Home » La liste des candidats sélectionnés

La liste des candidats sélectionnés

Le 24 janvier, six équipes ont présenté leurs idées et répondu aux questions des juges ; ces derniers ont ensuite sélectionné quatre idées pour la liste des finalistes.     L’équipe du Data Challenge continuera à travailler avec les équipes non présélectionnées, en explorant les moyens de développer davantage leurs idées et de trouver des partenaires de mise en œuvre dans l’ensemble du service public. Pendant ce temps, les équipes présélectionnées poursuivent le développement de leurs idées et établissent les partenariats nécessaires à leur mise en œuvre. Lors de la finale du 19 avril, elles présenteront à nouveau leurs idées au jury, qui comprendra cette fois nos champions du programme.

Créer un outil d’analyse des besoins pour les communautés éloignées

Le ministère des Relations entre la Couronne et les Autochtones et des Affaires du Nord (CIRNAC) offre une gamme de programmes de soutien aux communautés autochtones et isolées, en cherchant à allouer les fonds de manière transparente, efficace et équitable. Ces décisions pourraient être améliorées par l’élaboration d’un indice des besoins communautaires, présentant des données sur des sujets tels que le pouvoir d’achat d’une communauté, son éloignement, son capital social et sa vulnérabilité au changement climatique. Un tel indice serait précieux pour les acteurs de l’ensemble du gouvernement, car il permettrait d’éclairer l’élaboration des politiques et la prestation de services dans des domaines tels que le développement économique, la fourniture d’infrastructures et les soins de santé.

Développer un outil prédictif pour réduire le ruissellement des engrais

Lorsque de fortes pluies sont prévues, il est demandé aux agriculteurs des zones sensibles de ne pas épandre d’engrais qui, transportés dans les ruisseaux et les rivières, peuvent réduire les niveaux d’oxygène et obstruer les cours d’eau. Ces conseils sont importants, mais il s’agit d’un instrument brutal : les agriculteurs dépendent des prévisions publiques, et les conseils ne tiennent pas compte de la géographie locale ou des pratiques agricoles. En rassemblant les données sur les précipitations et la pollution de l’eau, nous pourrions analyser l’impact des précipitations passées sur la qualité de l’eau dans tout le pays. Ensuite, en reliant ces informations aux nouvelles prévisions météorologiques, nous pourrions générer des prévisions beaucoup plus précises et granulaires du risque de pollution locale, ce qui permettrait d’éviter à la fois la pollution et l’émission d’alertes lorsque le risque est faible.

Utiliser l’IA pour améliorer les conseils au secteur agricole

Par l’entremise de son site Web AgPal, Agriculture et Agroalimentaire Canada fournit des renseignements sur des milliers de programmes et de services fédéraux, provinciaux et territoriaux destinés aux agriculteurs et aux autres personnes engagées dans la production agricole et alimentaire. Actuellement, les utilisateurs doivent effectuer des recherches en sélectionnant des catégories dans diverses listes ; mais ces systèmes peinent souvent à répondre aux besoins des gens, omettant les programmes appropriés tout en suggérant des programmes non pertinents. Les technologies actuelles de traitement du langage naturel par l’IA pourraient transformer cette fonction de recherche, en permettant aux utilisateurs de poser des questions et en fournissant des réponses beaucoup plus précises et personnalisées. Une fonction de recherche AgPal alimentée par l’IA pourrait ainsi contribuer à garantir que les fonds publics atteignent leurs destinataires, en améliorant le ciblage des services et le soutien offert aux entreprises.

Utiliser les données des satellites et des sonars pour localiser les déchets plastiques en mer

Les déchets plastiques et les engins de pêche « fantômes » mis au rebut constituent une grave menace pour la santé de nos océans : ils nuisent à la vie marine, endommagent les environnements fragiles et finissent par entrer dans la chaîne alimentaire humaine. Le gouvernement du Canada investit dans des opérations de nettoyage, mais celles-ci sont extrêmement coûteuses : une plateforme assistée par l’IA permettrait de cibler ce travail, en améliorant considérablement son efficacité. S’appuyant sur des images satellites et des données sonar, l’outil créerait des cartes thermiques des densités de plastique et d' »engins fantômes » ; il pourrait également être développé pour suivre d’autres sources de pollution telles que les marées noires.