Elle s’intéresse à un type d’intelligence artificielle qui apprend à partir de données collectées par la machine même.
Pour apprendre à une intelligence artificielle (IA) à devenir redoutable aux échecs, rien de plus simple : il suffit de lui présenter un très, très grand nombre de parties jouées par un champion du noble jeu, comme le Norvégien Magnus Carlsen, par exemple. La machine apprend alors à imiter les coups réalisés par le meilleur joueur de tous les temps, sans toutefois réellement les surpasser en qualité. Pour cela, elle devra plutôt se baser sur des données non étalonnées qui, à grand renfort d’essais et d’erreurs, lui permettront de trouver des stratégies novatrices la rendant réellement imbattable sur l’échiquier.
Cette méthode dite d’apprentissage interactif, où la machine apprend de nouveaux comportements de manière autonome à la suite d’échanges avec son environnement, constitue la spécialité d’Audrey Durand, professeure au Département d’informatique et de génie logiciel de l’Université Laval. « Pour que cette approche non supervisée fonctionne, il faut s’assurer que l’information se propage de manière efficace dans le modèle, ce qui est problématique à l’heure actuelle », explique celle qui a reçu en juin 2025 un prix AI in Research pour la qualité de ses recherches fondamentales et appliquées dans le domaine de l’IA.
Mieux distribuer les ressources
L’intérêt pour l’apprentissage interactif date de bien avant l’avènement de l’informatique moderne. Un des premiers algorithmes dans cette branche aurait même été développé dès les années 1920, soit il y a environ un siècle, dans le cadre de réflexions éthiques entourant les essais cliniques. Pendant ses études, le médecin se retrouve en effet face à un dilemme : explorer des traitements peu testés afin d’estimer leur efficacité, ou privilégier le traitement qui paraît le plus efficace jusque-là ? Pour trancher, il gagne alors à se tourner vers des stratégies aléatoires issues de l’univers des casinos. L’algorithme, dit « de bandit », fait d’ailleurs référence aux machines à sous : devant plusieurs machines, le joueur ou la joueuse explore et « apprend » quelles sont celles qui rapportent le plus.
Le développement fulgurant de la puissance de calcul par ordinateur a depuis ouvert la possibilité d’aborder des problèmes beaucoup plus complexes, c’est-à-dire qui comprennent de longues séquences de décisions à prendre en fonction des résultats obtenus en chemin. Dans ses travaux, Audrey Durand applique ainsi diverses méthodes d’apprentissage interactif à des problèmes réels dans le domaine scientifique, avec une insistance sur la santé. Par exemple, sa thèse portait sur l’optimisation de paramètres de microscope à grande résolution pour l’acquisition efficace d’images utilisables en neuroscience.
« Si mes préoccupations sont d’abord de nature théorique, j’essaie tout de même de consacrer une partie de mes activités au transfert technologique », indique celle qui est associée à Mila, l’Institut québécois d’intelligence artificielle. En vérité, c’est souvent dans des problèmes issus de cas pratiques réels qu’elle trouve matière à réflexion et analyse. La pandémie de COVID-19, marquée par une quête effrénée d’un vaccin contre le SRAS-CoV-2, en est un exemple. « Au sein du consortium PandemicStop-AI, je codirige l’axe consacré à la découverte de nouvelles molécules médicamenteuses grâce à des méthodes d’IA inédites », souligne-t-elle.
Une véritable pionnière
Audrey Durand a beau occuper une place de choix au sein de l’écosystème de l’IA du Québec, elle ne demeure pas moins critique de ce que certains qualifient de révolution technologique. « On commence à peine à voir les impacts qui découlent des mauvais usages de l’IA, affirme-t-elle. Même si mes propres travaux n’ont rien à voir avec les grands modèles de langage [comme ChatGPT], je suis bien consciente de contribuer par la bande à encenser l’IA. » Chose certaine, l’époque où la recherche sur le sujet progressait sans que les scientifiques se soucient des conséquences de leurs découvertes semble bel et bien révolue.
Cette grande lucidité mérite d’autant plus d’être saluée qu’elle est le fait d’une des rares femmes étudiant l’IA. Pour Christian Gagné, le professeur au Département de génie électrique et de génie informatique de l’Université Laval qui a supervisé Audrey Durand à la maîtrise et au doctorat, le succès connu par son ancienne protégée met en échec le stéréotype misogyne selon lequel les femmes sont moins bonnes en informatique et en mathématiques. « Audrey représente un exemple inspirant de pionnière dans un domaine très masculin, fait-il valoir. Son intérêt pour le bien commun est réel ; elle n’est pas juste là pour son curriculum vitæ. »
Photo: Christine Muschi
Les questions de Rémi Quirion, scientifique en chef du Québec
Qu’est-ce que les femmes apportent de singulier dans leurs travaux en mathématiques, en informatique et en IA, selon vous ?
Les femmes, ainsi que les minorités en général dans un domaine, apportent de la diversité de points de vue et d’idées. Je pense que quand tout le monde se ressemble, tout le monde a tendance à « penser pareil ». La diversité des gens qui composent un domaine contribue à la richesse des idées qui peuvent en émerger. Je pense aussi que les personnes ayant subi des préjudices historiquement peuvent être plus sensibles aux impacts des technologies. Par exemple, les personnes qui sont plus à risque de subir les biais de l’IA peuvent s’en préoccuper davantage, vouloir les mesurer et proposer des solutions pour les prévenir. Ces personnes contribuent donc à rendre les avancées plus pertinentes et sécuritaires pour l’ensemble de la population plutôt que pour un groupe particulier.
Que feriez-vous (de nouveau ou différemment) pour attirer davantage la relève féminine dans ces domaines ?
Je pense qu’il y a encore des choses à changer dans la définition sociale de ce qu’est être une femme. Plusieurs personnes pensent encore que les femmes sont émotionnelles et que les hommes sont rationnels, ce qui prédispose les seconds aux disciplines comme les mathématiques. Plusieurs qualités valorisées dans les parcours scientifiques, comme le leadership, la prise de risque, le potentiel innovateur et la recherche de succès, sont aussi souvent associées à des traits positifs chez les hommes, mais négatifs chez les femmes : on ne veut surtout pas que les petites filles se fassent mal… Je pense que plusieurs femmes, qu’elles le veuillent ou non, finissent par internaliser ces idées. Ainsi, pour attirer davantage la relève féminine dans ces domaines, je pense qu’on doit offrir des modèles différents (et divers) de ce qu’est être une femme.
L’IA prend de plus en plus de place en recherche et dans le milieu universitaire. Quels conseils pourriez-vous donner aux scientifiques, notamment à la relève, pour s’assurer d’un usage éthique de l’IA en recherche ?
Je recommande de procéder avec transparence : indiquer dans chaque travail réalisé si l’IA a été utilisée et à quelle fin précisément. On se rend vite compte que certains usages sont moins gênants que d’autres, par exemple, traduire un texte plutôt que le rédiger. Si on est mal à l’aise de communiquer publiquement notre usage, ça indique peut-être une utilisation qui serait à revoir.
*Le scientifique en chef du Québec conseille le gouvernement en matière de science et de recherche, et dirige le Fonds de recherche du Québec.
Photo : Emilie Nadeau
En partenariat avec le Fonds de recherche du Québec.
