Nos investissements

Kruger vise à améliorer la cohérence de la résistance des fibres en développant de nouvelles approches pour réduire l’impact négatif résultant de la qualité incohérente des fibres recyclées due à la variabilité de la fibre au début du processus et comprendre comment nous pouvons agir efficacement pour optimiser le rendement. Ceci sera suivi d’une meilleure prédiction de la qualité de sortie de la fibre afin de minimiser les coûts de production. Ce projet se concentrera sur la mise en œuvre d’analyses prédictives et prescriptives avancées soutenues par l’apprentissage automatique afin de prédire et calibrer la qualité des fibres et fournir un meilleur contrôle de la qualité.

Le projet consiste à l’implantation d’optimiseurs permettant d’identifier les défauts visuels et géométriques et de traiter les images générées par ceux-ci avec l’IA par apprentissage profond sur nos lignes de production de première et deuxième transformation du bois à l’état brut.

Ce projet vise à développer un algorithme de détection de médias électroniques basé sur l’apprentissage automatique. Cette solution de détection sera intégrée à notre technologie de scanner à rayons X pour les clients désirent protéger l’entrée et la sortie des dispositifs porteurs de données dans/hors de leurs installations. En identifiant et en alertant automatiquement l’opérateur du scanner de la présence potentielle de ces dispositifs, l’outil réduit la dépendance vis-à-vis la détection visuelle. Cette tâche peut être incroyablement difficile, en particulier pour les petits appareils multimédias (par exemple, carte SD, clés USB, etc.).

Le projet consiste à mettre à niveau et automatiser à l’aide de robots intelligents notre centre de tri REC afin de permettre une plus grande flexibilité opérationnelle et une augmentation des volumes, du taux de capture et de la qualité des matières sortantes.

Compro, une entreprise innovante dans le domaine des messages téléphoniques en attente, souhaite automatiser le processus de rédaction des scripts pour les messages vocaux. En grande partie grâce aux traitements du langage naturel, Compro souhaite automatiser l’ensemble du processus, de la collecte des idées de production jusqu’à la génération automatique des scripts. Cette automatisation permettra de réduire la pression sur les rédacteurs, particulièrement dans les plus grosses périodes, et d’être présent en grande partie pour l’amélioration des textes rédigés.

L’objectif du projet est d’utiliser des données alternatives pour prévoir l’utilisation des installations au sein d’une infrastructure publique afin d’adapter la programmation de la maintenance dans le but d’améliorer les niveaux de service tout en utilisant moins de ressources.

Le projet vise à gagner en efficacité grâce au sourcing autonome. Concrètement, les algorithmes développés identifieront puis analyseront des milliers de CV contenus dans des bases de données afin d’ordonnancer grâce à l’IA les candidats pour une description de poste donnée.

Intégration de l’apprentissage profond dans le tri automatisé d’un flux de matière recyclable afin d’en optimiser le processus.

Prônant l’innovation comme modèle d’affaires, Boa-Franc désire implanter l’intelligence artificielle dans ses processus pour les optimiser. Boa-Franc vise dans le premier volet de son projet l’ordonnancement dynamique des opérations de finition. Suivra dans le deuxième volet l’automatisation des séchoirs, qui traitera principalement de l’automatisation des décisions de séchage et l’ordonnancement dynamique des activités de séchage.

Adaptation et déploiement d’une plateforme de perception et de cognition de grade industriel permettant l’utilisation de robots industriels pour appliquer des procédés de traitements de surfaces complexes sans nécessiter de programmation manuelle, de programmation hors ligne ou même sans utilisation de gabarit de localisation des pièces. La plateforme d’intelligence artificielle nécessite la modélisation de chaque procédé, de la création d’un jumeau virtuel de chaque cellules robotique et de la modélisation des contraintes d’application de chaque procédé. Enfin, les objectifs à atteindre pour chaque pièce doivent être définis également. L’optimisation automatique par IA devrait dépasser la performance d’un programme généré par l’humain.

