Initiative #258
← Registre des initiatives en IA
Mise en place d’un processus national normalisé de traitement des données de biotélémétrie Traduit de l'anglais
Inscrite au registre Développement Langue d'origine : anglais Non classifié
Score de valeur 15 %
Moyenne pondérée de la couverture des domaines d'impact (40 %) et de l'alignement stratégique (60 %).
Score de faisabilité 13 %
Part des critères de faisabilité cochés dans le formulaire.
Présentation de l'initiative
Description de l'initiative Non traduit · origine : anglais
Development of a national biotelemetry platform that standardizes the processing of acoustic animal tracking data. Automated workflows that apply Random Forest and neural network methods to identify movement patterns, mortality events, and other biologically significant behaviours will standardize quality control, improve data interoperability, and provide self-service analytical tools for scientists and managers across multiple departments, supporting faster evidence-based decision making.
Description du problème Traduit de l'anglais
Les programmes de biotélémétrie traitent chaque année des millions de dossiers de suivi des animaux à l'aide de flux de travail incohérents, en grande partie manuels. Il en résulte des efforts dupliqués, une reproductibilité réduite, des cloisonnements de données entre les organisations et des retards dans la production de conseils scientifiques. Cette initiative améliorera la productivité en automatisant le traitement des données, en standardisant les méthodes d'analyse, en réduisant le temps consacré à la gestion des données et en permettant une collaboration et un partage efficaces des données entre les ministères et les régions.
Résultat escompté si l'IA est retenue Traduit de l'anglais
La réussite ressemblerait au déploiement d'une plate-forme nationale de biotélémétrie qui automatise > 50 % des tâches courantes de traitement des données de télémétrie, réduit le temps de préparation des données de plus de 50 %, permet l'accès interministériel à des ensembles de données normalisés conformes à la norme FAIR et favorise une production plus rapide de conseils scientifiques grâce à des outils d'analyse en libre-service et à des extrants d'apprentissage automatique. La plateforme serait adoptée par plusieurs régions du MPO et d'autres organisations partenaires.
Risques Non traduit · origine : anglais
Integrating telemetry data from multiple regions and systems may require substantial coordination, data standardization, and validation efforts. Deployment timelines could be affected by data-sharing agreements or partner onboarding. User adoption may require training and change management. These risks are mitigated by existing prototype codebases, established national telemetry partnerships, available datasets, and proven analytical methods.
Alignement stratégique
- Gestion durable des pêches canadiennes
Domaines d'impact
- Temps
Faisabilité
- Les données sont disponibles et utilisables
Cycle de vie
-
Idéation
État de l'étape : Terminée
17 juillet 2026
-
Évaluation
État de l'étape : Terminée
-
Approuvée
État de l'étape : Terminée
-
Développement
État de l'étape : En cours
-
Pilote
État de l'étape : À venir
-
Production
État de l'étape : À venir
-
Archivée
État de l'étape : À venir
Calendrier de cette initiative
- Réalisé
- En cours
- Prévu
- Non applicable
- Aujourd'hui
- Idéation
Un besoin semblable ?
Personne ne s'est encore manifesté. Si votre équipe vit le même problème, dites-le : cela aide à rapprocher les initiatives et à partager une solution.
Contacts
- Demandeur
- Bzonek, Paul
- Expert en la matière
- Bzonek, Paul
- Responsable technique
- Bzonek, Paul
- Approbateur (DG)
- Mitchell, Tricia
Données et outils
- Secteur
- Sciences des écosystèmes et des océans
- Région
- Ontario et Prairies
- Classification des données
- Non classifié
- Cette initiative pourrait-elle être partagée avec le Secrétariat du Conseil du Trésor ?
- Oui
- Soumise le
- 17 juillet 2026
Source des données
- SharePoint
Type de données
- Tableurs
Outils en utilisation
- Pipelines et plateformes de données (p. ex. Databricks, Data Factory, MS Fabric)