Innovative Projects Realized

CAIJ: Extraction de Domaines et Sous-Domaines de Droit

CAIJ: Extraction de Domaines et Sous-Domaines de Droit
Principales activités du partenaire :
Le Centre d’accès à l’information juridique (CAIJ) cherche à renforcer ses capacités d’indexation et de classification automatique des jugements. L’objectif de ce projet est d’extraire, à partir du texte intégral des jugements, les domaines de droit (ex. : Famille, Fiscal, Administratif) et leurs sous-domaines (ex. : Pension alimentaire, Patrimoine familial, Divorce, etc.). Le stagiaire travaillera sous la supervision du Lead IA. Il bénéficiera d’un accès aux ressources GPU, corpus annoté, documentation d’indexation, il y aura un suivi hebdomadaire et des réunions de partage des bonnes pratiques dans un environnement hybride propice à l’innovation en IA juridique.
Problématique et avantages escomptés du projet :
Le CAIJ possède aujourd’hui plus de 4 millions de décisions (fédérales, provinciales et administratives). Pour offrir une recherche toujours plus fine, nous devons rattacher chaque jugement à notre taxonomie interne, une arborescence d’une cinquantaine de domaines et ~150 sous-domaines (ex. Droit de la famille ? Garde et droits d’accès). Jusqu’ici, ce travail d’indexation pour les jugements est inexistant puisque le volume croissant des décisions (˜ 10 000 nouvelles par mois) est ingérable manuellement. Ce projet appelle une solution scalable et robuste. Il est à noter que c’est un projet de classification multi-classe hiérarchique, puisqu’un jugement peut avoir plusieurs domaines et sous-domaines de droit. Les pistes de solutions et leurs retombées sont :
– explorer les solutions NLP et LLM pour identifier automatiquement les domaines et sous-domaines juridiques dans les jugements;
– expérimenter tant des approches non-supervisées (prompts, heuristiques, clustering) que supervisées (modèles hiérarchiques entraînés sur nos annotations);
– valider les résultats via des métriques (précision, rappel, F1) et communiquer les progrès lors de points réguliers;
– assembler puis documenter un pipeline reproductible et former l’équipe interne à son utilisation.

CAIJ: Encodeur sémantique juridique franco-québécois

CAIJ: Extraction de Domaines et Sous-Domaines de Droit
Principales activités du partenaire :
Le Centre d’accès à l’information juridique (CAIJ) souhaite renforcer son moteur de recherche en y intégrant des techniques avancées de recherche sémantique. L’objectif de ce projet est d’encoder de façon sémantique tous les contenus textuels du CAIJ pour améliorer son moteur de recherche actuel ainsi que la découverte du contenu. Le stagiaire sera intégré à l’équipe IA du CAIJ. Il bénéficiera d’un accès aux ressources GPU, corpus annoté, documentation d’indexation, il y aura un suivi hebdomadaire et des réunions de partage des bonnes pratiques dans un environnement hybride propice à l’innovation en IA juridique.
Problématique et avantages escomptés du projet :
Bien que le CAIJ dispose d’un corpus de données à très forte valeur ajoutée, il n’est pas directement utilisable pour le moment. Le stagiaire devra donc participer à la préparation et au nettoyage de ce corpus afin d’obtenir le meilleur encodeur juridique franco-québécois. Pour ce faire, le stagiaire sera chargé de :
– Explorer les encodeurs existants pour mettre en place d’un pipeline d’encodage à grande échelle sur noscontenus (jugements, articles, doctrine);
– Valider la pertinence des embeddings via des métriques classiques (cosine similarity, clustering, etc.);
– Spécialiser un encodeur sur notre corpus québécois francophone;
– Créer un benchmark d’évaluation de recherche d’information.

Ventus Analytique Inc. BSI Proposal – Wind Data

Ventus Analytiques Inc. is a Canadian technology company specializing in offshore data systems and analytics, with a focus on marine environmental monitoring and renewable energy. As the company scales its operations and prepares for international deployments, there is a growing need for a cohesive cloud infrastructure and data operations strategy that can support a global fleet of remote sensing platforms. Aligning these capabilities with long-term product direction is critical to ensure scalability, competitiveness, and service reliability.

