ECPIA: Environnement de calcul pan-canadien pour l'intelligence artificielle - 2025 DRI Connect poster
Notice bibliographique
Résumé
Poster created for DRI Connect 2025 (French version). --- C’est en réponse aux besoins actuels et émergents de la communauté scientifique canadienne en matière d’IA que l’initiative de l’Environnement de calcul pancanadien pour l’IA (ECPIA) a vu le jour dans le cadre de la phase 2 de la Stratégie pancanadienne en matière d’intelligence artificielle, et ce en vue de développer une infrastructure nationale d’IA spécialisée, et doter celle-ci des ressources de calcul et des services connexes précis. L’initiative ECPIA est une collaboration sous la houlette d’une coalition composée de l’Alliance, du Canadian Institute for Advanced Research (CIFAR), des Instituts d’IA nationaux du Canada (Amii, Mila et l’Institut Vecteur), des organismes régionaux de calcul informatique de pointe (CIP), ainsi que de Calcul Québec, et bénéficiant de l’infrastructure clé et de l’expertise technique de l’Université Laval, de l’Université de l’Alberta et de l’Université de Toronto. Cette approche collaborative a été conçue pour s’assurer que tous les organismes, y compris la communauté de recherche canadienne, jouent un rôle clé dans les efforts d’approvisionnement, de gouvernance et de surveillance continus liés à l’infrastructure d’IA nationale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».