{{{sourceTextContent.title}}}

Comment l'intelligence artificielle créera un "travailleur augmenté" ?

{{{sourceTextContent.subTitle}}}

Créée il y a quatre ans, Deepomatic est une société française qui développe des logiciels d'intelligence artificielle permettant la création de systèmes de reconnaissance d'images

{{{sourceTextContent.description}}}

Leur but ? Créer un " travailleur augmenté " qui peut se concentrer sur les tâches les plus intéressantes et les plus précieuses tandis que la machine traite les cas les plus simples où un haut niveau d'expertise n'est pas requis. L'idée est de créer un système qui permette la semi-automatisation des tâches répétitives et visuelles avec un humain à la tête du projet. Célia Sampol, rédactrice en chef du magazine électronique MedicalExpo, s'est entretenue avec Augustin Marty, CEO de Deepomatic.

Traduit du français par Monica Hutchings

Célia Sampol : Vous dites que la reconnaissance d'images est la technologie d'intelligence artificielle la plus mature qui soit. Pourquoi et comment cela fonctionne-t-il ?

Augustin Marty : Nous sommes spécialisés dans la reconnaissance d'images et de vidéos. D'un point de vue technologique et scientifique, c'est dans ce domaine que l'intelligence artificielle a connu les avancées les plus significatives ces dernières années. La méthodologie consiste à collecter des ensembles de données relativement importants, c'est-à-dire des images, que nous enrichissons d'informations, telles que la localisation d'objets dans un lieu particulier ou le fait de dire qu'une image particulière correspond à un élément particulier. Pour ce faire, il est nécessaire qu'une personne transfère une partie de son expertise à la machine. Nous récupérons ensuite ces images et l'information qui les accompagne et formons un réseau de neurones pour apprendre la tâche sur laquelle nous travaillons. Cela nous donne un réseau de neurones spécialisés dans la tâche à accomplir.

Célia Sampol : Quelles images utilisez-vous pour former la machine ?

Augustin Marty : Ils correspondent aux cas sur lesquels nous travaillons. Dans le secteur médical, par exemple, nous travaillons principalement dans le domaine de l'imagerie médicale. Nous avons besoin de l'apport d'un médecin ayant un certain niveau d'expertise qui pourra nous dire que tel ou tel élément sur une échographie correspond à tel ou tel organe. Nous le faisons pour un grand nombre d'images et ensuite, de manière autonome, le système pourra dire que sur une image donnée, il s'agit d'un organe donné. Grâce à la bibliothèque de connaissances que le système aura acquise, il pourra généraliser tout cela et utiliser ces connaissances pour les appliquer à de nouvelles images. C'est apprendre par analogie. On peut vraiment comparer cela à la formation d'un être humain ; on lui enseigne un grand nombre d'exemples pour qu'il puisse ensuite reconnaître des éléments sur des images qu'il n'a jamais vues auparavant par lui-même.

Célia Sampol : Y a-t-il un risque d'erreur ?

Augustin Marty : Oui, bien sûr, il n'y a pas de magie derrière, donc l'idée est qu'un humain reste toujours en contrôle et conscient des limites du système qu'il ou elle crée. Avec notre système, la prédiction que fera la machine s'accompagne toujours d'un niveau de confiance : elle donnera une note qui nous dira si elle est plus ou moins sûre de son interprétation. Après cela, nous pouvons mettre en place des mécanismes qui nous permettent, lorsque la machine n'est pas vraiment sûre, de nous adresser à un médecin pour obtenir son avis.

Célia Sampol : A quoi sert votre système ?

