L’adoption de l’intelligence artificielle en entreprise nécessite bien souvent un accompagnement. Dans ce numéro 3 de Synapse AI, Mathieu Barreau rencontre Julian Lucchesi, Directeur des partenariats stratégiques au sein du Centech, un incubateur de startups Montréalais spécialisé en DeepTech.
L’incubateur propose un hub d’innovation destiné aux PME et grands groupes afin de les accompagner dans leurs démarches d’adoption de l’IA. Cette entrevue est l’occasion d’aborder des thématiques critiques telles que la structuration de projets.
Témoignage de Hugo Gagnon, directeur général de PhenoSwitch BioScience, entreprise passée par le HUB IA du CenTech de Montréal.
Hugo Gagnon, vous êtes directeur général de PhenoSwitch BioScience au Québec, vous venez dernièrement de faire le HUB IA du CenTech de Montréal, que faites-vous au sein de votre entreprise ?
PhenoSwitch BioScience est une compagnie de recherche contractuelle en sciences de la vie fondée en 2002, dont le quotidien est d’analyser des échantillons pour nos clients. Nous réalisons des analyses Omics, pour cela nous utilisons la spectrométrie de masse couplée à la chromatographie liquide. Nous pouvons séparer les molécules, les identifier, les séquencer et les quantifier. Nos activités nous permettent de suivre les mécanismes d’actions et de mieux comprendre l’efficacité des molécules et nous générons beaucoup de données.
Notre défi est justement de mieux analyser ses données, le faire plus rapidement et de façon plus complète, plus reproductible. C’est dans ce contexte que nous nous sommes tournés vers l’apprentissage machine.
Est-ce que l’Intelligence Artificielle était déjà présente dans vos activités avant de faire le Hub IA ?
Pas vraiment, non, en tout cas pas l’intelligence artificielle comme nous l’utilisons aujourd’hui. Nous utilisions déjà certains scripts pour l’analyse de données, certaines méthodes (PCA, clustering etc…). Mais nous devions aller plus loin, être en capacité de prédire des classifications, prédire des comportements de molécules, c’est ce que nous pouvons faire maintenant grâce au Deep Learning et dans notre secteur domaine cela commence tout juste à être utilisé.
Lorsque l’on accède aux informations disponibles aujourd’hui, on peut trouver des publications ou des outils disponibles mais il y a souvent des B-mol. On voulait vraiment trouver des solutions aux b-moul que l’on avait pu identifier dans différents scripts.
Comment a débuté votre aventure au Hub IA ?
J’ai pu assister à une présentation de leur méthode et approche, j’ai été rapidement séduit car nous avons développons la même relation avec nos clients, quand on évolue dans des domaines contractuels et complexes, il y souvent deux scénarios, soit le client sait ce dont il a besoin depuis le début sans avoir connaissance des risques ou des difficultés liés, soit le client pressent que la solution existe et qu’elle pourrait répondre à son besoin, mais il ne sait pas comment. Et c’est souvent le cas lorsque l’on parle d’utiliser l’intelligence artificielle. On sait que c’est vers là qu’il faut aller, mais on ne connaît pas toujours le meilleur chemin pour s’y rendre. Le Hub IA nous a permis de nous poser des questions auxquelles nous n’avions pas pensé. On a cartographié notre activité avec un BMC, cela a été un moyen de faire un constat partagé, de se poser les bonnes questions, de réfléchir et définir nos solutions et de les prioriser. Ensuite on a fait une preuve de concept, cela a démontré que c’était possible de faire ce qu’on voulait faire et que ça fonctionnait.
Quelle était la raison ou quelles étaient les raisons de vouloir utiliser l’IA au sein de PhenoSwitch BioScience ?
Nous avons développé la réponse à notre problème initial, que l’on retrouve dans les scripts proposés actuellement, ils manquent de précision, ils sont souvent trop binaires et théoriques et ne prennent pas assez en considération les exceptions. Un exemple concret, nous devons analyser des protéines, elles doivent être digérées, on utilise pour cela des enzymes et c’est dans ce cas précis que la théorie ne permet pas d’exception, alors que cela ne reflète pas la réalité. Jusqu’à hier, la solution intermédiaire était de générer de la donnée, de produire nos librairies ionics et d’intégrer les données. On parle de 3 à 4 semaines de travail, ce n’est pas anodin sur une organisation.
Avez-vous rencontré des inattendus lors de votre parcours au sein du Hub IA ?
On a sous-évalué le temps au départ, car il a fallu expliquer notre métier, ce qu’est la biologie à des experts en IA, on a dû apprendre à dialoguer sur un même langage.
Je pense que lorsque nous sommes arrivés au Hub IA avec une problématique déjà identifiée mais au final nous sommes ressortis du programme avec plus que la réponse à notre problématique, nous avons une perception plus macro des possibilités qui s’offrent à nous. Nous avons pris conscience du potentiel d’application de l’IA dans notre quotidien, de toutes les tâches et opérations que l’on pourrait automatiser grâce à l’IA.
Cela a modifié également notre structure TI, on se devait de centraliser les informations afin de pouvoir les exploiter correctement, cela représente des coûts d’investissement, mais ils sont nécessaires.
Aujourd’hui, on doit investir dans la formation du personnel pour que tout le monde puisse utiliser les outils que nous avons développés. Il semble également incontournable de recruter une personne spécialisée en IA qui sera en mesure de comprendre l’ensemble des opérations et qui pourra intervenir sur l’entretien et entraîner les algorithmes sur des jeux de données.
Est-ce que vous considérez avoir un avantage sur vos concurrents aujourd’hui ?
Oui c’est indéniable, nous sommes dans un secteur d’activités ou l’intelligence artificielle va se trouver soit dès le départ dans l’entreprise, avec des startups très innovantes, soit très peu présente dans les entreprises qui sont développées depuis plusieurs années qui ont déjà des processus et fonctionnements en placent et qui ne perçoivent pas l’IA comme une opportunité. PhenoSwitch BioScience se trouve à mi-chemin entre ces deux situations, nous n’avons pas l’ambition de révolutionner notre domaine, mais accélérer, faciliter et améliorer notre organisation,oui, nous sommes plus efficients. N’oublions pas qu’au Québec, nous sommes face à une pénurie de main-d’œuvre qualifiée et cette transformation est aussi une stratégie d’anticipation. Nos scientifiques plutôt que de devoir nettoyer et traiter de la donnée, ils peuvent aujourd’hui se concentrer sur leur véritable métier, répondre à des questions scientifiques.
Considérez-vous avoir pu trouver des sources de financement facilement ?
Oui, très certainement parce qu’en tant que chercheurs nous sommes habitués à monter des demandes de financement mais cela demeure complexe tout de même. Par exemple, pour un de nos projets, les conditions impliquaient de trouver un autre partenaire que l’on devait adjoindre à notre projet et ce n’était pas évident de trouver une autre entreprise avec des besoins similaires ou complémentaires, qui accepterait de partager une partie de la PI (propriété intellectuelle) et qui pouvait financer sa partie. Les mécanismes de financement ne sont pas simples à monter mais ils sont présents.
Vous avez réalisé une première étape de transformation, allez-vous continuer à intégrer l’IA dans votre organisation ?
Oui assurément. Nous avons deux autres projets majeurs en IA qui vont nous permettre de compléter notre valeur ajoutée sur le marché.
