Parcours : du génie de l’environnement à l’intelligence artificielle

• L’invitée retrace une trajectoire qui relie le génie chimique (option environnement), l’assainissement des sols et l’écotoxicologie à l’analyse du cycle de vie, puis aux données massives et à l’IA, un exemple de mobilité disciplinaire courante en génie.
• On y comprend comment des compétences en analyse du cycle de vie (CIRAIG, CIRODD) et en valorisation des données (IVADO) se transposent d’un domaine à un autre.

Automatiser les flux de travail : le rôle de l’IA en entreprise

• Présentation du principe d’automatisation des flux de travail (p. ex. systèmes de tickets en TI) et de l’objectif de réduire le délai entre une demande et sa réponse.
• Introduction à l’approche « low-code / no-code » assistée par l’IA, qui permet de concevoir des solutions sans être développeur.

IA et empreinte environnementale : le double enjeu énergie-coûts

• L’auditeur comprend pourquoi l’entraînement et l’utilisation des modèles sont très énergivores, et comment réduire la taille des modèles et la puissance de calcul diminue à la fois les coûts et l’empreinte environnementale.
• Le segment expose le déficit de transparence et de documentation environnementale du secteur numérique, et le recours à des « proxys » pour estimer les impacts.
• Il illustre l’intérêt d’appliquer une analyse du cycle de vie à des activités numériques (p. ex. décomposer une requête en ligne pour en évaluer l’impact).

L’IA comme alliée : applications environnementales concrètes

• Traçabilité des chaînes d’approvisionnement mondiales : suivre l’origine et l’impact des matériaux et ressources entrant dans un produit.
• Agriculture de précision : optimisation de l’eau, identification ciblée des mauvaises herbes (réduction des pesticides) et automatisation des équipements par analyse d’images.
• Prévention et surveillance : détection des risques de feux de forêt par drones et analyse d’images; suivi non invasif des écosystèmes et diagnostics médicaux moins invasifs.
• Optimisation énergétique des bâtiments et des infrastructures : gestion intelligente du chauffage, de l’éclairage et de la ventilation (p. ex. laboratoire vivant de l’ÉTS).

Les objectifs de développement durable et la portée sociale de l’IA

• Rappel des 17 objectifs de développement durable de l’ONU (Programme 2030) et de l’estimation du PNUD selon laquelle le numérique et l’IA pourraient contribuer à une large part de ces objectifs. 
• Au-delà de l’environnement, l’IA porte des enjeux sociaux et économiques : le projet No Language Left Behind illustre la préservation de langues et l’accès à la technologie.
• Discussion du risque d’accroissement des inégalités technologiques entre régions du monde et des initiatives d’IA responsable dans la francophonie africaine (CEIMIA; Sommet mondial sur l’IA en Afrique, Kigali, avril 2025).

Le principe de sobriété numérique

• Définition d’un concept émergent : la croissance non réfléchie de l’usage du numérique et la nécessité de choix collectifs, puisque la capacité n’est pas illimitée.
• Mise en évidence de la réalité physique de l’« intangible » : les centres de données consomment beaucoup d’énergie, exigent du refroidissement et des métaux, ce qui rend l’empreinte concrète.
• Enjeu pratique : arrimer le développement logiciel et le développement des infrastructures matérielles, trop souvent pensés en silos.

La posture de l’ingénieur : cycle de vie, responsabilité et apprentissage

• Valeur de l’analyse du cycle de vie « du berceau à la tombe » (bilans de matière et d’énergie) pour éviter de déplacer un impact d’une étape à une autre (p. ex. de l’énergie vers l’eau).
• La formation de l’ingénieur comme apprentissage à « apprendre à apprendre », utile pour évoluer dans des domaines complexes et peu documentés.
• La protection de l’environnement présentée comme une responsabilité de tous les ingénieurs, pas seulement des spécialistes en environnement.

Vers l’IA agentique et la responsabilité professionnelle

• Ce qui s’en vient : le passage des modèles conversationnels à des agents d’IA qui agissent et prennent des décisions au nom de l’utilisateur (transactions, réservations, échanges entre systèmes).
• Le principe « humain dans la boucle » (human in the loop) : augmenter les capacités du professionnel tout en gardant l’humain décideur, et les responsabilités que soulève une IA qui pose des actions.
• Ressources québécoises pour se tenir à jour : OBVIA, IVADO, Mila, Printemps numérique.