Augustin Marty : Dans le domaine médical, il s'agit essentiellement d'une aide au diagnostic avec un médecin toujours présent. Cela permet au médecin de se concentrer sur les cas les plus complexes qui nécessitent une expertise plus poussée, tandis que les cas les plus simples peuvent être laissés à la machine et traités plus rapidement. Mais dans ce domaine, nous en sommes encore au stade de la recherche et il n'est pas encore utilisé sur les patients. Le véritable défi dans le domaine médical est l'accès aux données des patients, ce qui est logique et compréhensible, mais cela signifie qu'il est difficile d'avoir accès à un grand volume de données. Mais cette technologie a besoin d'absorber un grand volume de données pour fonctionner.

Célia Sampol : Et à quoi cela peut-il servir dans d'autres domaines ?

Augustin Marty : Aujourd'hui, l'application la plus avancée sur laquelle nous travaillons concerne les caisses automatiques dans la restauration collective. Dans une cafétéria d'entreprise, par exemple, nous installerons une ou plusieurs machines avec caméras. Les clients arrivent avec leurs plateaux remplis des différentes choses qu'ils auront choisies pour leur repas. La caméra prendra une photo du plateau et le système reconnaîtra automatiquement ce qui s'y trouve et calculera combien la personne doit payer.

Célia Sampol : Mais cela supprime des emplois humains...

Augustin Marty : Oui, il y a certainement un impact direct sur l'emploi parce qu'il faudra moins de personnes pour travailler à la caisse enregistreuse, mais nous pouvons aussi y voir un moyen de rendre la ligne plus fluide et de mieux absorber les pics de volume, puisque tout le monde va déjeuner à la même heure. Il est possible d'augmenter le nombre de machines et de s'adapter plus facilement aux pics de volume. Il a déjà été déployé dans une dizaine de restaurants en France et nous essayons de le développer ailleurs.

Dans l'industrie, nous travaillons également sur l'intérieur des voitures. Par exemple, il y aura une caméra à l'intérieur des voitures afin de mieux comprendre ce qui se passe dans l'habitacle et de fournir un certain nombre de services supplémentaires qui sont actuellement plus liés au confort qu'autre chose. Un exemple typique est que nous serons capables de détecter le niveau de vêtements qu'une personne porte, qu'il s'agisse d'un homme ou d'une femme, ainsi que son niveau d'activité et d'ajuster automatiquement la température dans la voiture en conséquence.

Pour l'industrie de la sécurité, nous serons en mesure de rendre les caméras de vidéosurveillance plus intelligentes. Aujourd'hui, il y a beaucoup de caméras qui sont installées, mais les téléopérateurs n'ont pas nécessairement la possibilité de regarder toutes les bandes en temps réel. L'idée est donc d'avoir un système qui peut regarder toutes les vidéos en temps réel et émettre une alerte lorsqu'il détecte un comportement anormal comme une agression, un mouvement violent ou une personne qui s'évanouit et est seule sur le sol. Comme dans l'imagerie médicale, il s'agit aussi d'une collaboration entre l'homme et la machine car ce n'est pas la machine qui, en fin de compte, prendra une décision mais l'être humain qui décidera d'alerter les services d'urgence ou de réagir. Mais nous porterons tel ou tel événement à l'attention de l'être humain.

Nous travaillons également dans le secteur des transports. Mais en ce qui concerne les espaces publics, nous sommes confrontés à un problème majeur d'accès aux données personnelles. L'idée est donc d'abord de créer un système qui rendrait les images vidéo anonymes, c'est-à-dire brouillant les visages sur ces vidéos afin que les applications puissent ensuite détecter semi-automatiquement les sacs abandonnés ainsi que les comportements suspects, dangereux ou violents.

Célia Sampol : Y a-t-il un risque que les humains soient un jour dépassés par la machine qu'ils ont créée ?

Augustin Marty : Nous voulons créer des interfaces très simples à utiliser afin que les concepts qui sont très compliqués à première vue deviennent beaucoup plus compréhensibles avec notre outil. L'idée est que les gens restent aux commandes du projet, conscients des limites du système qui a été créé. Nous voulons que les humains soient toujours capables de comprendre ce qui se passe afin qu'ils puissent prendre les bonnes décisions.