Registre des initiatives en IA
Toutes les initiatives inscrites au registre sont consultables ici, sans compte. Chaque fiche montre son avancement, ses jalons et l'historique de ses décisions. Les demandes encore en cours de triage n'y figurent pas : elles rejoignent le registre une fois examinées.
Perception et compréhension
De l'IA qui interprète le monde, par le texte, l'image ou le son.
Qu'est-ce que « Perception et compréhension » ?
Cette catégorie regroupe les systèmes d'IA qui captent, interprètent ou perçoivent des données de leur environnement, en imitant des sens humains : la vue, l'ouïe, le toucher, l'odorat et la compréhension du langage. Ces capacités forment le socle de la perception d'une IA : elles lui permettent d'extraire du sens d'entrées non structurées — texte, images, vidéo, audio ou signaux environnementaux.
| Sous-catégorie | Description | Exemples |
|---|---|---|
| Compréhension du langage — traitement automatique du langage naturel (TALN) | Comprendre et produire du langage humain | Agents conversationnels, résumé de documents |
| Vision par ordinateur | Comprendre des images, des vidéos et des données spatiales | Détection d'objets, analyse d'imagerie satellitaire, identification d'espèces |
| Reconnaissance de la parole | Convertir de l'audio en texte | Transcription automatique, commandes vocales pour assistants virtuels |
| IA multimodale | Combiner des types d'entrées (texte et images, etc.) | Légendage d'images, outils de compréhension de documents |
| IA olfactive (reconnaissance artificielle des odeurs) | Détecter et interpréter des odeurs à l'aide de nez électroniques | Détection de fuites de gaz, détection d'altération, identification de polluants en laboratoire |
| IA haptique (perception artificielle du toucher) | Interpréter le toucher et le retour tactile | Échantillonnage robotisé, détection de pression, texture, température |
| Détection d'événements sonores | Reconnaître des sons autres que la parole | Chants de mammifères marins, alertes mécaniques, anomalies de bruit moteur |
| IA de fusion de capteurs | Combiner plusieurs entrées sensorielles | Navigation de véhicules sous-marins autonomes, surveillance d'habitats |
- Indicateur déterminant
- Si la tâche première de l'IA est d'interpréter une entrée brute (image, texte, son, données de capteur), c'est ici qu'elle appartient.
- Types d'entrées courants
-
- Données visuelles (images, vidéo)
- Audio et parole
- Texte en langage naturel
- Relevés de capteurs (haptiques, chimiques, thermiques)
Filtrer 1
71 initiative(s) courante(s)
-
189
Site AssessmentsAutomatically assess presence of eel grass from drone video Solution being developped to assist Fish and Fish Habitat Protection Program in reviewing hundreds of hours of drone footage to detect presence of Eel Grass.
Idéation En pause Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
191
Irish Moss ResearchAutomatically and non-invasively detect and assess health of Irish Moss Solution being developed for Science to review hundreds of hours of video for Irish Moss presence and health.
Idéation En pause Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
192
Harbour AssessmentsAutomatically and continuously assess harbour conditions via drone and satellite imagery Solution being developed for Small Craft harbours to assess harbour conditions (presence of ice, usage, vessel and vehicle traffic, change detection) based on drone footage and satellite imagery.
Idéation En pause Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
162
Recherche et développement d’outils de vision automatisée pour l’étude des refuges marins des coraux et des éponges du golfe du Saint-Laurent.Projet de contribution avec le Centre de développement et de recherche en intelligence numérique (CDRIN). L’objectif est de concevoir et développer un outil d’intelligence artificielle permettant de détecter et suivre les organismes benthiques filmés dans refuges marins des coraux et des éponges du Golfe du Saint-Laurent.
Idéation Sciences des écosystèmes et des océans Perception et compréhension
-
174
AI model for Video reviewAn AI model that reviews video monitoring footage for a fishery or given vessel and machine learns potential events of non compliance
Idéation Secteur des programmes Perception et compréhension
-
76
Chumputer Vision - salmon scale age predictive AI (See B8)Deep Machine Learning and Convolutional Neural Network application for the predictive application of age assignment of Chum salmon by way of scale images. Chum salmon has been selected as the gateway species due to its relatively easy scale pattern interpretation, this will foster the pathway forward for Chinook, Coho Sockeye and Herring as future targets for AI age interpretation. Deep Machine Learning and Convolutional Neural Network within a Python predictive algorithm
Idéation Sciences des écosystèmes et des océans Perception et compréhension
-
62
Deep sea habitat, organism and object detection and identification.Proposing a capstone project to Computer Science students from Camosun College to develop a pipeline for identifying objects and loading the results into Biigle for human review. TBD.