Développement et déploiement d’une solution alimentée par l’IA pour optimiser le réseau logistique de Cascades. Les algorithmes d’IA vont évaluer des millions de trajets d’une durée de 1 à 5 jours. L’outil va trouver les itinéraires optimaux qui minimisent le kilométrage à vide tout en respectant les contraintes commerciales et législatives.

Le projet Osiris consiste à une série d’insights générés via des modèles prédictifs pour estimer de façon dynamique le prix de vente en analysant plusieurs variables complexes afin que les départements commerciaux du groupe Krōps puissent connaître les tendances du marché canadien des fruits et légumes frais, contrairement au cadre actuel basé sur l’interprétation personnelle des données informelles disponibles. Osiris sera une révolution dans l’industrie et permettra aux équipes de Krōps de générer de la valeur auprès des fournisseurs, des clients ainsi que de l’entreprise elle-même.

Le « modèle d’ascension » que Wavo est en train de développer est un modèle d’apprentissage automatique qui, à partir de diverses données (séries chronologiques de mesures sociales, mesures de l’industrie musicale, mesures de l’artiste et du titre), vise à quantifier l’effet différentiel de la publicité de Wavo. Nous construisons un modèle d’ascension spécifique à l’industrie musicale qui prédit l’impact que le marketing et la publicité apportent au-delà de la demande native – c’est-à-dire l’augmentation des ventes, des auditeurs et d’autres indicateurs clés de performance (ICP) gagnés qui n’auraient pas eu lieu sans les efforts de marketing.

Le projet porte sur le développement, le déploiement et l’amélioration du dépistage assisté par intelligence artificielle (IA) des modifications vasculaires de la rétine à l’aide de la photographie du fond de la rétine et de la tomographie par cohérence optique (OCT). L’utilisation de ces instruments de diagnostic et de ces logiciels permettra aux cliniques d’optométrie de dépister diverses rétinopathies dans un but de détection précoce. L’objectif est de construire un modèle avec 3 algorithmes incorporant les spécificités de la population québécoise, la méthodologie des optométristes d’IRIS pour classer les images rétiniennes et l’équipement utilisé (Fundus et OCT) pour prédire, avec une grande précision, la présence d’une irrégularité maculaire au point de soins, en mode pré-test avec un niveau de confiance élevé. Pour référence, le pré-test est une série de mesures prises par un technicien, souvent à l’aide d’un équipement de diagnostic. Ces mesures sont ensuite transférées à l’optométriste pour interprétation avant, pendant ou après le rendez-vous du patient.

La Presse a émis depuis 2017 un ordre clair : Utiliser à grande échelle l’intelligence artificielle afin d’améliorer l’efficacité opérationnelle et permettre alors un journalisme de qualité. Pour ce faire, La Presse a pris la décision stratégique de décliner ce grand projet de transformation en 6 sous-projets d’intelligence artificielle :
1) Micro-thème : projet visant à fournir au département des ventes un outil leurs permettant de définir des thèmes précis et à la demande des ventes, au sein des articles publiés. En utilisant des techniques de Machine Learning et de Deep Learning, le concept est que le conseiller en vente publicitaire puisse rentrer 1 ou 2 mots cherchant alors tous les mots intra-corrélés et définissant le thème de l’article
2) Personnalisation & Cycle de vie du lecteur : à l’aide de multiples canaux tel que les notifications, les infolettres et nos applications maison, l’organisation a pour objectif de donner aux lecteurs ce qu’ils désirent grâce à la personnalisation de contenus (articles, titres, images) mais aussi de publicités.
3) Recommandation automatique des unes : développer un produit analytique capable dans un premier temps de détecter tout changement nécessaire grâce à l’intérêt et les retours de nos lecteurs, mais aussi d’opérer ce changement automatiquement sans le besoin d’un pupitreur.
4) NLG News (Générateur automatique de nouvelle) : cet outil qui sera incorporé à l’intérieur du Story Builder (logiciel éditeur maison) permettra non seulement de donner certaines propositions de nouvelles basées sur des données consommables par un algorithme mais aussi permettra de générer des propositions d’articles et de chapeaux.

