Mais l’adoption responsable de l’IA exige plus que de l’intérêt pour la technologie. Pour que l’IA puisse réellement soutenir la recherche, l’enseignement ou les soins, les personnes qui l’utilisent ont besoin des bonnes assises : des outils sécurisés, des données utilisables, des orientations claires, de la formation pratique et une infrastructure numérique qui reflète les besoins des communautés concernées. À l’Université d’Ottawa, cela signifie créer des appuis communs qui permettent aux gens de tirer parti de l’IA et de l’utiliser de manière responsable. En médecine, cela signifie aussi ajouter les couches spécialisées que requièrent les données de santé hautement sensibles, les environnements de recherche complexes, les partenariats cliniques et les voies menant à l’intégration aux soins.
Poser des bases solides pour la recherche, l’enseignement et les soins appuyés par l’IA à l’Université d’Ottawa
L’intelligence artificielle (IA) transforme déjà les façons de travailler, d’enseigner, d’apprendre et de mener des recherches. En santé et en médecine, son potentiel est particulièrement important : l’IA peut aider les chercheuses et chercheurs à analyser des données complexes, appuyer la prise de décisions cliniques, réduire le fardeau administratif, améliorer les flux de travail et accélérer le développement de nouvelles solutions pour les soins de santé.
À l’Université d’Ottawa, une assise institutionnelle commune est en train de se mettre en place pour soutenir l’utilisation responsable de l’IA dans l’ensemble de l’établissement. Ce travail est mené en partie par les Technologies de l’information, où Ilva Peci, directrice de la catalyse technologique, contribue à orienter les efforts liés à la littératie en IA, à l’adoption d’outils, au soutien à la gouvernance, aux plateformes institutionnelles et aux ressources pratiques destinées à la communauté de l’Université d’Ottawa. Ces efforts créent un socle commun sur lequel les facultés et les services peuvent s’appuyer selon leurs besoins.
L’approche de son équipe est ancrée dans les besoins réels. Plutôt que de demander aux facultés et aux services quels outils et quelles technologies ils souhaitaient obtenir, l’équipe leur a demandé quels défis ils tentaient de résoudre.
Le travail n’a pas commencé par l’IA elle-même, mais par les personnes. En écoutant les défis et les possibilités qui émergeaient dans l’ensemble de l’université, l’équipe a cerné les domaines où l’IA pouvait offrir des avantages concrets, tout en mettant en place les appuis nécessaires pour aider les utilisatrices et utilisateurs à adopter la technologie de façon responsable et avec confiance.
Cette approche a façonné un ensemble croissant de travaux à l’Université. Cela comprend une feuille de route de l’IA, un groupe de travail consultatif sur l’IA, des orientations sur l’IA générative, le site Web sur l’IA de l’Université d’Ottawa, des événements de littératie en IA et des ateliers intensifs, ainsi qu’un programme de financement en IA qui rassemble des projets dans les secteurs de l’administration, de l’enseignement et de la recherche.
Pour les membres de la communauté universitaire qui cherchent par où commencer, le site Web sur l’IA de l’Université d’Ottawa devient une ressource clé. Il réunit en un seul endroit de l’information, des conseils et des possibilités d’apprentissage, avec des ressources pour les membres du corps professoral, les étudiantes et étudiants et les membres du personnel. Le site répond à l’un des besoins les plus clairement exprimés dans les consultations et les sondages menés par l’équipe de Peci : les gens veulent en apprendre davantage sur l’IA, mais ils ont besoin de conseils pratiques pour savoir par où commencer, quels outils sont disponibles et comment les utiliser de façon appropriée.
Cette priorité accordée à la sensibilisation et à la formation est au cœur de l’approche de l’Université. L’adoption de l’IA n’est pas simplement le déploiement d’un logiciel. Les gens doivent comprendre comment utiliser les outils d’IA, quand ne pas les utiliser, quels risques prendre en compte, comment évaluer les résultats produits et comment ces outils s’intègrent à leur travail comme chercheuses et chercheurs, éducatrices et éducateurs, apprenantes et apprenants ou membres du personnel.
