Pleins feux sur Andrea Lodi

Prise de décisions avisées à partir d’un océan de données

Vivrons-nous demain dans une société plus intelligente? Les travaux d’Andrea Lodi laissent entrevoir un monde dans lequel les organisations prendront de meilleures décisions, grâce à une utilisation efficace des mégadonnées.

La prise de décision est déterminante pour le succès d’une entreprise. Elle l’est tout autant pour l’avancement d’une carrière scientifique. Andrea Lodi en a parfaitement pris la mesure en acceptant d’être le titulaire de la Chaire d’excellence en recherche du Canada sur la science des données pour la prise de décision en temps réel, à l’invitation de Polytechnique Montréal en 2015. Déjà reconnu comme l’un des chefs de file mondiaux d’une discipline que l’on pourrait appeler « la science des décisions avisées », il est devenu responsable de la plus importante chaire de recherche au Canada dans le domaine des mégadonnées et de la recherche opérationnelle.

 Le but de la chaire est de convertir ces données en connaissances stratégiques en temps réel afin d’aider les organisations à prendre les décisions les meilleures et les plus opportunes tout au long de leur chaîne d’innovation, de gestion, de production et de mise en marché. 

Ce chercheur italien a donc quitté les vénérables arcades de l’Université de Bologne pour les locaux tout neufs du pavillon Aisenstadt, sur le campus de l’Université de Montréal, où le Groupe d’études et de recherche en analyse des décisions (GERAD), l’Institut de valorisation des données (IVADO), l’Institut des algorithmes d’apprentissage de Montréal (MILA) et le Centre interuniversitaire de recherche sur les réseaux d’entreprise, la logistique et le transport (CIRRELT) ont aussi établi leurs quartiers.

« C’est une chance de pouvoir travailler en étroite collaboration avec ces équipes de calibre international. De plus, cette concentration d’expertises attire d’excellents étudiants de tous les continents. En tant que professeur, je suis gâté! Je pense que l’avenir de la gestion des mégadonnées s’écrit en grande partie ici », affirme-t-il.

Cette effervescence se ressent au quotidien. Dans ses locaux se pressent collègues chercheurs, étudiants et collaborateurs de l’industrie. Les projets se multiplient rapidement, et sa machine espresso tourne à plein régime!

C’est que les « mégadonnées » – un terme utilisé pour désigner tout ensemble de données dont les grandes dimensions ou la complexité rendent difficile le traitement au moyen d’applications de traitement des données classiques –, tel un vaste champ de pétrole numérique, font actuellement l’objet d’une ruée. Les organisations sont avides de prospecter les grandes richesses qui s’y dissimulent. Mais pour elles, le grand enjeu n’est pas de trouver des données brutes; c’est de raffiner ces données pour en tirer des produits à grande valeur ajoutée, stratégiquement parlant, véritable carburant de leur développement. 

« Les entreprises aujourd’hui disposent de quantités vertigineuses de données, sous diverses formes (images, vidéos, textes et signaux) produites par une multitude de plateformes. Mais il est difficile d’exploiter ces données, particulièrement en temps réel, du fait de leur volume et de leur manque d’homogénéité, qui sont incompatibles avec les méthodes de traitement statistique et de prise de décision classiques, explique Andrea Lodi. Le but de la chaire est de convertir ces données en connaissances stratégiques en temps réel afin d’aider les organisations à prendre les décisions les meilleures et les plus opportunes tout au long de leur chaîne d’innovation, de gestion, de production et de mise en marché. »

Ses travaux comportent deux aspects : d’une part, la conception d’outils mathématiques et de technologie de l’information permettant d’extraire de cette masse de données une évaluation fidèle de la situation d’une entreprise; d’autre part, la mise au point de méthodes de prise de décision en temps réel à partir des connaissances stratégiques fournies par ces outils. Les solutions conçues doivent pouvoir s’adapter à différentes plateformes, dont les appareils mobiles.

« Le temps réel est notre grand défi, souligne Andrea Lodi. Pour relever ce défi, nous développons de puissants algorithmes d’apprentissage profond et d’optimisation mathématique. Ils fonctionnent en chaîne : ils assurent le tri des données, repèrent les informations pertinentes, les analysent et en tirent la décision à prendre. Le processus s’opère à un rythme extrêmement rapide; il se fait beaucoup plus vite et beaucoup plus efficacement que s’il était mené par un être humain. »

Ces algorithmes permettent aux applications logicielles non seulement d’évaluer une situation à un moment précis, mais aussi d’anticiper l’avenir, par exemple de prédire les comportements d’un marché et de prendre des décisions de façon automatisée, à un coût moindre.

« Notre approche peut sembler a priori fondamentale, très mathématique, mais elle a un aspect nettement appliqué, concrètement relié aux besoins particuliers de certaines organisations, précise le professeur Lodi. Nous collaborons, entre autres, avec des centres hospitaliers, des municipalités, des administrations, des services de transport, des entreprises de haute technologie ou encore des entreprises de services publics du secteur de l’énergie. »

S’il est heureux de pouvoir aider les entreprises à remplir leur mission de façon plus efficace, le chercheur se réjouit tout particulièrement de l’incidence de ses travaux sur la gestion des services de santé. Les projets de la chaire dans ce domaine associent la médecine personnalisée et la planification des soins. Certains projets en cours ont trait notamment à la télémédecine. Mentionnons, à titre d’exemple, des applications qui recueillent de l’information et les signes vitaux de personnes atteintes de maladies chroniques, afin d’évaluer en temps réel s’il y a lieu ou non de les hospitaliser.

« Nous entrons dans une ère où, dans tous les domaines, les décisions humaines seront étayées par des systèmes, qui les rendront plus fiables, plus rapides et plus efficaces », conclut Andrea Lodi.