Jonathan Woods
8 juin 2022

Dans un marché des talents serré, GoldSpot a réussi à attirer certains des meilleurs jeunes praticiens de l’IA au Canada et à bâtir une équipe qui maintient son pipeline de R&D rempli de modèles et de techniques de pointe. Fait remarquable, ils l’ont fait en tant que petite entreprise de 80 personnes dans un secteur que le CTO Shawn Hood admet être « notoirement lent à adopter » de nouvelles technologies – l’exploitation minière et l’exploration minérale.

Goldspot offre aux géologues des informations basées sur l’IA et l’analyse de données pour faciliter la recherche de nouveaux métaux et minéraux. L’exploration minière est une démarche aléatoire qui consiste à explorer de nouveaux terrains à la recherche d’indices et de motifs tirés de recherches réussies dans le passé, en misant sur l’idée que trouver le bon mélange d’indices mènera à la découverte de nouveaux gisements majeurs. C’est une entreprise économiquement risquée, très incertaine et qui demande beaucoup de capital. Les technologies qui peuvent aider à prédire de façon plus fiable les impacts – comme la vision par ordinateur appliquée aux carottes de forage historiques ou le traitement du langage naturel aux anciennes notes d’exploration – peuvent être un atout majeur.

Mais l’exploitation minière est aussi une industrie très traditionnelle, généralement pas considérée comme à la pointe de l’IA. Alors, comment Goldspot a-t-il pu rivaliser dans la compétition féroce pour les talents IA? Hood attribue la culture académique de Goldspot et sa mission inspirante (« découvrir les métaux pour l’avenir! »), ainsi qu’une autre clé importante : une approche très proactive des opportunités offertes par leur parrainage du Vector Institute.

« On est super fiancés », dit Hood. « Et les canaux vectoriels ont été très fructueux. »

Vraiment fructueux. Goldspot a initié l’embauche de cinq personnes dans son équipe d’IA via les canaux Vector comme le Digital Talent Hub, des salons de l’emploi et d’autres événements. C’est la récompense d’être présent. Dans les projets Vector et les sessions collaboratives tenues au fil des ans, Goldspot semble toujours être dans la pièce et à la table. Ils sont devenus si habiles à maximiser ces occasions de recruter des talents que Shervin Manzuri Shalmani, data scientist chez Goldspot – lui-même embauché lors d’un salon de l’emploi Vector en 2020 – a remarqué que l’entreprise avait « développé un appétit pour l’embauche via Vector », ce qui a créé « un effet réseau ». Il dit : « Quand vous embauchez via Vector, vous embauchez des gens de haut calibre qui connaissent d’autres personnes de très grande qualité. »

Ce succès est aussi le résultat du fait que Goldspot s’est imposé comme un endroit attrayant pour attirer les talents. Les employés issus d’une connexion Vector décrivent presque universellement leur passage du milieu universitaire à Goldspot comme « fluide », louant une culture de soutien qui, selon Shalmani, les encourage à « continuer à explorer ce colosse de l’IA et à trouver des recoins où des améliorations peuvent être apportées. »

C’est très stimulant pour ce scientifique ambitieux en IA. Sam Sattarzadeh, ingénieur en apprentissage automatique qui a collaboré avec Goldspot via le Digital Talent Hub de Vector, déclare : « Cela motive fortement toute l’équipe de science des données à passer en revue toutes leurs tâches académiques et d’ingénierie, à créer les produits, lorsqu’ils réalisent qu’ils peuvent aussi travailler sur un article de haut niveau. » La motivation est évidente. Deux data scientists de Goldspot recrutés via les canaux Vector ont rédigé un article d’atelier pour la conférence de cette année sur la vision par ordinateur et la reconnaissance de motifs (CVPR), la principale conférence mondiale sur la vision par ordinateur.

Un autre attrait est l’opportunité d’avoir un véritable impact dans l’entreprise et dans l’industrie. « Le marché des talents en IA est un domaine très compétitif », dit Hood. « Tu peux travailler dans une grande entreprise, et ça va être un combat pour te faire un nom et devenir un talent de premier plan. Ou vous pouvez travailler dans l’exploitation minière, et vous pouvez vraiment briller dans l’industrie. »

Shalmani est d’accord : « Vous pouvez assumer vos contributions et dire que vous avez développé un algorithme ou un pipeline d’IA. Tu commences à t’approprier, et tu peux dire dans ta tête que ce que je fais a un impact dans l’industrie minière. »

Retenir des talents très motivés exige de rester à la pointe. Cela est en partie soutenu par l’engagement de Goldspot dans des projets industriels vectoriels qui réunissent des commanditaires pour explorer l’application de la recherche en IA de pointe dans des cas d’utilisation industriels. Goldspot a participé au projet de traitement du langage naturel de Vector, qui peut aider à automatiser ce que Hood appelle des « tâches ennuyeuses, répétitives et répétitives », comme parcourir des décennies de documents papier historiques pour repérer des notes sur des minéraux spécifiques qui pourraient aider à identifier des gisements ailleurs. Ils ont également rejoint le nouveau Synthetic Data Project de Vector, qui vise à créer des données générées par l’IA pouvant être utilisées pour entraîner des modèles lorsque des données bien organisées et réelles sont limitées – un problème majeur en géologie.

Hood est très clair : une collaboration zélée avec Vector est une décision délibérée. « Ce que je cherchais, c’était un groupe ou une institution qui serait le point central pour les gens de toutes les institutions académiques, de toutes les entreprises », dit Hood. « Quand Vector est apparu, je me suis dit : 'Parfait, oui, c’est le groupe avec qui on va travailler.' »

Il poursuit : « Et nous allons être engagés s’ils ont besoin de quelque chose de notre part, car il faut investir pour en tirer le plein bénéfice. Être un contributeur actif et valorisé est l’un des meilleurs aspects de l’implication de Vector. » Pour Goldspot, cette implication a constitué une source inestimable de talents locaux en IA pour soutenir la découverte de métaux à l’avenir.