Titre du projet Partenaire(s) industriel(s) Partenaire(s) académique(s) Description du projet
Towards a Deep Multimodal Similarity Learning for Text and Image Embeddings Fusion Un classificateur d’images précis basé sur le CNN et d’un extracteur de caractéristiques, structuré comme un pipeline en ligne complet avec des modules de pré/post-traitement, d’évaluation, de test, de formation et de visualisation. Un “zero-shot” classificateur de texte (avec un transformateur).
Open source IoT middleware Développement d’une plateforme open source d’intégration de données IoT, applicable à des secteurs comme la santé, la chaîne d’approvisionnement et le commerce de détail. Elle permet de localiser en temps réel objets et personnes via des technologies telles que Bluetooth Low Energy ou RFID, et de traiter les données de façon standardisée. Avec son middleware Pareto, reelyActive fournit désormais des données exploitables et une expertise neutre pour soutenir la transformation numérique et durable des organisations.
Contrôle de robot utilisant l’intelligence artificielle pour les sites de production à forte diversité et à faible volume   Création de solutions innovantes pour répondre aux problèmes de fabrication actuels et futurs dans le contexte de l’industrie X.0. Le projet a été créé suite à des enjeux majeurs identifiés dans un environnement de fabrication à haute diversité. Il est très difficile pour les PME traitant de la haute diversité de créer un flux continu de production entièrement automatisée afin de compenser la perte de personnel et de diminuer les coûts de production pour être plus compétitif à l’échelle mondiale.
Contrôle d’un robot en temps réel et la gestion des données dans un processus de revêtement en poudre, piloté par l’intelligence artificielle
Développement d’une approche systémique et d’outils analytiques avancés pour une transformation numérique efficace et durable des entreprises manufacturières Ce projet vise à accompagner la compagnie ARIV dans l’amélioration de son offre de service. Il s’appuie sur le développement d’outils analytiques et de jumeaux numériques pour optimiser l’aménagement d’usine, les flux de production et la prise de décision. Trois sous-projets portent sur la simulation, la méthodologie de feuille de route et la traçabilité des outils de production.
Extraction et classification des données pour la fabrication personnalisée Ce projet développe une plateforme de profilage avancé des données fournisseurs pour la fabrication personnalisée. Il utilise le traitement du langage naturel et les modèles de langage à grande échelle pour extraire et affiner les descriptions d’entreprises. Cette approche permet d’identifier les capacités de fabrication et de créer un répertoire optimisé des fournisseurs.
Une IA persuasive fiable et interprétable: argumentation, émotion et validité interne des décisions dans les grands modèles linguistiques

Ce projet étudie comment les grands modèles de langage (LLM) représentent l’interaction entre la structure argumentative et la dimension émotionnelle des discours, ainsi que son influence sur la formation des croyances chez les utilisateurs et les systèmes d’IA.  L’objectif est de développer des outils d’IA interprétables, fiables et centrés sur l’humain, adaptés aux applications sensibles et à une transformation numérique responsable.
« Fait au Québec » plateforme numérique pour stimuler les collaborations entre l’entrepreneuriat innovant,
le milieu scientifique et le secteur manufacturier
Développement d’une plateforme numérique pour aider les incubateurs à
identifier des leviers stratégiques favorisant la fabrication locale et l’innovation collaborative, en s’appuyant sur les concepts de « business platform », fabrication sociale et ouverte. La plateforme facilitera la mise en relation entre startups et partenaires, soutiendra l’entrepreneuriat et les spin-offs, et contribuera à la recherche sur le rôle des plateformes numériques dans l’innovation collaborative appliquée au secteur manufacturier.