Groupe CTT

Justine Decaens

Justine Decaens a étudié à l’École Nationale des Arts et Industriels Textiles (ENSAIT) où elle a gradué avec l’équivalent d’un baccalauréat en génie textile, en 2012. Elle a, par la suite, entrepris une maîtrise en génie mécanique à l’École de Technologie Supérieure (ETS), à Montréal. En 2015, Justine a commencé à travailler en tant que chargé de projet au Groupe CTT avec une spécialisation au niveau des technologies textiles intelligents. Nommée en 2017, Chef de Groupe – Textile Intelligent, puis Directeur Innovation Technologique – Textiles Intelligents, elle a encadré de nombreux projets de recherche dont certains de grande envergure et a élargi son champ d’expertise au cours des années sur d’autres thématiques : chimie textile, textiles 3D, etc. En 2020, Justine pris la direction du département de Recherche et Développement et s’occupe de la gestion générale de l’ensemble des projets de recherche pour lesquels des subventions et fonds publics sont octroyés. Elle participe grandement au réseautage et à la collaboration académique avec les autres collèges, CCTT, universités et centres de recherche, aussi bien au niveau national, qu’international. Elle est Vice-Chair du comité ASTM D13.50 pour le développement des méthodes d’évaluation des textiles intelligents, et siège sur le conseil d’administration de l’Institute of Textile Science (ITS), et de l’Industrial Fabric Association International (IFAI).

Professional Skills

Textiles intelligents 100%
Capteurs textile 95%
Matériaux conducteurs 90%
Subventions & Financement public 85%

Communication :

Utilisation de capteurs biométriques pour la collecte de données

Résumé:

Avec l’avènement de l’intelligence artificielle dans de nombreux secteurs d’activités, le besoin de recueillir des données fiables est d’autant plus grand. Le développement des technologies textiles intelligentes permet d’avoir accès à de nombreuses informations, dans un contexte dynamique et en temps réel. Ces capteurs composés majoritairement de textiles conducteurs sont facilement intégrables dans des vêtements, des revêtements de siège et autres supports flexible.

Le domaine du transport est particulièrement intéressé à pouvoir recueillir davantage de données sur les conducteurs afin d’optimiser, d’une part, les algorithmes qui seront utilisés éventuellement dans la programmation des véhicules autonomes et d’autre part, pouvoir anticiper les besoins en divertissement des passagers et ainsi rendre l’expérience encore plus exaltante.