Le travail comprend également des essais structurés et le déploiement de divers outils. Par exemple, la version Web de Microsoft Copilot est offerte à la communauté de l’Université d’Ottawa comme option d’IA générative prise en charge dans l’environnement universitaire. Un projet pilote distinct de Microsoft 365 Copilot a aidé l’équipe de Peci à évaluer si une intégration plus poussée dans le travail quotidien pouvait générer une valeur mesurable. Le projet pilote a montré un gain de capacité estimé de façon conservatrice à 10 à 14 %, ce qui correspondait à ce qu’observaient d’autres universités. Un an plus tard, les commentaires des mêmes utilisatrices et utilisateurs étaient encore plus positifs, puisque l’outil avait évolué et que les gens connaissaient mieux les façons de l’utiliser.
La prochaine phase est maintenant en cours, avec l’attribution de 1 000 licences Microsoft 365 Copilot selon un processus structuré. Une grande part de ces licences est destinée aux facultés, et l’accès est jumelé à une formation obligatoire sur l’utilisation du produit et les pratiques responsables.
D’autres services alimentés par l’IA aident les équipes à comprendre ce qui fonctionne dans des contextes réels. Un agent conversationnel des RH a aidé les employées et employés à obtenir des réponses à des questions courantes à la suite de la mise en œuvre de Workday. L’agent conversationnel Santé et bien-être aide les étudiantes et étudiants à s’orienter vers les services disponibles sans fournir de conseils en santé. Lumi, une fonctionnalité de tutorat personnalisé intégrée à Brightspace, a été mise à l’essai auprès des étudiantes et étudiants dans le cadre d’une approche « acheter plutôt que construire », qui mise sur les outils existants lorsqu’ils peuvent répondre à un besoin.
Pour les chercheuses et chercheurs, l’accès aux bons appuis peut influencer la vitesse à laquelle les idées progressent. La recherche en IA nécessite souvent de la capacité de calcul, des données, des outils spécialisés, de l’expertise technique, une connaissance des possibilités de financement et une compréhension des services disponibles. Les chercheuses et chercheurs ne savent pas toujours vers qui se tourner pour obtenir de l’aide, quelles ressources existent ni comment accéder aux infrastructures nationales de calcul de recherche.
Un agent conversationnel de soutien à la recherche est maintenant mis à l’essai pour aider les chercheuses et chercheurs à trouver plus rapidement les services et les ressources pertinents. Plus largement, ce travail reflète un virage vers des capacités institutionnelles qui peuvent soutenir plus d’un projet ou d’une unité, tout en étant développées et adoptées de manière responsable.
Ce virage est particulièrement pertinent pour la recherche en santé et en médecine, où l’écart entre une idée d’IA et son utilisation concrète peut être important. Les équipes ont besoin de plus qu’un modèle ou une licence : elles ont besoin d’environnements de données sécurisés, de capacité de calcul, de conseils en matière de protection de la vie privée et de gouvernance, ainsi que de formation et de soutien pour travailler de façon fluide entre l’université, les hôpitaux et les instituts de recherche.
Dans la recherche en santé et en médecine, les outils d’IA sont déjà utilisés et évalués dans des domaines comme la prédiction, la documentation, l’imagerie, le triage, l’enseignement, les outils destinés aux patientes et patients et l’aide à la décision clinique. Les grands modèles de langage et d’autres outils d’IA sont également étudiés en tant qu’objets de recherche, notamment sous l’angle de leur exactitude, de leurs limites, de leurs risques et de leurs rôles possibles dans la recherche, l’enseignement et la pratique.
