Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Colloque
Membre a labase
Ali Ghaemmaghami : Université Concordia
Les technologies émergentes propulsent l'innovation et résolvent des défis mondiaux complexes. Cependant, il n'existe pas de critères largement acceptés pour détecter les sujets émergents, et les approches traditionnelles présentent des limites telles que la curation manuelle, la manque de scalabilité et la subjectivité. Pour faire face à ces limitations, cette étude déploie un algorithme de détection de sursaut financier associé à des méthodes d'apprentissage automatique pour détecter et prédire les tendances futures des termes émergents dans le domaine de l'intelligence artificielle (IA). À cette fin, nous utilisons des données publiques de la base de données de brevets de Web of Science. L'algorithme de détection de sursaut est automatisé et réduit la nécessité de curation manuelle et le risque de biais humains, tandis que le classificateur de réseau neuronal profond (DNN) augmente la précision de la méthode de 10% à 15% par rapport à l'approche Random Forest. Les résultats montrent que la méthode proposée prédit avec succès la prévalence future des sujets IA avec une précision de plus de 90% pour un ensemble de données de brevets d’IA entre 2009 et 2022. Cette étude fournit une solution pour un processus scalable, automatisé et quantifiable pour détecter et prédire les tendances technologiques émergentes.
Comme les grappes et les réseaux de connaissances ont une influence positive sur l’innovation, il est logique que les organismes engagés dans des écosystèmes d’innovation (ÉI) forts devraient aussi être plus innovants. La littérature sur les réseaux, qui inclut la participation des utilisateurs, couvre aussi explicitement les activités en amont (axées sur la production) et en aval (axées sur les utilisateurs). La conceptualisation des ÉI incluent donc des acteurs extérieurs à la chaîne de valeur traditionnelle tels que les clients, les utilisateurs, les patients, les universités, les régulateurs, les intermédiaires d’innovation et les entreprises qui coévoluent souvent en symbiose. Les ÉI qui sont bien coordonnés et bien organisés en tant que nouveaux modèles de collaboration entre organismes sont réputés accélérer l’innovation.
Les ingrédients et la recette optimale pour des ÉI réussis sont encore à développer. À cet égard, l’Institut TransMedTech (iTMT) et le Conseil de l’innovation du Québec (CIQ) se prêtent au jeu et collaborent avec les membres du Partenariat pour l’organisation de l’innovation et des nouvelles technologies (4POINT0). Tous soulignent la nécessité de développer de nouveaux indicateurs d’innovation appropriés pour mesurer la performance des ÉI.
Plusieurs questions se posent alors sur la façon de : 1) concevoir des ÉI qui intègrent les expertises interdisciplinaires et intersectorielles, et prennent en compte la participation citoyenne, le rôle du patient partenaire, ou encore qui mettent de l’avant un (éco)système de santé connectée de ses usagers; 2) construire des indicateurs de performance qui sont aussi des incitatifs à collaborer et à innover; et 3) mesurer la performance de ces ÉI, des organismes membres et de leur influence mutuelle qui permet de propulser l’innovation. Par exemple, les indicateurs actuels n’arrivent pas réellement à mesurer l’importance et l’influence de la collaboration au sein des ÉI.
Thème du congrès 2023 (90e édition) :
Thème du colloque :
Date :
9 mai 2023
Titre du colloque :
Responsables :