La solution vise à maximiser la production de produits conformes en optimisant l’utilisation des ressources humaines et machines (cobots/automates). Les données connectées seront exploitées par des modèles prédictifs et prescriptifs permettant une plus grande flexibilité sur la disposition temporelle des tâches. La solution inclut la prédiction de la vie d’outil pour des matériaux exotiques de type Inconel, où celle-ci se comporte habituellement de façon stochastique. Ces prédictions alimenteront ainsi le système de pilotage.

Ce projet vise à intégrer l’intelligence artificielle dans le pipeline de traitement des données, pour automatiser le processus d’interprétation des données du contrôle non destructif par imagerie visuelle des grandes infrastructures, dans le cadre de la révolution Industrie 4.0.

Patates Dolbec désire implanter l’intelligence artificielle dans son processus de triage de patates. Grâce à un algorithme de vision moderne basé sur les réseaux de neurones profonds et l’installation de capteurs et de caméras, nous voulons détecter les défauts directement sur la chaîne de production. Le triage de ces défauts, dont 30% échappent à la solution de triage industriel (NewTech) située en amont, est actuellement effectué par inspection visuelle par deux travailleurs. En plus de repérer les défauts, les travailleurs doivent retirer manuellement les patates, une tâche imprécise (30% de rejets superflus) et favorisant les blessures attribuables aux mouvements répétitifs.

Le projet vise à mettre au point un assistant personnel permettant aux personnes malvoyantes de reconnaître des objets manipulés dans la vie de tous les jours, de détecter des objets d’intérêt et de dialoguer en langage naturel avec un agent conversationnel afin de saisir les principales caractéristiques des objets situés à proximité. L’assistant personnel sera composé d’un agent conversationnel s’exécutant sur le cloud, une application logicielle s’exécutant sur une plate-forme embarquée propriétaire de HumanWare et permettant de reconnaître / détecter des objets et de communiquer avec l’agent conversationnel via des services web.

La solution consiste en l’automatisation de la fonction d’assurance qualité des produits et optimisation de la matière première par l’intégration de l’intelligence artificielle aux processus de l’organisation.

Dans un premier temps, RPM Eco souhaite utiliser des modèles prédictifs de l’accumulation des recyclables basés sur l’historique des clients, par segment de marché, pour planifier ses routes de ramassage des matières à recycler. Dans un deuxième temps, elle souhaite utiliser l’intelligence artificielle pour reproduire le travail des dispatchs qui assemblent des routes de manière à réduire l’utilisation des ressources, à maximiser le volume par camion, à réduire les déplacements non rentables, améliorer la satisfaction des clients et surtout, réduire les gaz à effet de serre (GES).

Le projet Cérès consiste à rendre plus efficace les opérations d’achat et de transformation en magasin pour les départements viandes et fruits & légumes en générant des prévisions de la demande de qualité pour permettre de rendre automatisable le processus des commandes. Les prévisions générées amélioreront les processus de planification de la main d’œuvre, d’achat, de transformation et de réapprovisionnement. Le projet vise à contribuer aux objectifs stratégiques en limitant les pertes, les ventes perdues et en gagnant en efficacité opérationnelle.

Ce projet vise à réaliser un système de sollicitation optimisé par l’implémentation d’algorithmes en NLP (Natural Language Processing) et l’ajout de couches neuronales (Deep Learning), permettant d’augmenter de façon substantielle les probabilités de matchs entre un recruteur et un prospect tout en réduisant au minimum l’intervention humaine dans le laborieux et complexe processus de recrutement.

