Subventions et contributions gouvernementales
À propos de cette information
En juin 2016, dans le cadre du Plan d’action pour un gouvernement ouvert, le Secrétariat du Conseil du Trésor du Canada (SCT) s’est engagé à accroître la transparence et l’utilité des données sur les subventions et contributions et a par la suite lancé les Lignes directrices sur la divulgation des octrois de subventions et de contributions, en vigueur le 1er avril 2018.
Les règles et principes qui régissent les subventions et les contributions gouvernementales sont décrits dans la Politique du Conseil du Trésor sur les paiements de transfert. Les paiements de transfert sont des transferts, imputables sur un crédit, d\'argent, de biens, de services ou d\'actifs à des personnes ou à des organisations ou à d\'autres ordres de gouvernement, sans que le gouvernement fédéral reçoive directement des biens ou des services en échange, mais qui peuvent obliger les bénéficiaires à produire un rapport ou d\'autres renseignements après avoir reçu le paiement de transfert. Ces dépenses sont signalées dans les Comptes publics du Canada. Les principaux types de paiements de transfert sont les subventions, les contributions et « autres paiements de transfert ».
Sont inclus dans cette catégorie, mais non assujettis à la divulgation proactive (1), les transferts à d\'autres ordres de gouvernement, par exemple les paiements de péréquation ainsi que les paiements effectués dans le cadre du Transfert canadien en matière de santé et du Transfert canadien en matière de programmes sociaux; (2) les subventions ou les contributions réaffectées ou par ailleurs redistribuées par un bénéficiaire à des tiers; et (3) l\'information qui ne serait normalement pas divulguée en vertu de la Loi sur l\'accès à l\'information de la Loi sur la protection des renseignements personnels ne figure pas sur le site Web.
125 176,00 $
16 janv. 2018
210329
210329
Renforcer capacité à long terme d'attirer et retenir des activités minières dans la région
647 209,00 $
16 janv. 2018
210934
210934
Implanter phase I du plan de réaménagement du secteur riverain/centre-ville de Grand Bank
150 000,00 $
16 janv. 2018
Les sommes allouées couvrent plus d'un exercice financier;Contribution remboursable
125 000,00 $
16 janv. 2018
Le bénéficiaire a le devoir de réaffecter ou de redistribuer la subvention ou la contribution à des tiers; Les sommes allouées couvrent plus d'un exercice financier;Contribution remboursable
58 026,54 $
16 janv. 2018
Amélioration du confort des animaux
DFIP-QC-1962 DFIP-QC-1962
28 579,10 $
16 janv. 2018
Projet d'installation d'une salle de traite
DFIP-BC-1054 DFIP-BC-1054
40 185,60 $
16 janv. 2018
Système de ventilation de l'étable
DFIP-ON-0952 DFIP-ON-0952
199 848,00 $
16 janv. 2018
Les systèmes actuels de planification de trajectoire des robots martiens de la NASA nécessitent beaucoup d'interventions humaines, ce qui peut compromettre certaines opérations de la mission, ne serait-ce qu'en raison des délais de communication et de la durée de l'analyse humaine des données recueillies tant par l'orbiteur que par le rover.
Le planificateur de trajectoire intelligent (IPP) permet aux rovers d'apprendre au fur et à mesure qu'ils avancent. L'IPP utilise l'information recueillie pour influencer le trajet futur, tout en s'adaptant à la qualité du terrain rencontré. L'apprentissage automatique permet à l'IPP d'associer différents types de terrain avec des niveaux de performance du robot. L'IPP pourra être déployé sous la forme d'une mise à niveau du logiciel destinée à améliorer l'efficacité, la sécurité et la valeur scientifique des missions d'exploration, sans avoir à faire appel à des capteurs spécialisés.
200 000,00 $
16 janv. 2018
Ce projet permettra la création d'un prototype de système cognitif synthétique d'aide à la décision pour les diagnostics médicaux pendant les vols spatiaux; ce système fera l'objet d'une validation initiale.
L'intelligence synthétique proposée pour l'évaluation et le traitement médicaux (SIMAT) simulera le diagnostic cognitif humain grâce à l'utilisation d'algorithmes de décision, d'analyses statistiques, de reconnaissance des formes et d'apprentissage machine. Une fois entièrement opérationnel, ce système aidera les médecins de bord à analyser les symptômes d'un membre de l'équipage malade afin d'établir un diagnostic. Cette technologie sera essentielle lors de futures missions d'exploration de longue durée, les communications avec la Terre pouvant être différées en raison des grandes distances. Elle appuiera également les interventions médicales en cas d'interruption des communications avec le centre de contrôle, ou lorsqu'un astronaute ayant une formation médicale sera indisponible ou dans l'incapacité de répondre.
200 000,00 $
16 janv. 2018
En 2003, les rovers jumeaux d'exploration martienne de la NASA, Spirit et Opportunity, ont entrepris l'exploration de la surface de la planète Mars. Les deux robots ont fonctionné plus longtemps que prévu, mais la mission de Spirit a été interrompue en 2009 lorsque le robot s'est retrouvé coincé dans du sable. Les rovers peuvent facilement détecter et éviter les rochers et autres obstacles de manière autonome, mais la détection de sols mous demeure problématique pour leurs opérateurs. Bien que le robot Opportunity soit toujours en fonctionnement, la mission a pris beaucoup de retard à cause des sols mous où il s'est empêtré.
Le Système d'évaluation autonome du sol 2.0 (ASAS), s'appuyant sur les travaux précédents de Mission Control Space Services, vise à améliorer la capacité des rovers à se déplacer dans des environnements inconnus. Ils seront capables de détecter différents types de terrains et de dangers grâce à l'intelligence artificielle et, en particulier, à des techniques d'apprentissage en profondeur. L'ASAS peut renforcer la sécurité et l'efficacité des missions de deux manières : en fonctionnant sur des ordinateurs de stations au sol pour permettre aux opérateurs des rovers de planifier des itinéraires sûrs, ou en s'adaptant en temps réel comme une charge utile logicielle à bord du rover pour accroître son autonomie grâce à la détection automatique des dangers.