Démocratiser la diffusion et l’utilisation de l’intelligence artificielle : entretien avec le nouveau professeur Rafid Mahmood

Rafid Mahmood s’est joint à l’équipe de l’École de gestion Telfer au cours de l’été de 2022. Il y agit à titre de professeur adjoint en analytique de gestion et systèmes d’information, et ses recherches sont axées sur l’application de ces domaines dans le milieu de la santé et sur les systèmes d’intelligence artificielle à grande échelle. Il a auparavant travaillé comme chercheur au laboratoire d’intelligence artificielle de NVIDIA à Toronto. Nous l’avons rencontré pour en apprendre davantage sur ses domaines de recherche favoris.

Pourquoi avez-vous choisi d’étudier l’analytique de gestion et les systèmes d’information?

Durant mes études, je me suis intéressé à l’ingénierie, à l’analytique de gestion et à l’informatique en cherchant à trouver des liens entre différents domaines. 
Cette combinaison m’a permis, par exemple, de trouver qu’un problème rencontré lors d’un projet de création de traitements personnalisés contre le cancer sur lequel je travaillais avec une équipe en physique médicale en était un de génération d’images, sujet bien connu en vision par ordinateur. En collaborant avec des entreprises de technologie, j’ai aussi compris que la collecte de données peut être optimisée à l’aide de techniques utilisées en gestion des inventaires.

En quoi vos études doctorales vous ont-elles préparées à votre programme de recherche actuel?

Au début de mon doctorat, j’ai participé à un marathon de programmation organisé par une firme de finance quantitative, et à un autre organisé par la NBA. Des solutions d’intelligence artificielle créatives, comme l’estimation du cours d’une action sur la base de mégadonnées ou la qualification des compétences d’athlètes à l’aide de données vidéo, y ont été proposées dans les deux cas. Ces occasions m’ont donné l’idée d’utiliser l’intelligence artificielle pour affiner la prise de décisions opérationnelles. Je me suis donc demandé comment la recherche opérationnelle pourrait améliorer le développement de l’intelligence artificielle.

Quels nouveaux faits saillants de vos recherches aimeriez-vous nous présenter?

Je suis emballé de parler de deux études que j’ai récemment menées.  Dans le cas de la première, mon équipe de recherche et moi avons exploré un problème éprouvé lors de la mise en œuvre d’un modèle d’intelligence artificielle : la quantification des données requises par le modèle pour que ce dernier s’exécute à un niveau souhaité. Nos recherches nous ont permis de concevoir une méthode formelle pour prendre des décisions justes et éviter de recueillir trop ou trop peu de données. La deuxième étude avait pour but d’aider une banque de lait maternel de Toronto à créer un modèle prescriptif pour automatiser leur système de dons. Ce projet était emballant, car sa mise en place a permis d’améliorer les activités de la clinique de façon marquée.

Quelles seront les retombées de votre recherche sur le monde du travail et d’autres secteurs?

Je crois que mes recherches peuvent faciliter la création de systèmes d’intelligence artificielle dans bien des secteurs, que ce soit pour une société de technologie qui souhaite avoir un système à grande échelle ou un commerce qui aimerait utiliser des données pour améliorer ses activités. Plus de 95 % des entreprises qui conçoivent des projets d’intelligence artificielle se butent à la qualité et à la quantité des données. Cette statistique me motive à trouver des moyens de mieux gérer le processus de collecte de données en intelligence artificielle. Je suis aussi toujours heureux de collaborer à la conception de solutions efficaces d’intelligence artificielle pour résoudre les problèmes opérationnels vécus par les organisations.