisé intégré à un système. Une distinction intéressante dans un contexte où les discussions sur l’intelligence artificielle sont dominées par l’automatisation comme remplacer une tâche, accélérer un processus ou réduire une intervention humaine.
Or, on commence à utiliser les modèles génératifs autrement: non pas pour prendre des décisions, mais pour explorer un espace de solutions plus vaste. L’IA agit davantage comme partenaire de réflexion que comme agent autonome.
« On pense souvent que dépersonnaliser des données suffit. Ce que la recherche montre, c’est que ça ne suffit plus, et que les organisations qui gèrent des données sensibles doivent réfléchir à des couches de protection supplémentaires.» Azzahrae El Khiati, chercheuse-programmeuse R&D au CDRIN
Ce que « anonymisé » ne veut plus dire
Certaines recherches nous ont aussi rappelé les limites des pratiques actuelles et les défis qui accompagnent l’adoption de l’IA. En 2000, la chercheuse Latanya Sweeney a démontré qu’il était possible de ré-identifier 87 % des Américains à partir de trois informations seulement : code postal, date de naissance et genre. Elle avait notamment réussi à retrouver le dossier médical du gouverneur du Massachusetts dans des fichiers pourtant anonymisés.
Depuis, les outils ont considérablement évolué. Aujourd’hui, un grand modèle de langage peut inférer des informations sur une personne à partir d’indices dispersés dans des publications publiques, des profils professionnels ou des ensembles de données partiellement anonymisés. Ce que les méthodes classiques de dépersonnalisation ne protègent pas toujours, les modèles le reconstituent.
Pour les organisations qui gèrent des données de santé, environnementales ou des informations RH sont directement concernées.
À l’ACFAS, la présentation Calame, un outil de transcription multilingue en code source libre du chercheur Thomas Soulas (UQAM – Université du Québec à Montréal) a rappelé cette réalité sur les grands modèles de langage.
Azzahrae El Khiati, programmeuse-chercheuse R&D, résume l’enjeu : « On pense souvent que dépersonnaliser des données suffit. Ce que la recherche montre, c’est que ça ne suffit plus, et que les organisations qui gèrent des données sensibles doivent réfléchir à des couches de protection supplémentaires. »
Des méthodes existent : données synthétiques, k-anonymat, environnements sécurisés ou contrôles d’accès renforcés. Le choix dépend de vos données, de vos usages, de vos contraintes réglementaires.
Ce que nous y avons apporté
L’équipe n’était pas qu’observatrice. Le CDRIN présentait ses propres travaux à travers une communication affichée consacrée au projet VAIT (Vision AI Trainer), un logiciel libre développé en partenariat avec Pêches et Océans Canada et l’Institut Maurice Lamontagne.
Le problème de départ est récurrent dans les projets de vision par ordinateur : annoter des images pour entraîner un modèle prend du temps, est coûteux et exige des compétences spécialisées. Lorsque le contexte change, une partie du travail doit fréquemment être recommencée. VAIT automatise une partie de cette étape. Le logiciel peut être utilisé localement, sans connexion au nuage, utile dans des environnements éloignés ou sur le terrain.
Ce projet reflète bien le rôle que joue le CDRIN au quotidien: transformer des avancées technologiques, les assembler en outils concrets et les rendre utilisables dans des contextes réels.
Pourquoi nous y retournons
Pourquoi participer à l’ACFAS quand les résultats présentés ne sont pas encore largement déployés sur le terrain? C’est souvent dans ces recherches que se dessinent les prochaines années. Nous y allons pour anticiper ce qui s’en vient, comprendre comment l’intégrer en ayant une longueur d’avance.
Les travaux sur l’IA géométrique, les nouvelles façons d’utiliser les modèles génératifs ou les défis grandissants liés à la protection des données ne sont pas encore des pratiques généralisées. Ils indiquent toutefois la direction dans laquelle évoluent les organisations qui innovent.
Yann Roubeau le dit simplement : « L’ACFAS est un endroit où on voit la science mise sur un piédestal. Des chercheurs et chercheuses passionné.es, des résultats préliminaires, des directions qui méritent d’être suivies de près. On repart rarement avec des réponses définitives, mais certainement avec des bonnes questions. »