Les experts BIM de la société BIMone sont chargés d’auditer les plans de construction 2D, d’assurer la cohérence entre les modèles 3D et les plans 2D et la production de modèles. Pour accomplir cette tâche, les experts BIM doivent quotidiennement naviguer manuellement parmi des milliers de plans 2D sans rapport entre eux. Cela génère une perte de temps et d’efficacité considérable pour nos experts BIM et laisse une marge d’erreur importante dans le livrable du client. L’objectif de ce projet est de développer un outil d’aide à la navigation pour les experts BIM afin de rendre leur travail efficace et de générer un retour sur investissement.

Novo SST souhaite développer un chatbot / engin conversationnel disposant d’un avatar (PAM) et s’appuyant sur un algorithme de corrélation pour traiter les déclarations en liant risques et mesures du plan de prévention pour permettre une recommandation à l’employé Novo SST dans un premier temps (projet Quick Wins), ce qui va permettre de monter en parallèle un modèle d’apprentissage par renforcement pour automatiser cette logique dans le projet Grande Envergure.

Dans le cadre de ce programme, GE Aviation fera un pas en avant vers la robotique cognitive dans l’environnement de fabrication aéronautique. Des systèmes robotiques, intégrant des algorithmes d’apprentissage profond et d’apprentissage par renforcement, relèveront les défis de la classification, de la détection et de la planification des mouvements posés par le contexte de la fabrication industrielle.

Litière Ouellet produit de la litière pour animaux de ferme, communément appelée de la « ripe ». L’objectif de ce promet est d’utiliser l’IA pour contrôler l’alimentation des sacs afin d’avoir une constance de volume à l’intérieur de ceux-ci, limitant au maximum l’intervention humaine et contrôlant la qualité de la ripe par le fait-même. Nos opérations sont aujourd’hui massivement dépendantes de l’expertise de nos employés et notre machinerie actuelle. L’IA nous permettra d’optimiser et automatiser certaines activités pour obtenir les gains en productivité souhaités.

Ce projet vise à accélérer le flux de travail de la résonance magnétique cardiaque en développant des outils d’IA intégrés et automatisés pour la reconstruction, l’amélioration, le contrôle de qualité, la segmentation et l’extraction de métriques cliniques de nouveaux protocoles de balayage ultrarapide.

AV&R œuvre dans le domaine de l’aéronautique pour lequel l’inspection des pièces est critique à la sécurité des avions. Dans le but de réduire l’intervention humaine, AV&R désire améliorer ses performances de détection, réduire le temps de création de recettes ainsi qu’automatiser la validation des recettes par l’utilisation de l’intelligence artificielle.

Le projet vise à la réalisation d’un outil permettant d’automatiser le processus d’analyse et de répartition des demandes de traduction. Un algorithme d’analyse NLP, couplé à une série de modèles prédictifs, fournira les estimations nécessaires (nature, complexité, coût, durée) pour l’attribution du projet à la ressource la plus appropriée.

1- Prédire le nombre de nouvelles unités louées par mois d’un site potentiel de Résidence pour ainés (RPA) tout en respectant le prix de location minimum.
2- Prescrire la liste de prix optimum de location pour optimiser les revenus d’opération en respectant les délais de location.

Implantation d’un système SCADA et optimisation du procédé de recyclage de couche par analyse continue en intelligence artificielle dans l’objectif d’améliorer la constance de production et la qualité des produits, augmentant d’au moins 20% la quantité des rejets traités.

Le projet a pour but d’automatiser l’entrée de donnée dans le système ERP de l’entreprise afin d’améliorer l’efficacité en gestion de la conformité aux normes aérospatiales. Comme première phase, dans le cadre de ce projet, nous désirons automatiser la capture des factures, la gestion des certificats de calibrations et la gestion des certificats de conformité. Nous avons décidé de débuter notre transformation des processus de l’entreprise à l’aide de l’AI sur ces processus car nous avons énormément de donnée (plus de 60 000 factures) déjà pré classifier et structuré en vue de ce projet).

