Natif de Montréal (Québec), j'ai obtenu mon baccalauréat ('09) en génie électrique à l'Université McGill, et ma maîtrise ('11) et mon doctorat ('17) en génie électrique à l'Université de Sherbrooke. J'ai ensuite travaillé comme chercheur postdoctoral au Massachusetts Institute of Technology au sein du laboratoire CSAIL pendant deux ans, et je suis présentement professeur adjoint au Département de génie électrique et génie informatique à l'Université de Sherbrooke depuis 2020.

Je suis membre du laboratoire IntRoLab à l'Institut Interdisciplinaire d'Innovation Technologique. Je suis également membre d'INTER, du CRASH et du CdRV. Ma recherche actuelle porte principalement sur l'audition en robotique. Il s'agit d'un domaine fascinant puisque l'objectif final consiste à permettre des interactions humain-robot naturelles avec la voix dans des environnements de tous les jours. Cette tâche implique de nombreux défis, qui vont au-delà des approches de reconnaissance vocale habituelles en champ lointain. En plus de devoir composer avec la réverbération, les bruits interférents et/ou les autres locuteurs, les robots doivent ignorer le bruit généré par leurs propres actionneurs, ce que nous appelons l'ego-bruit, et effectuer la reconnaissance en temps réel avec une faible latence. Bien que les méthodes fondées sur l'apprentissage profond ont connu un succès dans le domaine de la reconnaissance vocale, elles reposent sur une quantité importante de données et les calculs dans l'infonuage. Il s'agit d'un défi majeur en robotique, car la quantité de données expérimentales est habituellement limitée (chaque robot est unique!), et les robots autonomes doivent effectuer les calculs localement avec des ressources matérielles limitées. Ma recherche actuelle s'articule autour de quatre thèmes principaux: 1) la localisation de sources sonores, 2) le rehaussement de la parole, 3) la classification sonore et 4) la diminution de l'ego-bruit.