L'INRS, ou l’intelligence artificielle au service du Québec

Leïla Jolin-Dahel
Collaboration spéciale
L’INRS mène plusieurs projets de recherche qui font appel à l’intelligence artificielle, notamment pour soutenir la rééducation motrice à la suite d’un accident vasculaire cérébral. 
Photo: Laetitia photographe L’INRS mène plusieurs projets de recherche qui font appel à l’intelligence artificielle, notamment pour soutenir la rééducation motrice à la suite d’un accident vasculaire cérébral. 

Ce texte fait partie du cahier spécial Recherche

Comprendre pourquoi meurent les abeilles, prédire le stress chez les policiers, détecter l’épuisement professionnel du personnel infirmier… l’Institut national de recherche scientifique (INRS) dispose d’infrastructures permettant d’effectuer des recherches de pointe avec l’intelligence artificielle, au service d’entreprises d’ici.

« Nous apportons des connaissances dont les entreprises ont besoin », résume d’emblée Tiago Falk, professeur titulaire à l’INRS et responsable scientifique du Laboratoire d’analyse et d’amélioration des signaux multimédias/multimodaux (MuSAE Lab).

« Habituellement, quand on parle d’intelligence artificielle, vous avez un modèle et recherchez des données à appliquer. Vous modifiez le modèle pour appliquer les informations qu’il trouve », explique M. Falk. Mais l’INRS procède de manière inverse. « Nous avons les données, nous en connaissons tous les détails, toutes les nuances. Et ensuite, on construit les modèles », poursuit-il au sujet d’informations collectées dans des environnements réalistes, et non des données simulées ou obtenues de façon artificielle.

Cela permet donc de créer des modèles d’intelligence artificielle applicables dans la pratique, en se basant sur des informations recueillies sur le terrain.

L’importance du contexte

« Quand vous savez d’où proviennent les données, vous êtes capables de créer des modèles qui sont justes, qui fonctionnent », résume M. Falk. Le contexte est d’ailleurs crucial pour analyser une situation avec précision.

Le chercheur cite en exemple un projet mené avec l’École nationale de police du Québec (ENPQ), qui s’intéressait au stress chez les étudiants et les agents. Grâce à des montres connectées et des téléphones cellulaires, certaines réactions du corps ont été mesurées pour déterminer quels étaient les signes de tension.

Certains modèles d’intelligence artificielle détectent du stress aussitôt que le rythme cardiaque augmente. « Mais ces modèles ont été conçus à partir de données manipulées en laboratoire, explique M. Falk. Est-ce parce que le policier court ou parce qu’il est stressé ? Est-il fatigué ? Vous devez savoir comment séparer le changement de rythme cardiaque dû à une course de celui causé par un stress. »

L’importance du contexte est également valable dans les recherches sur les signes d’épuisement professionnel chez le personnel infirmier en hôpital. « Si une infirmière est stressée à la cafétéria, cela a beaucoup moins de conséquences que si elle se trouve dans une unité de soins intensifs », compare-t-il.

La même chose s’applique aux abeilles, qui font l’objet d’études par l’INRS pour déterminer les causes de leur mort. « La plupart vont dehors pour collecter du pollen. Si on voit les abeilles sortir de la ruche en se disant que c’est une urgence et qu’elles sont simplement en train de butiner, on doit le savoir », illustre-t-il.

Lutter contre les biais

Mais les données entrées dans un modèle d’intelligence artificielle peuvent également donner lieu à des résultats biaisés. « Une machine ne peut apprendre des modèles seulement sur la base des données qu’elle a eues », explique M. Falk. Par exemple, un algorithme pourrait tirer des conclusions en ayant un biais inhérent sur le sexe ou l’origine ethnique d’un individu. L’INRS travaille actuellement avec des chercheurs en sociologie qui les épaulent dans la collecte d’informations afin d’éliminer ce type de discrimination.

Ainsi, la précaution est de mise, notamment dans un projet visant à détecter les signes de stress et les problèmes de santé mentale chez des gens vivant en région éloignée. « Il faut être prudent, vous pouvez avoir de nombreux biais. La dépression elle-même a plusieurs visages, selon votre parcours et votre histoire », avertit M. Falk.

Réduire l’impact en GES

Énergivore, l’intelligence artificielle ? Un article publié en 2019 par des chercheurs de l’Université du Massachusetts conclut que oui. Ainsi, le processus pour former de grands modèles d’IA peut émettre jusqu’à l’équivalent de cinq fois les émissions de gaz à effet de serre (GES) d’une voiture américaine moyenne durant toute sa durée de vie. « Ce sont des modèles qui doivent être entraînés pendant de nombreuses semaines en fonctionnant sur des centaines d’ordinateurs », explique M. Falk.

L’INRS travaille ainsi à trouver une façon de réduire ces émissions, notamment en utilisant la technologie optique et la lumière. « Avec une fraction de la puissance, nous pouvons atteindre les mêmes performances qu’avec les processeurs », se réjouit le chercheur. Cela permettra donc à l’intelligence artificielle d’être plus durable en ayant moins de besoins en énergie, ce qui générera moins d’émissions de GES, espère-t-il.

À voir en vidéo