Afin d’offrir une expérience VR attrayante, Felix & Paul Studios (FPS) doit corriger la stéréoscopie et l’assemblage en ajustant la perspective du premier plan, différemment de celle de l’arrière-plan. Dans le contexte du projet Space Explorers avec la NASA, avec des séquences capturées dans la Station spatiale internationale (ISS), nous devons segmenter le premier plan (humains et accessoires) de l’arrière-plan de l’ISS, en particulier dans les plans d’action, dans les séquences stéréoscopiques et à 360 degrés. Ce processus de segmentation est généralement effectué manuellement par des artistes du compositing (Rotoscopie). Il demande beaucoup de travail, est extrêmement répétitif pour les artistes et coûteux pour Felix & Paul.

Le programme ComplisIA vise à doter la Gestion de l’expérience client de Vidéotron d’une Intelligence Artificielle capable de minimiser les frictions opérationnelles et d’augmenter la désirabilité de ses services. Le programme prend en charge toutes les activités relatives à l’exploitation des données analytiques autour du client dans un environnement Big Data. Il supporte, enfin, les activités d’exploration, d’opérationnalisation ainsi que l’amélioration continue des modèles analytiques auto-apprenants.

Alfred Technologies désire optimiser sa plateforme « Alfred Pro » pour y intégrer des fonctions d’intelligence artificielle essentielles aux professionnels restaurateurs. Plus précisément, il s’agit d’intégrer des techniques d’apprentissage automatique aux algorithmes déterministes constituant la base des outils de gestion des inventaires et de permettre la commercialisation d’un outil d’approvisionnement intelligent basé sur les données de haute qualité accumulées au cours des dernières années. L’arrivée des outils intelligents aura un impact majeur par ses capacités prédictives et la précision des modèles, sur la chaîne de valeur de l’approvisionnement en vins et spiritueux pour la restauration et ce partout dans le monde. Le restaurateur pourra concentrer ses efforts à servir sa clientèle en économisant temps et argent au niveau de la gestion de ses stocks.

L’objectif du projet est d’automatiser le processus d’évaluation médicale et de triage des patients via un système de dialogue (chatbot) tout en améliorant la qualité médicale et l’expérience des patients. Ce système permettrait d’améliorer le service de soins virtuels de Dialogue.

L’objectif principal du projet est d’améliorer la découvrabilité du contenu des applications Stingray Musique, Qello Concerts et Stingray Classica, disponibles sur téléphone Android, iPhone et sur le web, en proposant à l’utilisateur des recommandations de contenu mieux adaptées ainsi qu’en personnalisant le contenu à l’utilisateur. Nous voulons utiliser les technologies d’intelligence artificielle, plus spécifiquement les réseaux profonds, afin de bâtir des modèles prédictifs et de classification qui favoriseront l’affichage de contenu adapté à la situation et aux intérêts des utilisateurs.

Le projet résout les problèmes les plus importants pour Inovestor : Les problèmes de collecte de données qui nous empêchent de maximiser l’utilisation des données, et d’offrir une sélection de produits plus large qui permettra des solutions personnalisées pour les clients, en augmentant l’efficacité opérationnelle via l’extraction d’informations et la modélisation thématique des rapports financiers annuels complets (CAFR) et en exploitant les techniques d’apprentissage profond pour créer un centre d’investissement basé sur les facteurs alimenté par l’IA pour aider ses clients à adopter une approche plus robuste et disciplinée de l’investissement.

Projet de développement, d’adaptation et de validation d’une plateforme d’analyse et d’apprentissage de documents non structurés dans le milieu de l’assurance, notamment des documents provenant du secteur de l’assurance collective. Le projet vise avec la collaboration de partenaires/clients du milieu des assurances à développer une plateforme utilisable en situation réelle et permettant son utilisation au niveau mondial. Le projet est basé sur des technologies, algorithmes et modèles IA. À terme, il permettra aux assureurs et intermédiaires d’analyser plus finement des contrats d’assurances collectives et ainsi améliorer la productivité, la rapidité et la profitabilité de ceux-ci.

