Construire un écosystème d’innovation, ensemble
Philippe Beaudoin Philippe Beaudoin
31 juillet 10 min

Construire un écosystème d’innovation, ensemble

Le grand inventeur américain, Thomas Edison, est connu pour ses nombreuses avancées, comme l’ampoule, le phonographe et la caméra. Mais sa plus grande réussite et aussi son plus grand échec ont engendré deux leçons très importantes pour les innovateurs : l’innovation est le résultat d’un grand processus, et personne ne peut innover seul.

La plus grande réussite d’Edison était beaucoup plus simple que ses inventions et n’était pas alimentée par
l’électricité : il a réuni les personnes les plus intelligentes qu’il a pu trouver dans ce qui fut le premier laboratoire de recherche industrielle du monde. Bon nombre des idées pour lesquelles on se souvient de lui proviennent des chercheurs de ce laboratoire, où Edison a mis au point un processus d’innovation. C’est le processus que nous pouvons observer, aujourd’hui, dans les meilleures entreprises qui œuvrent à faire avancer la science.

Le plus grand échec d’Edison a été son choix d’arrêter ce processus à la porte d’entrée de l’entreprise. Il a intenté de manière agressive des procès ayant trait aux brevets et a poussé à la fermeture de nombreux rivaux qui cherchaient à améliorer ses innovations. Cela a même poussé l’un des inventeurs d’Edison à déménager dans l’Ouest pour échapper aux poursuites judiciaires toujours en cours, il s’est installé dans un quartier bucolique de Los Angeles connu sous le nom de Hollywood.

Chez Element AI, notre pipeline d’innovation reflète les principales leçons d’Edison : il ne s’agit pas d’une idée unique, mais il consiste en un processus continu de génération et de test d’idées nouvelles. En même temps, nous ne pouvons pas le faire seuls, comme une entreprise unique. Nous construisons un pipeline d’innovation à l’intérieur d’un réseau d’intelligence artificielle complexe et émergent, où les meilleures idées sont mises de l’avant et remises en question par des gens de l’industrie et du milieu universitaire. La clé de l’innovation est un écosystème sain et prospère où les humains connectent entre eux autour de grandes idées.

Le pipeline d’innovation

Le pipeline d'innovation.

Element AI est à l’avant-garde de la révolution de l’apprentissage machine, et cette situation n’a rien en commun avec ce qui s’est fait jusqu’ici. Pour les chercheurs qui ont travaillé dans l’intelligence artificielle, c’est presque comme regarder un barrage éclater, des idées novatrices avancent à un rythme incroyablement rapide et, ce qui est peut-être plus important, passent de la recherche à la production à une vitesse sans précédent.

La meilleure façon de profiter du rythme effréné de l’apprentissage machine est de construire un pipeline pour l’innovation, un processus continu par lequel de nouvelles idées émergent et sont mises en œuvre.

Il y a quatre étapes dans le pipeline : identifier, comprendre, produire et mettre à l’échelle les meilleures innovations de manière continue.

Cela commence par l’identification des idées prometteuses et la sélection de celles qu’il convient d’explorer en premier. Il s’agit ensuite de mieux les comprendre. Il ne suffit pas que quelques chercheurs la comprennent; toutes les personnes qui participent à la mise en œuvre de l’innovation doivent la comprendre dans une certaine mesure. Ensuite, l’idée devra être produite. Si nous parlons de logiciel, cela signifie tous les aspects du génie logiciel : code de haute qualité, tests, déploiement continu, et ainsi de suite. Il s’agit ensuite de mettre à l’échelle, de déployer le logiciel, de le maintenir et de s’assurer que le client demeure satisfait.

Ce pipeline d’innovation alimente ensuite l’écosystème au sens large. Cependant, nous devons être clairs sur le fait que la partie « produit » du pipeline est tout aussi importante que les idées. Il s’agit de l’impact commercial et universitaire, et de la façon dont ils se renforcent mutuellement.

Construire un écosystème

Construire un écosystème.

Même si nous parlons du pipeline d’innovation comme d’un processus visant à faire mûrir une idée, il s’agit en fait des humains. Ce sont les personnes qui connectent entre eux autour de ces grandes idées. Le faire seul, au sein d’une même entreprise, est voué à l’échec. Ce cheminement est trop complexe pour qu’un groupe fermé puisse l’entreprendre seul. Un écosystème riche et sain est nécessaire.

Les deux premières étapes du pipeline d’innovation, qui consistent à identifier les bonnes idées et à comprendre comment elles peuvent être utilisées, sont précisément ce en quoi le monde universitaire a toujours excellé. Les chercheurs ont affiné leur intuition pour pouvoir cibler rapidement une idée prometteuse et pousser son exploration dans la bonne direction. Les chercheurs sont également d’excellents communicateurs, car une grande partie de leur travail dépend de leur capacité à communiquer efficacement leurs idées à leur communauté.

Puisque les chercheurs sont si importants pour le pipeline d’innovation et l’écosystème, il est utile de se pencher sur la partie universitaire de l’écosystème. Prenons l’exemple du Canada.