Idéation Sciences des écosystèmes et des océans Perception et compréhension
-
72
Extracting impacts data from regulatory documentsUse OCR pdf readers, topic detection and language models to detect specific data elements inside written text documents, for extraction and analysis in a cumulative impacts context. Large lanugage models and topic clustering tools
Idéation Sciences des écosystèmes et des océans Perception et compréhension
-
33
Machine-learning-assisted Benthic Marine Life Annotation ToolThe goal of the project is to improve the efficiency of the image annotation process to reduce manual efforts of the benthic science team and reduce time-to-insight from underwater surveys. Further development is prevented by DFO's IT infrastructure. There are ongoing discussions with CDOS to resolved this but the project is on hold in the meantime. Client: Quebec Region/Pacific Region - Oceans and Ecosystem Sciences Division
Idéation En pause Politiques stratégiques Perception et compréhension
-
35
AI-assisted Solution to Detect Ghost Gear from Side Scan Sonar ImagesThe goal of the project is use AI to automate data analysis in detecting Ghost Gear. Client: Ghost Gear Program
Idéation En pause Politiques stratégiques Perception et compréhension
-
245
Solution de reconnaissance d’objets, de classification, d’étiquetage, d’organisation et de compréhension des modèles (OCTOPUS)This initiative leverages AI technologies to build an Object, Classification, Tagging, Organization, and Pattern Understanding Solution (OCTOPUS) to enhance the analysis of video, image, and audio data, improve monitoring capabilities and support decision-making processes at DFO. The MVP will initially focus on video processing capabilities, with planned expansion to image and audio analysis in FY 2026–27. In addition, the initiative will deliver integrated data annotation and model training tools to support continuous improvement and reuse of AI models.
Développement Dirigeant principal du numérique Perception et compréhension
-
240
The CurrentDon't let your harvested data get stuck in still water. Navigate new data streams with AI automation, augmentation and information enablement. The Current is a cloud-hosted platform that enables users anywhere in the department to ingest large volumes of structured and unstructured documents, extract data using optical character recognition and large language models, validate and review results through human-in-the-loop workflows, and relate extracted information using shared concepts and standards. The architecture emphasizes asynchronous processing, modular extraction services, strong traceability, and governance-ready design. The platform supports configurable extraction tasks, versioned models and definitions, auditable review processes, and future discovery of related research outputs and datasets across heterogeneous sources. As the initial use-case, the Text Intelligence and Data Extraction (TIDE) Service has been developed for the Salmon Habitat Restoration (SHARE) System. TIDE is a baseline iteration of The Current that fulfills the minimum viable product requirements of SHARE. TIDE focuses on digitizing, extracting, and modeling data from large unstructured text documents. TIDE establishes the baseline architecture and demonstrates a scalable workflow in Production.
Développement Gestion des pêches Perception et compréhension
-
165
AIMMS (Artificial Intelligence for Marine Mammals in Survey imagery)The AIMMS project develops a platform to automate and accelerate the interpretation of aerial imagery for marine mammal population assessments. By streamlining annotation and review, and enabling scientists to develop custom machine-learning models without advanced coding skills, the AIMMS workflow significantly reduce processing time, accelerate delivery of science advice, and lower operational costs.
Développement Gestion des pêches Perception et compréhension
-
228
SILScannerDeploy on DFO's PBMM Cloud a proof of concept application that uses optical character recognition (OCR) to digitize and validate Stream Inspection Logs (SILs). The PoC was originally developed on SSC's cloud infrastructure. It is now being deployed in DFO PB cloud infrastructure. BLADES initiative and IT security teams are involved.
Pilote Dirigeant principal du numérique Perception et compréhension
-
190
Lobster Stock AssessmentAutomatically assess lobster count and habitat from hours of video efficiently Solution being developed for Science to review hundreds of hours of video for lobster count and state of habitat.