Une des premières étapes de la découverte de médicaments consiste à tester des molécules dans un modèle cellulaire ou biochimique de la maladie. Les molécules qui montrent des signes précoces d’efficacité dans ces modèles (par exemple, une molécule qui tue les cellules cancéreuses) sont ensuite avancées pour une évaluation plus approfondie en tant que candidats médicaments. Cependant, la plupart de ces tests sont effectués en criblant de grandes bibliothèques chimiques de manière aléatoire, les scientifiques ayant une capacité limitée de savoir a priori si les molécules qu’ils décident d’évaluer sont susceptibles d’être efficaces. Nous souhaitons donc développer une plateforme de recherche moléculaire basée sur l’IA. Nous souhaitons permettre aux scientifiques de sélectionner des molécules susceptibles d’être efficaces dans leur modèle de maladie spécifique, de manière entièrement automatisée, afin de gagner du temps et de l’argent dans la recherche de médicaments.

Le projet consiste à développer une solution produisant de meilleurs rapports d’espérance de vie que les fournisseurs tiers existants. Une telle solution améliorera le processus global de souscription en termes d’efficacité, de temps et de précision, ce qui se traduira par de meilleures décisions d’investissement.

Le suivi des mains basé sur la vision est un composant clé dont l’importance croit et qui deviendra omniprésent dans les études d’interaction dans un large éventail de domaines tels que la réalité étendue (XR), incluant la réalité virtuelle (VR) et la la réalité augmentée (AR), et autres interactions homme-machine (HCI). Ce projet a développé un pipeline d’estimation et de suivi de la main base sur la vision, en logiciel libre et à la pointe de la technologie, qui pourra être intégré dans des cadres XR existants tels que Monado.

OpSens développe des technologies médicales basées sur une composante appelée microsystème électromécanique (MEMS) dont la fabrication est complexe. Ces MEMS sont de minuscules capteurs de pression optiques placés dans des fils guides permettant de mesurer la pression sanguine à différents endroits du système cardiovasculaire, plus particulièrement au niveau des artères cardiaques et des ventricules. L’objectif du projet est de permettre la détection précoce de MEMS défectueux et l’optimisation de leur production par des techniques de vision et d’intelligence manufacturière.

Développement d’une technologie qui permettra d’augmenter la productivité des travaux d’inspection de réseaux d’égouts via la création d’un nouvel équipement d’inspection. La caméra développée permettra de faire l’inspection en continu (sans interruption) des réseaux d’égout. Un logiciel sera développé pour permettre de détecter automatiquement les anomalies. Ce logiciel permettra de réaliser les analyses de vidéos plus rapidement et de réduire la subjectivité des analyses. L’utilisation par le logiciel des données de la caméra permettra l’accès à de l’information plus riche et offrira une analyse plus précise.

Flip Design est une entreprise manufacturière québécoise spécialisée dans l’industrie de l’uniforme scolaire depuis 25 ans. L’objectif de ce projet est d’utiliser l’intelligence artificielle pour obtenir une prévision des ventes précise afin d’optimiser la production et la gestion de notre inventaire. Nous avons deux grosses périodes par année dans la vente d’uniforme scolaire, toutefois notre usine fonctionne annuellement. Ainsi, il en devient crucial de prévoir nos ventes pour évaluer la quantité de produits par couleur, grandeur et école à produire pour répondre à la forte demande adéquatement en limitant les lead time, les productions ponctuelles ou les pertes de produit.

Réalisation d’un environnement fondé sur des modèles d’intelligence artificielle pour l’aide à la décision et la gestion des risques sur les soumissions aux projets de construction complexes.