This project goes beyond day-to-day business operations by focusing on the design of future-ready infrastructure that will support strategic commercialization initiatives, increase efficiency, and reduce operational risk. Solving this challenge requires expertise in cloud architecture, systems design, and the ability to connect technical solutions to strategic goals.

Understanding and Improving the Reasoning Capabilities in Vision-Language Models

Vision-language models (VLMs) are considered augmentations of text-only large language models (LLMs) with additional access to the visual world. However, it is known that VLMs typically perform worse than text-only LLMs on reasoning tasks that involve only text (e.g., math word problems), raising the question of whether the benefits of visual augmentation justify the loss in reasoning capabilities. In this project, we will systematically benchmark and analyze the reasoning performance drop of VLMs and propose technologies to improve reasoning in VLMs through both performance-driven analysis and interpreting the internal hidden states of the models.

Designing high precision pointing systems for balloon-borne telescopes

Stratospheric balloons operate above more than 99% of the Earth’s atmosphere, allowing astronomers to observe colours of light that would otherwise be blocked or blurred by the atmosphere at only a tiny fraction of the cost of an equivalent space telescope. However, it is very challenging to ensure that to telescopes are pointing the right location on the sky when they are suspended from a stratospheric balloon.

In this project the student intern will work with StarSpec Technologies to build and test a pointing system for the Gigapixel-class Balloon-borne Imaging Telescope (GigaBIT), a 1.35 meter telescope that will make extremely large and high resolution images of the sky. The student intern will also use their experience building GigaBIT to design pointing control systems that can be applied to StarSpec’s other client balloon telescopes with a wide variety of pointing requirements.

Pharmacology of psychoactive substances

This project aims to investigate the pharmacology of norbaeocystin, baeocystin, norpsilocin, and aeruginascin – four compounds found in psychedelic mushrooms. The research will examine how these compounds interact with specific brain receptors – the 5HT-1A, sigma-1 and a-adrenergic receptors – that may contribute to the therapeutic effects. These compounds may have potential for the treatment of depression, anxiety, post-traumatic stress disorder and other conditions.
Laboratory testing includes calcium-based assays and ß-arrestin recruitment tests to determine receptor signalling. Compounds demonstrating efficacy in these assays will then be tested. The elevated plus maze test in mice will provide information about the in vivo behavioral effects.

Promutuel Assurance : Modélisation de la probabilité de perte totale

Promutuel Assurance : Modélisation de la probabilité de perte totale
Principales activités du partenaire :
Fondée au Québec en 1852, Promutuel Assurance est une fière mutuelle, présente et engagée avec coeur auprès de ses membres-assurés, de son personnel et de ses communautés. Approche humaine, solutions adaptées, conseils clairs et personnalisés, Promutuel Assurance met tout en oeuvre pour offrir confiance et satisfaction aux membres-assurés. Promutuel offre entre autres, des assurances Auto, Habitation, Entreprise, et Agricole.
Problématique et avantages escomptés du projet :
À la suite d’un sinistre automobile, les assurés contactent leur assureur afin de rapporter le sinistre et amorcer le processus de réclamation. À ce moment, l’assureur récoltera certaines informations auprès de l’assuré afin de comprendre les circonstances du sinistre et l’étendue des dommages. Ces informations, en plus de celles disponibles au contrat d’assurance, permettront de bien guider l’assuré pour la suite des procédures. Dans la majorité des cas, le véhicule sera envoyé chez un carrossier et un estimateur devra évaluer les coûts de réparation avant que le carrossier ne procède à la réparation. L’assureur paiera généralement aussi les frais de location d’une voiture de remplacement jusqu’à ce que le véhicule soit réparé. Cependant, lorsque les dommages sont tels que le véhicule doit être déclaré perte totale, il est préférable de le déterminer rapidement afin d’éviter des coûts d’entreposage du véhicule, de location de voiture, d’estimation et dans certains cas de remorquage additionnels. Un règlement rapide du sinistre permet également d’améliorer l’expérience client. Ce projet visera donc le développement d’un modèle prédictif pour la probabilité de perte totale.
Selon les processus actuels de Promutuel, un questionnaire de 17 questions peut être rempli afin de déterminer si un véhicule est « probablement une perte totale ». Des points sont assignés selon les réponses aux différentes questions. Au-delà d’un certain pointage, un indicateur catégorisera le véhicule comme « probablement une perte totale ».
Promutuel a identifié des enjeux d’affaires avec ce processus et souhaite les résoudre grâce à ce projet. Voici ces enjeux :
• Le questionnaire comporte un grand nombre de questions, ce qui ralentit significativement le processus de réclamation.
• Les questions et les pointages sont basés sur des règles d’affaires et non sur un modèle prédictif.
• Le questionnaire est facultatif. Il est donc rempli seulement si l’expert en sinistre le juge pertinent. Ceci fait vraisemblablement en sorte que plusieurs pertes totales ne sont pas repérées rapidement.
Le projet de stage propose de remplacer ce questionnaire par un modèle d’intelligence artificielle qui utilisera l’information déjà disponible au moment de la déclaration de sinistre afin de prédire la probabilité de perte totale.