En s’appuyant sur le travail institutionnel qui prend forme à l’Université d’Ottawa, la Faculté de médecine examine aussi comment établir de solides bases numériques au sein de son propre écosystème. Cet écosystème comprend des chercheuses et chercheurs, des éducatrices et éducateurs, des apprenantes et apprenants, des cliniciennes et cliniciens, des hôpitaux, des instituts de recherche, des partenaires du système de santé et des entreprises, à l’Université d’Ottawa et au-delà, qui travaillent à faire passer de nouvelles solutions à la pratique. Il peut aussi nécessiter des couches supplémentaires propres à la recherche médicale, aux données de santé, à la collaboration clinique et à l’innovation responsable en IA médicale.
Les données de santé sont sensibles. Les environnements de recherche sont hautement réglementés. Les flux de travail cliniques sont complexes. La collaboration dépasse souvent les frontières d’une seule organisation. Avant qu’un outil d’IA prometteur puisse être utilisé plus largement, il peut devoir passer par une validation, une intégration aux flux de travail, une évaluation de la protection de la vie privée, un examen réglementaire, une planification de l’approvisionnement, un soutien à la commercialisation et une capacité opérationnelle durable.
Isabelle Tanguay, stratège principale, TI et relations avec les partenaires, s’est jointe à la Faculté de médecine pour soutenir sa transformation numérique et contribuer à définir l’orientation technologique nécessaire à cet environnement. Son travail porte sur les systèmes, les relations et l’infrastructure qui peuvent soutenir la médecine, la recherche, l’enseignement et la collaboration avec les hôpitaux à long terme. Cela comprend l’idée d’un écosystème d’IA de confiance : un environnement où les personnes, les données, les plateformes, la gouvernance, l’infrastructure et les partenariats travaillent ensemble pour soutenir l’innovation, en particulier dans des contextes où la protection de la vie privée, la sécurité et la confiance sont essentielles.
« À la Faculté de médecine, la recherche, l’enseignement, les partenariats cliniques et l’innovation sont étroitement liés, affirme Tanguay. Notre priorité est de créer un écosystème qui offre aux personnes des assises fiables et les appuis supplémentaires dont la médecine a besoin, tout en permettant à l’innovation d’émerger au plus près de l’expertise et des problèmes à résoudre. »
Pour la Faculté de médecine, il ne s’agit pas seulement d’une discussion sur la technologie. Il s’agit de créer l’environnement numérique nécessaire pour soutenir les chercheuses et chercheurs, les éducatrices et éducateurs, les cliniciennes et cliniciens, les apprenantes et apprenants ainsi que les partenaires qui utilisent l’IA pour répondre à de véritables défis en matière de soins de santé. Cela comprend l’enseignement et la formation, l’utilisation responsable, la préparation des données, l’infrastructure, la collaboration et le soutien à l’innovation qui pourrait éventuellement passer à la pratique ou au marché.
Les travaux en cours mettent en évidence une réalité pratique pour la médecine universitaire : l’IA ne progressera pas grâce aux outils seulement. Les chercheuses et chercheurs, éducatrices et éducateurs, cliniciennes et cliniciens, apprenantes et apprenants et membres du personnel ont besoin des connaissances, des appuis, des environnements de données et des infrastructures nécessaires pour bien utiliser ces outils.
Pour l’Université d’Ottawa, la prochaine étape consiste à développer cette capacité de manière coordonnée. Le travail mené à l’échelle institutionnelle aide les gens à accéder aux outils, à la formation et aux conseils. Le travail de transformation numérique de la Faculté de médecine porte sur l’environnement plus spécialisé de la recherche médicale, de l’enseignement, des partenariats cliniques et de l’innovation en santé. Ensemble, ces efforts contribuent à créer les conditions nécessaires pour que l’IA soutienne une recherche plus robuste, un meilleur enseignement, une innovation responsable et, avec le temps, des solutions capables d’améliorer les systèmes de santé et les soins aux patientes et patients.