Le projet vise la conception et le déploiement de systèmes d’inspection automatisée des poutrelles d’acier pour les lignes d’assemblage/soudage. Le système doit pouvoir s’adapter à des conditions variables (éclairage environnant, espace disponible, configuration de la ligne, déplacement des poutrelles), savoir reconnaître la présence ou l’absence de cordons de soudures et savoir analyser ses défauts. L’utilisation de l’intelligence artificielle et de la vision industrielle servira à réduire voire à éliminer le besoin d’inspection visuelle par un humain.

Ce projet améliorera les capacités d’apprentissage automatique de la plateforme SmartSuite afin d’optimiser chaque étape du parcours d’une impression.

Ce projet utilise l’IA afin de développer une solution de prix dynamique d’achats et de reventes, qui sera intégrée dans nos systèmes applicatifs pour l’industrie du golf. Cette solution a pour but d’offrir le juste prix dans un milieu qui ne suit pas les règles usuelles de marché.

Le projet Berga.ai consiste à développer des outils de prédiction d’offres et de demandes en fonction des grandes tendances mondiales et des données transactionnelles connues dans le domaine du recyclage.

Ce projet développera un système d’analyse assistée, basé sur une modélisation AI/ML de pointe, pour les données issues du test non-destructif (CND) de tubes d’acier inspectés avec les technologies ECT (test à courants de Foucault) et RFT (test en champ lointain). Le système, vise à améliorer la rapidité et la qualité de la détection de défauts dans les échangeurs de chaleurs, boilers, et autres systèmes utilisant des faisceaux de tubes en acier. La solution bénéficiera aux prestataires de services d’inspection de l’intégrité des actifs aussi bien qu’aux propriétaires d’actifs industriels. Dans une vision plus large, le projet permettra d’améliorer l’efficacité des programmes de gestion des actifs et de réduire l’occurrence d’arrêts de production imprévus.

Ce projet vise à élaborer un engin conversationnel intégré qui permettra d’automatiser un grand nombre de conversations afin d’améliorer l’expérience-client et l’efficacité opérationnelle interne. Le défi repose à avoir un engin de compréhension du langage propre à LOGISCO et son approche client avec un traitement et une compréhension du langage pour le français québécois.

Ce projet consiste à optimiser la saisie d’informations de facturation médicale manuscrites et numérisées. À l’aide de l’intelligence artificielle, nous voulons accélérer le temps de traitement et réduire les erreurs par la reconnaissance automatique des documents, la transcription automatique des données, et l’autocorrection des données courantes.

Le projet vise à maximiser toutes les étapes nécessaires pour la mise en place d’un programme de marque employeur et de référencement 2.0. En effet, grâce au potentiel de l’intelligence artificielle, la sollicitation active de candidats potentiels par l’intermédiaire des employés d’Alithya, la bonification intelligente de cette implication et un nouveau programme de visibilité marque employeur grâce aux techniques du NLP viendra pallier à plusieurs limitations de notre programme actuel.

Afin d’optimiser l’utilisation des garnitures sur les équipements critiques de sa clientèle existante et future, Robco développe un réseau d’optimisation de l’étanchéité des fluides pour des équipements rotatifs industriels, ou fSONET (Fluid Sealing Optimization Network), qui exploite une architecture sécurisée IIOT, des capteurs, une base de données de performance détaillée et des algorithmes d’intelligence artificielle pour transformer les pratiques de maintenance traditionnelles des joints étanches de compression en tresse, en un entretien scientifique optimisé, préventif et prescriptif.

Ce projet vise à influencer les bonnes cibles à réagir plus rapidement à une offre de location adaptée pour accélérer la vitesse de remplissage et à caractériser la propension d’achat d’un prospect qui initie une relation ou une demande d’information pour un type de produit.

Automatisation de la ligne de pulvérisation de revêtement en poudre avec des robots à programmation autonome. Le système sera capable de trouver et reconnaître les articles à peindre et générera automatiquement des programmes robot en fonction de leur position dans l’espace.