GoodMind IA aide les PME québécoises et canadiennes à intégrer l'intelligence artificielle là où elle résout de vrais problèmes — pour que vos équipes se recentrent sur leur vraie mission. Et quand l'IA n'est pas la bonne réponse, on vous le dit.
Pourquoi GoodMind IA
« J'ai fondé GoodMind IA sur une conviction simple : vos projets d'IA méritent le même degré de rigueur que les systèmes conçus pour la recherche médicale et les essais cliniques. »
Avant GoodMind IA, j'ai passé quinze ans à développer des logiciels dans des contextes où la précision compte vraiment : imagerie médicale, navigation chirurgicale, robotique compatible IRM, apprentissage profond et essais cliniques.
À Harvard Medical School, j'ai appris qu'un bon système n'est pas celui qui impressionne en démonstration : c'est celui qui reste compréhensible, traçable et robuste face aux cas réels. Mon doctorat en apprentissage profond m'a ensuite appris à traiter les modèles comme des outils statistiques imparfaits — utiles quand ils sont bien évalués, dangereux quand ils remplacent le jugement.
Avec GoodMind IA, j'apporte cette discipline aux PME québécoises et canadiennes : écouter avant de prescrire, dire non quand l'IA n'est pas la bonne réponse, et construire des systèmes assez simples pour être utilisés longtemps. C'est, j'en suis convaincu, la condition pour rester compétitif à l'échelle mondiale sans perdre de vue sa mission.
Ingénieur de recherche : imagerie médicale, navigation chirurgicale, intégration robotique et logiciels open source.
Apprentissage profond pour l'analyse d'images cérébrales, algorithmes efficaces pour jeux de données massifs, publications scientifiques.
Chercheur scientifique : systèmes d'IA à l'état de l'art pour le traitement massif d'images cérébrales dans des essais cliniques en maladies neurodégénératives.
Fondateur : transformer les problèmes récurrents des PME en systèmes utiles et maintenables.
01
Les systèmes sont pensés pour être testés, expliqués, documentés et maintenus.
02
L'IA est proposée seulement lorsqu'elle apporte plus de valeur qu'une automatisation simple.
03
Les données, les accès, les coûts et les contraintes de la Loi 25 sont abordés dès le diagnostic.
04
Vous obtenez des livrables lisibles : recommandations, risques, coûts, limites et prochaines étapes.
Exemples concrets
Chaque projet commence par un irritant du quotidien — pas par une technologie. Voici à quoi ça ressemble dans quatre secteurs.
01
« On passe des heures à fouiller d'anciens dossiers pour retrouver la bonne clause. »
Vos dossiers répondent. Un assistant retrouve la jurisprudence des dossiers passés, rédige les clauses standards et prépare les projets de minute, en citant ses sources.
Le notaire se concentre sur l'analyse, pas sur la paperasse.
02
« Les demandes entrantes s'accumulent et on n'arrive pas à toutes les rappeler. »
Un accueil qui ne dort jamais. Un assistant dédié trie les demandes, propose les premiers rendez-vous, envoie les rappels et collecte les formulaires d'admission — dans le respect de la Loi 25.
L'équipe récupère du temps pour les patients, pas pour la logistique.
03
« Réconcilier les transactions clients à la main, c'est long et propice aux erreurs. »
Vos données se mettent en ordre. Un système rassemble et structure les transactions, détecte les anomalies et prépare des projets de rapports TPS/TVQ à valider.
Le comptable valide et conseille au lieu de ressaisir.
04
« Préparer une soumission à partir d'un appel d'offres nous prend des jours. »
Une première soumission en quelques minutes. L'IA prépare une première version à partir de l'appel d'offres, en s'appuyant sur vos devis passés, les prix fournisseurs et les normes RBQ.
Vous partez d'un brouillon solide et vous gardez la main sur le prix final.
Notre approche
Pas de gros contrat à signer les yeux fermés : chaque phase produit des livrables qui vous appartiennent, et c'est vous qui décidez de la suite.
Comprendre le problème, les données disponibles, la faisabilité et la valeur potentielle. On définit ensemble les métriques qui décideront si le projet est un succès — avant d'écrire la moindre ligne de code.
Livrable : un rapport de diagnostic lisible — recommandations, risques, coûts estimés, limites et prochaines étapes.
Un prototype sur un périmètre limité, testé avec vos données réelles. Votre équipe l'essaie, donne son avis, et vous décidez en toute connaissance de cause si vous passez à la suite.
Livrable : un prototype fonctionnel et une évaluation honnête de ses performances.
Développement de niveau production et déploiement dans votre environnement, avec la possibilité de former vos employés pour une adoption durable.
Livrable : un système déployé, documenté — et une équipe qui sait s'en servir.
Maintenance, optimisation, suivi des coûts et ajout de nouvelles fonctionnalités, au rythme de vos besoins.
Livrable : un système qui reste performant, des coûts sous contrôle.
À la fin de chaque phase, vous êtes libre d'arrêter, de continuer avec nous, ou de partir avec vos livrables chez un autre partenaire. Tout ce qu'on produit vous appartient : code, documentation, résultats.
Souveraineté des données
La protection des renseignements personnels n'est pas une réflexion d'après-coup. Chaque projet commence par une question simple : où vont vos données, et qui peut y accéder?
Blogue
Le Canada met un demi-milliard de dollars sur la table pour que les PME cessent de regarder l'IA de loin. Voici ce que LIFT offre, qui y est admissible, et comment en tirer le meilleur parti.
Lire l'articleLa question la plus rentable à poser avant un projet d'IA tient en une phrase : quel problème essaie-t-on de régler?
Lire l'articleConfier des données à un outil d'IA, c'est d'abord confier des données. La Loi 25 ne l'interdit pas — elle exige de savoir ce qu'on fait.
Lire l'articleDeux minutes pour évaluer la maturité de votre projet — ou un courriel pour en discuter directement. Dans les deux cas, vous repartez avec une réponse honnête.