Passer au contenu

/ Département de sciences cliniques

Rechercher

Pablo Valdes Donoso

Depuis mon entrée en fonction à la Faculté de médecine vétérinaire de l'Université de Montréal en mars 2022, mes activités de recherche et d'enseignement portent sur le développement et l'application de l'intelligence artificielle (IA) et de la science des données animales afin d'améliorer la santé animale, les productions animales et l'approche Une seule santé (One Health). Mon programme de recherche combine expertise vétérinaire, compétences en programmation et méthodes statistiques afin de transformer des données vétérinaires et agricoles hétérogènes en connaissances exploitables soutenant la prévention des maladies, la gestion responsable des antimicrobiens, le bien-être animal et la durabilité des systèmes de production alimentaire. 

 

Un volet central de mes activités est le développement et la direction de la Plateforme IA-Agrosanté (PIAAS), une plateforme interdisciplinaire visant à accélérer l'adoption de l'IA en médecine vétérinaire et dans le secteur bioalimentaire. J'en suis particulièrement fier : d'une petite initiative de deux membres en 2022, la PIAAS regroupe aujourd'hui plus de douze personnes hautement qualifiées, professeurs, scientifiques des données, étudiants aux cycles supérieurs et au premier cycle, stagiaires postdoctoraux et collaborateurs internationaux. Cette croissance a permis d'établir des partenariats stratégiques avec des organismes gouvernementaux, l'industrie et le milieu universitaire, et de soutenir un portefeuille de projets en aviculture, bovins laitiers, animaux de compagnie, aquaculture et surveillance de la santé animale. 

 

En 2025, j'ai obtenu un financement du Programme Innovation bioalimentaire (Volet 4) du MAPAQ pour créer une Chaire de recherche en IA appliquée à la santé animale, à la production et à la transformation alimentaire, finançant partiellement huit étudiants aux cycles supérieurs. La même année, j'ai obtenu une subvention de la Fondation canadienne pour l'innovation (FCI) pour doter la PIAAS des infrastructures de calcul nécessaires. Mes activités sont également soutenues par le CRSNG, MITACS, les Producteurs de poulet du Canada, Génome Canada et divers partenaires industriels. Je supervise des étudiants et stagiaires de disciplines variées (médecine vétérinaire, informatique, génie, épidémiologie, science des données), tout en développant des cours aux cycles supérieurs. 

 

Sur le plan du rayonnement, j'ai fait la promotion d'une utilisation responsable de l'IA en médecine vétérinaire par des conférences invitées, ateliers et congrès internationaux, au Canada et à l'étranger, sur le rôle de l'IA en médecine vétérinaire, l'élevage de précision et les écosystèmes de données Une seule santé. Ces activités ont positionné la PIAAS comme une initiative canadienne de premier plan en IA appliquée aux sciences vétérinaires. 

 

Enfin, je suis fier de créer des passerelles entre recherche et applications concrètes : grâce à des collaborations avec les ministères, vétérinaires, producteurs et partenaires industriels, notre équipe développe des solutions d'IA pour la surveillance des maladies, le suivi des antimicrobiens, la numérisation des dossiers vétérinaires et l'élevage de précision. Mon objectif demeure de positionner la Faculté de médecine vétérinaire de l'Université de Montréal comme référence internationale en IA appliquée aux sciences vétérinaires. 

Mots clés en liens avec mon domaine de compétence : Intelligence artificielle vétérinaire, science des données animales, économie de la santé animale, élevage de précision, épidémiologie vétérinaire

Liste de mes étudiantes et étudiants et le titre de leur projet

 

M. Sc.

Dalia Belaid (direction)Sujet : Utiliser l'IA pour aider la sélection des génisses lors du remplacement du troupeau laitier. Étudiante à la maîtrise en bio-informatique

Ifeoluwa Ruth (direction)Sujet : Application de modèles statistiques d'apprentissage automatique pour analyser et prédire la santé des vaches et des chevaux sur la base des niveaux de vitamines.
Rezwan Ghaffarzadeh Derakhshan (direction)Sujet : Utiliser l'intelligence artificielle pour améliorer la santé des poussins et réduire l'utilisation d'antibiotiques dans l'élevage de volailles. Étudiante a fini son programme en mars 2026

Anne-Marie Boulay
(codirection)

Sujet : Validation de l'utilisation d'une caméra intelligente pour la détection des lésions de dermatite digitale dans les fermes laitières québécoises. 
Ph. D.

