Quentin Reul, Ph.D., is the Director of AI Strategy and Solutions at expert.ai, bringing over 25 years of experience navigating the evolution of artificial intelligence from early symbolic systems to today’s neural era. Originally from Belgium, he earned his doctorate at the University of Aberdeen, where his research focused on ontologies and semantic interoperability. Dr. Reul is a leading advocate for a "problem-first" approach to innovation, frequently challenging organizations to "fall in love with the problem, not the solution". By utilizing the Jobs to be Done (JTBD) framework, he helps businesses anchor technology in measurable customer pain points, ensuring that AI acts as a genuine accelerator rather than a "shiny new object".

As a pioneer in neuro-symbolic AI, Dr. Reul champions a hybrid architecture that integrates the creative power of Large Language Models with the deterministic precision of Knowledge Graphs to eliminate hallucinations and ground AI in reality. He is a prominent voice in Responsible AI, serving as an active contributor to the IEEE working group on AI ethics oversight to define global standards for transparency and fairness. His strategic "Cost to be Wrong" framework provides a pragmatic lens for assessing AI risk in zero-tolerance industries like healthcare and law, emphasizing the necessity of "expert-in-the-loop" supervision. Through his Lean AI Innovation methodology, he empowers enterprises to transform their proprietary data into a sustainable competitive advantage while navigating the complex "pilot-to-production chasm".

Quentin Reul, Ph.D., est Directeur de la stratégie et des solutions en IA chez expert.ai ; il apporte plus de 25 ans d'expérience, ayant accompagné l'évolution de l'intelligence artificielle, des premiers systèmes symboliques jusqu'à l'ère neuronale actuelle. Originaire de Belgique, il a obtenu son doctorat à l'Université d'Aberdeen, où ses recherches portaient sur les ontologies et l'interopérabilité sémantique. Le Dr Reul est un fervent défenseur d'une approche de l'innovation axée sur le « problème d'abord » (problem-first), invitant fréquemment les organisations à « tomber amoureuses du problème, et non de la solution ». En s'appuyant sur le cadre méthodologique des « Jobs to be Done » (JTBD), il aide les entreprises à ancrer la technologie dans des points de douleur clients mesurables, garantissant ainsi que l'IA agisse comme un véritable accélérateur plutôt que comme un simple « gadget à la mode ».

Pionnier de l'IA neuro-symbolique, le Dr Reul promeut une architecture hybride qui allie la puissance créative des grands modèles linguistiques (LLM) à la précision déterministe des graphes de connaissances, afin d'éliminer les phénomènes d'hallucination et d'ancrer l'IA dans la réalité. Figure influente de l'IA responsable, il contribue activement aux travaux du groupe de travail de l'IEEE sur la supervision éthique de l'IA, œuvrant à la définition de normes mondiales en matière de transparence et d'équité. Son cadre stratégique du « Cost to be Wrong » (coût de l'erreur) offre une grille d'analyse pragmatique pour évaluer les risques liés à l'IA dans des secteurs à tolérance zéro — tels que la santé et le droit — en soulignant la nécessité d'une supervision humaine, dite « expert-in-the-loop ». Grâce à sa méthodologie d'innovation « Lean AI », il donne aux entreprises les moyens de transformer leurs données propriétaires en un avantage concurrentiel durable, tout en surmontant le complexe « fossé » qui sépare la phase pilote du déploiement en production.