Une Assemblée générale annuelle aux couleurs du Machine Learning

L'Assemblée générale annuelle de Genium360 du 28 novembre 2019 a permis de rassembler 96 membres à Montréal et en webdiffusion à Lévis.

Quatre candidats ont été élus par acclamation comme nouveaux administrateurs et membres du Conseil d’administration de Genium360, et ce, conformément à l’article 5 des règlements généraux. Découvrez le Conseil d’administration 2019-2020 en visitant la page gouvernance (ici, par ordre alphabétique) :

  • Marc Choquet
  • Suzanne Fortin
  • Alphonse Galluccio
  • Charles Jacob
  • Jérôme Jobin
  • Patrice Juneau
  • Lyse Le Gal
  • Marc-André Lépine
  • Sylvie Maréchal
  • Nicolas Sbarrato
  • Frédéric Thibault

Durant cette Assemblée générale annuelle, trois nouveaux réglements ont pu être ratifiés à l'unanimité :

  1. 10.1. 2019-42, modifiant l’article 12.8 - Quorum
  2. 10.2. 2019-43, modifiant l’article 12.9 – Convocation d’une nouvelle assemblée
  3. 10.3. 2019-44, modifiant l’article 5.2 – Comité des élections

Enfin, le dévoilement du rapport annuel a permis de souligner les succès de l'année écoulée. Marc-André Lépine, le président du Conseil, a souligné les bonnes performances de la planification stratégique 2017-2020 et notamment les cibles suivantes : 

  • Augmentation de 30% pour l’utilisation de nos plateformes numériques. Or, 2,52 millions visites ont été comptabilisées.
  • Augmentation de 15% du nombre de membres qui utilisent nos services. Cet objectif est atteint à 99,6%!
  • Succès des deux éditions des Rencontres de génie portant sur les thèmes du virage 4.0 et de la transition énergétique.

L'année 2019 a aussi été une période de changement à la direction générale. Le président a tenu à saluer la contribution de Madame Line Lacroix, la directrice générale sortante qui, sous son impulsion depuis 2013, a permis d'opérer un virage important. Notons le redressement financier, la structure organisationnelle, le changement de nom de l'organisation et l'élargissement du membership, sans compter l'implication de Line Lacroix dans l'accompagnement en gouvernance du Conseil d'administration. Maintenant à la semi-retraite, Genium360 peut compter sur son soutien dans le cadre de son nouveau mandat de secrétaire corporatif et chargé de gouvernance.

Le directeur général, Gautier Poiret, a fait état des différentes réalisations de l'année. Il a annoncé avec fierté que plus de 540 000 $ ont été redonnés à la communauté du génie grâce à la mise en place de nombreuses initiatives parmi lesquelles on compte :

La santé financière de Genium360 permet d’investir et de construire de nouveaux projets notamment en accompagnant toujours plus ses membres dans leurs défis professionnels. Dès janvier 2020, une toute nouvelle plateforme sera lancée visant à connecter les membres avec les PME du Québec pour faciliter les interactions et saisir les opportunités.

Deux conférences sur le Machine Learning pour remercier les membres présents

L'AGA était également l'occasion pour les membres d'assister à 2 conférences gratuites sur le Machine Learning par Karim Jerbi,Ph.D., professeur associé en neurosciences des systèmes et en neuroimagerie cognitive au département de psychologie de l'Université de Montréal et par Jonathan Tremblay, Ph. D., professeur agrégé spécialiste de la physiologie de l’exercice chez les sportifs à l'École de kinésiologie et des sciences de l'activité physique, de l'Université de Montréal.

L'opportunité ici de relever quelques prédictions sur le futur de l’apprentissage machine.

5 prédictions sur le Machine Learning

Au cours des dernières années, le monde des affaires a connu une profonde mutation, particulièrement suite à la l’ère de la « révolution de l’Intelligence ».  Cette révolution est notamment axée sur les grands changements engendrés par l’apprentissage machine. Face à ces bouleversements majeurs, les organisations sont contraintes d’adapter leur stratégie, leur mode de prédiction et de fonctionnement aux nouvelles réalités du marché.

Les machines pourraient dépasser les humains

En appliquant des algorithmes et des directives aux ordinateurs, l’apprentissage machine leur permet d’apprendre par essai erreur. De plus, l’apprentissage machine contribue à créer un modèle qui peut être instantanément reproduit sur d’autres ordinateurs. Un humain quant à lui, prendrait des semaines, voire même des années, afin de maîtriser une compétence.

Dans l’avenir, l’intelligence artificielle, « s’apparente à une machine qui réussit à surpasser l’humain dans l’exécution de n’importe quelle tâche intellectuelle »[1]. Si la supériorité de la machine sur l’humain s’avère devenir une réalité tangible, certaines prédictions avertissent que la machine pourrait échapper au contrôle de l’humain.

Certains experts sont en désaccord avec l’hypothèse de la force de la machine par rapport à l’humain. Toutefois, il convient de se questionner sur l’impact des machines sur le mode de fonctionnement des entreprises. Les machines rivaliseront-elles avec l’humain ? Pourrait-on dire que l’humain et la machine disposent d’aptitudes complémentaires ? 

Intégration du Machine Learning dans la majorité des applications

Au cours des prochaines années, les modèles de l’apprentissage machine seront automatiquement intégrés dans presque toutes les applications et dans différents appareils électroniques y compris les téléphones cellulaires. Il convient de noter que la majorité des utilisateurs ne seront pas informés de leur interaction avec les algorithmes de l’apprentissage machine.

Compréhension et validation des données

Pour valider un modèle spécifiquement choisi par l’apprentissage machine, il deviendra essentiel de comprendre le mode de sélection de ce modèle. Par exemple, en imagerie médicale, l’apprentissage machine permet de détecter les premiers signes d’un patient potentiellement atteint par le cancer. Dans le futur, il faudra non seulement identifier un problème, mais également comprendre les informations utilisées pour établir le diagnostic. Ensuite, l’employé concerné pourrait valider l’hypothèse émise par la machine suite aux résultats des analyses sur le patient. 

Actualisation constante des données

L’apprentissage machine établit des prédictions en fonction de données et d’informations hors-ligne. Or, le temps de tester un modèle de l’apprentissage machine, les données recueillies par l’entreprise peuvent devenir complètement désuètes.

En conséquence, le futur du Machine Learning consisterait à imaginer un système capable d’actualiser constamment les informations en ligne. Dans cet ordre d’idées, les prévisions du Machine Learning seront précises et pertinentes en dépit des changements qui surviennent au sein de l’environnement.

Sélection automatique des algorithmes

Le choix du meilleur algorithme pour votre business est une tâche complexe qui requiert l’expertise des scientifiques de données et beaucoup de temps. Le rôle d’un scientifique de données consiste essentiellement à essayer plusieurs algorithmes jusqu’à ce qu’il trouve celui qui est le plus susceptible de créer le meilleur modèle.

Dans le futur, l’automatisation du choix de l’algorithme permettra d’accélérer le processus de mise en œuvre d’un projet de l’apprentissage machine.

 

Source

 Machine Learning, IBM Limited Edition.

La révolution de l’intelligence, une nouvelle ère de possibilités, Deloitte.

 

[1] La révolution de l’intelligence, une nouvelle ère de possibilités, Deloitte.

 

Abonnez-vous à nos infolettres pour ne rien manquer