En 2017, le CRSNG, le principal organisme de financement scientifique du Canada, a accordé des subventions à
11 210 scientifiques, comparativement à 17 847 scientifiques soutenus par l’organisme américain équivalent, la NSF. Compte tenu de la taille relative des deux pays, cela représente six fois plus de chercheurs par habitant financés au Canada, où plus de chercheurs obtiennent des subventions relativement moins importantes. Par conséquent, nous voyons rarement ces énormes laboratoires de recherche indépendants qui sont typiques d’autres pays. Au lieu de cela, les chercheurs canadiens qui réussissent auront tendance à établir des liens avec leurs pairs au sujet de leurs intérêts communs.

Le CIFAR, l’Institut canadien de recherches avancées, l’une des principales sources de financement scientifique du pays pour la recherche à long terme, explique clairement cette tendance à créer des liens solides entre les chercheurs. Dans sa mission initiale de 1982, le CIFAR avait établi qu’il devait financer la recherche autour d’équipes plutôt que d’individus, créer des liens profonds en mettant l’accent sur des collaborations de recherche durables, et que ces collaborations devaient se faire au-delà des frontières géographiques et disciplinaires.

Concrètement, chaque programme du CIFAR organise un ou deux ateliers par an au cours desquels un petit nombre de chercheurs très bien préparés se réunissent et discutent des idées qui les passionnent. Des collaborations durables entre chercheurs à distance émergent souvent de ces ateliers.

Connecter la recherche et le produit

Connecter la recherche et le produit.

Le Canada possède un écosystème universitaire riche et sain. Mais pour ceux qui cherchent à aller au-delà du laboratoire de recherche et à créer un écosystème prospère, il est important de connecter le monde universitaire aux étapes de production d'un pipeline d’innovation.

Traditionnellement, les bureaux de transfert de technologie des universités canadiennes se sont concentrés sur la conversion d’idées en produits. Un professeur brillant proposait une idée, l’université aidait à protéger l’idée et sa mise en œuvre, et cette propriété intellectuelle pourrait alors être transférée à une entreprise nouvelle ou existante. Pourtant, dans le monde de l’apprentissage machine avec son évolution rapide, la création d'un pipeline d'innovation efficace nécessite de nouvelles approches de transfert de technologie qui favorisent la collaboration à long terme. Nous devons connecter les humains entre eux.

De plus en plus d’établissements d’enseignement et d’entreprises canadiens prennent conscience de ce fait et mettent en place des mécanismes pour aider à créer un tissu solide de relations individuelles qui transcendent la fracture entre milieu académique et industriel.

Chez Element AI, notre stratégie visait à réduire ce fossé avec un pipeline d’innovation efficace. Dès le début, nous nous sommes efforcés d'engager des chercheurs et des ingénieurs collaboratifs et respectés par le monde universitaire. En parallèle, nous avons construit un réseau d’universitaires brillants qui souhaitaient ardemment aider une entreprise à avoir un impact positif sur le monde.

Les résultats globaux ressemblent beaucoup à un écosystème riche et sain, dans lequel des personnes de différents horizons et de différents intérêts parviennent à se connecter de manière significative. Et cela ne concerne pas seulement Element AI, mais aussi notre ville et notre pays.

L’écosystème montréalais

L’écosystème montréalais.

À Montréal, nous avons un écosystème d’IA florissant, et c’est quelque chose qui se ressent clairement. Des chercheurs de différentes institutions interagissent lors d’événements locaux et collaborent même à des publications. Dans un exemple célèbre de nos débuts, nous avons publié un article d’atelier avec des auteurs affiliés à Google Brain, Facebook, DeepMind et Element AI, en plus de laboratoires universitaires de l’Université de Montréal, de l’Université McGill et de l’ENS Paris.

Le Montreal Institute for Learning Algorithms (Mila), l’un des trois grands instituts canadiens d’IA, est l’une des raisons de ce succès. Le Mila a réuni des chercheurs et, ce qui est également important, a créé un centre physique où les scientifiques de l’IA peuvent se rendre et travailler. Maintenant, à un pâté de maison du Mila, il y a des chercheurs de l’Université McGill, de l’Université de Montréal, d’Element AI, de Facebook, de Samsung et de Microsoft.

Yoshua Bengio, lui-même, a sans doute joué un rôle important dans la construction de la scène montréalaise de l’IA par son propre exemple, en plus de fonder et de promouvoir le Mila. Comme on le sait maintenant, Yoshua a décidé de demeurer un universitaire malgré des offres répétées de rejoindre de grandes entreprises technologiques. Il a néanmoins participé à la fondation d’Element AI et a constamment collaboré avec des partenaires industriels les aidant à comprendre l’intérêt d’adhérer aux idéaux universitaires d’ouverture et de reproductibilité.

Toute personne qui vient à Montréal et croise un chercheur en IA entendra parler du dernier projet passionnant sur lequel il travaille. Et cela va plus loin, n’importe quel chercheur sautera sur l’occasion de vous parler de tous ses collaborateurs, et il y a de fortes chances qu’ils viennent à la fois de laboratoires universitaires et industriels. C’est ce qu’est un écosystème riche et sain : les humains se connectent entre eux autour de grandes idées.

Edison et son laboratoire ont peut-être inventé et amélioré l’ampoule et la caméra, mais c’est Hollywood qui a bâti l’industrie cinématographique. Avec son écosystème d’innovation, Montréal est en train de devenir une sorte d’Hollywood pour l’apprentissage machine.

Philippe Beaudoin a donné une version de ce discours en juin à EmTech Next, un événement organisé par le MIT Technology Review. Cliquez ici pour la vidéo de l’événement.