Révolution jumelage : Recherche d’augmentation de données contextuelles pour la prédiction de profils de personnalité des clients et des intentions d’achat par IA

Principales activités du partenaire :
L’entreprise offre des services de développement et d’exploitation de solutions informatiques.

Problématique et avantages escomptés du projet :
Le but de ce projet est d’inférer un profil psychométrique (OCEAN) à partir de questionnaires clients n’incluant pas de questions explicitement psychométriques. On recherchera également des variables contextuelles pertinentes pour enrichir les données multimodales déjà disponibles, afin d’obtenir les meilleures prédictions possibles dans cette tâche de régression multivariée. À terme, cela permettra de mieux comprendre le comportement des clients.

Bovine Oligosaccharides and their Effects on Neonatal Calf Gut Function, Microbial Composition, and Development

Newborn calf health is a major challenge, with digestive disorders being one of the main causes of illness, leading to antimicrobial use in the first week of life. While colostrum provides immune factors needed to achieve passive immunity, it also contains prebiotic sugars called oligosaccharides (OS). These sugars are under researched in calves but are shown to improve gut function in human infants as OS feed beneficial bacteria (Bifidobacterium) within the gut. We will test OS supplied by Denkavit to determine what the optimal dose is to stimulate Bifidobacteria growth isolated from neonatal calves. Results will allow Denkavit and its Canadian partner Grober Nutrition advance their understanding of their additive products to potentially add to milk replacer to help improve gut function in calves. This work will overall support the development of more advanced feeding strategies, reduce antimicrobial use, and will help bring innovative, research-driven products to the Canadian and global dairy markets.

Outils d’évaluation ESG pour les projets numériques

Le projet vise à initier le développement d’un cadre méthodologique ESG que les organisations pourront utiliser pour mieux évaluer l’impact environnemental, éthique et social de leurs projets numériques, et qui pourrait être intégré dans l’outil d’évaluation des projets numériques de Prompt.

Breast density measurement tool

Lululemon develops and markets athletic apparel including women’s bras. Some women experience difficulty finding the appropriate bra to achieve adequate support without discomfort [1]. Lululemon is experienced in tissue biomechanics models of the breast including measurement of tissue movement, forces and accelerations in an effort to better understand the complex issues around bra performance. Nevertheless, gaps remain in this understanding, and current measurement tools do not provide measurements of all tissue properties, such as breast density. Therefore, opportunities exist to keep improving bra design and fitting. UBC has expertise and novel technology in the measurement of tissue biomechanics including ultrasound-based measurement tools. Ultrasound has been used successfully in women’s health, for almost a century, such as during pregnancy, because of the safe nature of the ultrasound waves and the rich information in the ultrasound signals. This project aims to develop a portable breast density measurement tool that is accurate and easy to use. Such a tool will be used by Lululemon in fundamental research on tissue biomechanics such as enhancing their computational models of the breast. In the longer term, such a tool can be envisioned for use in customized/personal fitting and for adaptive apparel.

Leveraging Agentic AI to Detect and Mitigate Shilling Attacks for Enhanced Robustness in Recommendation Systems

This research project explores how agentic AI—autonomous AI agents with the ability to perceive, reason, and act—can be designed and deployed within recommendation systems to proactively identify and counteract shilling attacks. These attacks involve malicious users injecting fake reviews or ratings to manipulate recommendations. The project aims to develop an adaptive, multi-agent, Agentic AI-driven model that monitors user behavior patterns, detects suspicious activities, and dynamically adjusts recommendation outputs to maintain system integrity and user trust.