C’est avec grand plaisir que l’ASSQ vous invite à son colloque annuel suivi de l’assemblée générale qui auront lieu le jeudi 13 juin 2024 à l’Université Laval, à Québec.

La participation à l’événement est gratuite. Merci de confirmer votre présence le plus rapidement possible à l’aide du lien d’inscription.

Au plaisir de vous y retrouver en grand nombre!

Stationnement & accès au COPL

Utilisez les stationnements 110 ou 209 pour avoir accès aux bornes de paiement. Voir le plan du stationnement.

Voir le plan d’accès au COPL.

Au programme

13h00 Arrivée des participants
13h30 Analytique du sport : Défis et opportunités reliés à la modélisation de données de match de soccer, par Cristina Rizzuto (DMX Analytics)
14h15 L’IA Générative au service de l’entreprise, par Robin Drolet (SAS)
15h00 Pause
15h30 Claudie Ratté-Fortin (HEC Montréal)
16h30 Assemblée générale annuelle de l’ASSQ (voir le procès-verbal de la dernière AGA)
17h30 Vin & fromage

Assemblée générale

Il sera possible d’assister à l’assemblée générale en présentiel ou via la plateforme Zoom.

Lien Zoom :
https://ulaval.zoom.us/j/66753233987?pwd=GoYn0i16l3k4ySDoKLb5bOSgPcpkIu.1
ID de réunion : 667 5323 3987
Code secret : 671090

Ordre du jour

• Ouverture de la réunion et adoption de l’ordre du jour​
• Adoption du procès-verbal de l’AGA de 2023​
• Présentation du CA/Élections 2024​
• Activités 2023-24/Projets pour 2024-25​
• Membership 2024​
• États financiers​
• Prix ASSQ-UdeM​
• Fermeture de la réunion

Résumé des présentations

Analytique du sport : Défis et opportunités reliés à la modélisation de données de match de soccer
Cristina Rizzuto (DMX Analytics)

Les données d’analytique du sport étaient traditionnellement limitées aux données événementielles (passes, interceptions, tirs, etc.). Avec l’arrivée des données de localisation, nous avons maintenant accès à toutes les positions des joueurs et du ballon (X, Y) 10 fois par seconde ou plus pendant les matchs ; il y a maintenant plusieurs nouvelles possibilités d’analyses.
Cependant, il y a aussi de multiples difficultés lors de l’utilisation de ces données et nous présenterons certaines d’entre elles, telles que les différences dans les variables lors de l’utilisation de différents fournisseurs de données et l’impact sur la modélisation. En utilisant le soccer à titre d’exemple, nous démontrerons également comment les données de localisation peuvent être transformées en variables utiles pour un modèle pour les passes et un modèle de buts espérés (xG). De plus, nous discuterons de la façon dont nos modèles peuvent fournir des informations tactiques qui sont utiles à un personnel d’entraîneurs. Nous mettrons l’accent sur les approches de modélisation qui ont été couronnées de succès et présenterons certaines des opportunités d’améliorations qui restent.

L’IA Générative au service de l’entreprise
Robin Drolet (SAS)

Vous avez entendu le bruit médiatique, mais êtes-vous prêt à mettre l’Intelligence Artificielle Générative (GenAI) en action ? Bien qu’elle offre des améliorations potentielles de la productivité et ouvre la voie à de nouveaux cas d’utilisation, les dirigeants d’entreprise doivent s’assurer que GenAI s’appuie sur la propriété intellectuelle et les cadres techniques et commerciaux existants. Découvrez comment les leaders accélèrent l’adoption de GenAI de manière rigoureuse et responsable. Qu’il s’agisse de remodeler les processus de prise de décision ou d’ouvrir de nouveaux domaines de curiosité, tirez des leçons d’études de cas récentes et des meilleures pratiques dans tous les secteurs. Voyez comment SAS utilise le GenAI et le rend accessible à ses usagers.

Modélisation d’événements naturels extrêmes pour la gestion du risque environnemental: exemples d’application pour les algues bleu-vert de cyanobactéries, les inondations et les événements de neige
Claudie Ratté-Fortin (HEC Montréal)

Outre l’effet complexe du climat changeant sur les événements naturels extrêmes, leur variabilité spatiotemporelle porte souvent l’empreinte des activités anthropiques sur le territoire. De plus, toute synergie induite par ces activités sur le climat apporte une complexité supplémentaire lors de la modélisation des événements extrêmes. Pour les valeurs extrêmes, une non-stationnarité est souvent apparente sous forme de tendance, possiblement due à un climat changeant à long terme, ou en raison d’une variabilité due à des changements spatiotemporels tels que la physiographie, le climat ou les instruments de mesure utilisés. Dans ce contexte, les modèles paramétriques typiquement utilisés dans la modélisation d’événements extrêmes peuvent devenir inadéquats étant donné la complexité des phénomènes étudiés et leurs changements systématiques dans l’espace et le temps.

Mes travaux portent sur le développement d’algorithmes d’apprentissage automatique afin de prédire les valeurs extrêmes associées aux événements naturels. Je travaille entre autres sur la modélisation des quantiles de débits de crue pour la cartographie des zones inondables et sur la modélisation des concentrations en chlorophylle-a afin de prédire les risques d’apparition de fleurs d’eau d’algues de cyanobactéries sur les lacs du Québec méridional. Dans le cadre de mon stage postdoc entrepreneur, je réalise également la preuve de concept d’un dispositif innovant d’aide à la décision permettant l’optimisation de l’épandage de sels de déglaçage pour l’entretien hivernal des routes.