Pilote Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
212
Surveillance électronique en merIl s’agit de capture d’images vidéo sur les navires de pêche pour ensuite les faire analyser par des ressources humaines et un modèle d’intelligence artificielle doté de capacité d’identification d’événements, d’espèces, etc. Projet fait en collaboration avec l’équipe nationale de l’Intendant principal des données.
Pilote Statistiques, politiques et permis Perception et compréhension
-
218
L’observation des bélugas de l’estuaire du Saint-LaurentEntente de contribution avec le Groupe de recherche et d'éducation sur les mammifères marins (GREMM) pour le développement d'un module de mesures morphométriques assistées par l’intelligence artificielle pour les bélugas de l'estuaire du Saint-Laurent L’entente s’est terminée le 31 mars 2024 mais le module est en cours d’utilisation. Considérant la contrainte de temps imposée par les mesures manuelles des images prises par drones de bélugas, l’équipe de recherche du GREMM a développé une méthode exploitant l’IA pour mesurer plus rapidement et plus efficacement les bélugas.
Pilote Planification et conservation marines Perception et compréhension
-
187
Atlantic Bluefin Tuna MonitoringAutomatically perform video analytics from hundred of harvester tuna video Solution being developed in region to assist C&P in batch processing of at-sea video monitoring footage.
Pilote Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
188
Coastal SurveillanceAutomatically process thousands of drone images as part of continuous surveillance Solution being developed in region to assist C&P in batch processing of drone surveillance images.
Pilote Affaires autochtones, aquaculture et gouvernance Perception et compréhension
-
213
Numérisation de documents manuscritsEn collaboration avec l’équipe nationale de l’Intendant principal des données (PSSI), visant principalement la pêche au saumon. L’objectif est de numériser des documents avec des données manuscrites et de les faire analyser par un modèle d’intelligence artificielle qui va décoder l’écriture pour la transformer en données numériques et les insérer dans une base de données. Le but est de remplacer la saisie manuelle de ces données.
Pilote Statistiques, politiques et permis Perception et compréhension
-
217
Suite du projet de recherche de recherche et développement d’outils de vision automatisée pour l’étude des refuges marins des coraux et des éponges du golfe du Saint-Laurent.Une entente de contribution pour l’année 2025-2026 (Programme de gestion des océans) visant à l’amélioration de l’outil développé par le Centre de développement et de recherche en intelligence numérique (CDRIN) en 2024-2025. Le projet a comme objectif global de concevoir et développer un outil d’intelligence artificielle permettant de détecter et suivre les organismes benthiques filmés dans les refuges marins des coraux et des éponges du Golfe du Saint-Laurent.
Pilote Planification et conservation marines Perception et compréhension
-
94
DFO Bot, deep learning application to analyse otolith images available in DFO DotsDevelopment of a neural network trained using otolith images, expert-derived age estimates, otolith annotations and annuli to obtain age estimates from otoliths.
Pilote Sciences des écosystèmes et des océans Perception et compréhension
-
95
Optimization of Machine Learning modelling strategy for coastal zooplankton taxonomic identification from flow microscopy imaging.As part of Aquaculture Monitoring Program we are using Ecotaxa's ML algorithm to identify zooplankton. The project aims at identifying the best strategy in building model training sets for each region monitored. This strategy will be the basis for future AMP zooplankton identification work.
Pilote Sciences des écosystèmes et des océans Perception et compréhension
-
96
Use of machine-learning (ML) algorithms and high-performance computing (HPC) for the optimization of satellite image analysis for mapping coastal habitatsThis project aims to improve satellite image analysis of marine habitats leveraging NRC HPC and ML assets to apply cutting-edge ML techniques to the challenges of remote sensing data analysis. Relates to ongoing project (below) through MPC service-level agreement.
Pilote Sciences des écosystèmes et des océans Perception et compréhension
-
103
Improved understanding of the processes impacting harmful algal bloomsUsing machine learning algorithms to analyze phytoplankton images from the Imaging Flow Cytobot (IFCB) to recognize and quantify species associated with harmful algal blooms.
Pilote Sciences des écosystèmes et des océans Perception et compréhension