André Diler (direction)Sujet : Analyses multimodales fondées sur l'IA pour révéler les risques sanitaires et les comportements cachés dans la production animale. 
Laura Sanchez (direction)Sujet : Utilisation des techniques d'apprentissage automatique pour prédire la probabilité d'une obstruction urétérale féline. 
Beatriz Delgado (codirection)Sujet : Utilisation de l'intelligence artificielle pour améliorer la santé des onglons et la détection des boiteries à la ferme.
Faustin Farison
(codirection)
Sujet : Development and validation of classification models to determine the status of dairy herds to high priority infectious diseases for the Canadian dairy industry.
Nicolas Barbeau-Grégoire
(codirection)
Sujet : L'utilisation de l'intelligence artificielle en prévention de maladies métaboliques chez la vache laitière.
Stagiaire postdoctoral

Ralph Jean-Pierre (direction) Sujet : Évaluation des implications économiques de l'IA dans la prise de décision en matière de santé animale.
Stagiaires
Matias Labbé Tapia (2026)Sujet : Utilisation de modèles d'apprentissage automatique pour la prédiction de l'endométrite dans les systèmes laitiers intensifs. 
Marie Ziedzalka (2026)Sujet : Organisation et analyse des données du CHUV (hôpital vétérinaire de l'UdeM) pour adapter les outils d'intelligence artificielle au diagnostic de maladies complexes.
Sofia El-Ouazzani (2026)Sujet : Validation d'une méthodologie basée sur la vision artificielle pour détecter les comportements souhaités et indésirables chez les poulets reproducteurs. 
Nessya Nakache (2026)Sujet : Développer et valider des méthodologies basées sur l'intelligence artificielle pour numériser les données de production de veaux au Québec et analyser les données qui en résultent. 
Astrid Pitance Le Berquier
(2025-2026)
Sujet : Modèle prototype pour l'automatisation de la mesure du rapport proventricule/carène à partir de radiographies aviaires.
Louisa Claire (2025)Sujet : Analyse exploratoire des données sur l'utilisation des antibiotiques en santé et production animales.
Koliou Savi (2025)Sujet : Utilisation de méthodes d'apprentissage automatique pour l'extraction et la structuration de données vétérinaires non structurées.
Lucas Bernnard (2024)Sujet : Analyse exploratoire des données de santé des chats ayant visité le CHUV.
Clara Samper-Cativiela (2024)Sujet : Modèles de résistance aux antimicrobiens détectés dans les isolats de Salmonella provenant des principales productions animales en Espagne (2014-2021).
Dalia Belaid (2023)Sujet : Analyse exploratoire pour l'utilisation de l'intelligence artificielle pour aider la sélection des génisses en vue du remplacement du troupeau laitier - Partenariat DSAHR.
Pauline Gauthier (2023)Sujet : Analyse exploratoire des données de production et de santé des vaches laitières - Partenariat DSAHR.
Ifeoluwa Ruth (2022)Sujet : Application of Data Science to Predict Crop Production Based on Climate and other Factors in Five Sub-Saharan West African Countries.
Esther Wanangachi (2022)Sujet : Using the SIR model to Understand the Impact of Social Media Networks on Viral Marketing in Malawi.

Membres de mon laboratoire

  • Pablo Valdes Donoso, Directeur
  • Younès Chorfi, Codirecteur
  • Kim Petit, Coordonnatrice
  • Majda Moussa, Scientifique des données
  • Jeff Alex Njakou, Agent de recherche
  • Laura Sanchez Mendoza, Étudiante au Ph.D.
  • André Diler, Étudiant au Ph.D.
  • Dalia Belaid, Étudiante à la maîtrise
  • Ifeoluwa Ruth, Étudiante à la maîtrise
  • Nessya Nakache, Étudiante à la maîtrise (stagiaire)
  • Marie Ziedzalka, Stagiaire
  • Matias Labbé Tapia, Stagiaire