Saison 1

(8) Résumé automatique de match de football

Et si l’IA pouvait aider les fans qui n’ont pas eu le temps de regarder un match de foot, de tennis, de basket, de rugby en entier ? Avec Mélissa Sanabria, nous allons apprendre comment une IA peut sélectionner des instants importants dans un match pour en faire un résumé. Cela pose différents défis : les éléments qui permettent d’identifier un moment important (et qui varient suivant la ferveur des commentateurs, de la variation de la taille du ballon en raison des gros-plans …). Les matchs à huis-clos représentent un autre challenge lié au changement d’environnement : moins de bruit et d’émotion. Cela peut introduire un biais de représentation puisqu’il y a moins d’exemples de ce type. Pour vous, qu’est-ce qui devrait être extrait d’un match de foot pour en faire un résumé ?

À propos de l’invité

Mélissa Sanabria a suivi le master à l’université Nice Sophia Antipolis en Ubiquitous Networking. Actuellement, elle est en dernière année de doctorat en informatique et travaille sur la création automatique des résumés de matchs de foot. 

Notes de l’épisode

Vous pouvez (ré)écouter l’épisode 4 sur les biais d’apprentissage sur notre site ou sur votre plateforme d’écoute habituelle.

Dans cet épisode, nous avons parlé des métadonnées, retrouvez dans la vidéo ci-dessous une définition et des exemples des métadonnées.

Pour en apprendre plus sur d’autres applications d’annotation des sports vous pouvez consulter ce lien. Attention il est en Anglais.

Le mémoire de Marie Rousserie est une belle banque de données sur l’attention visuelle.

Retrouvez nous sur Facebook, Twitter ou LinkedIn pour continuer la discussion.

Si vous avez envie d’en savoir plus sur les applications intelligentes, abonnez vous à ce podcast sur Apple Podcasts, Google Podcasts ou sur votre plateforme d’écoute habituelle. Laissez-nous votre avis, c’est le meilleur moyen de nous soutenir et que d’autres personnes le découvrent plus facilement.

N’hésitez pas à partager ce podcast avec votre entourage, on y gagne tous à avoir des clés de compréhension sur les applications intelligentes qui font de plus en partie de notre quotidien sans qu’on ne s’en rende toujours compte.

Pour participer au podcast, nous suggérer des intervenants ou nous poser des questions, vous pouvez utiliser notre formulaire de contact. 

Saison 1

(7) Robots intelligents ?

Le robot est passé de la fiction à la réalité en s’intégrant à notre vie quotidienne : robot ménager, robot peintre pour les voitures … La plupart du temps, quand on nous parle de robot, on imagine plutôt R2D2 ou Wall-e. On visualise alors un ensemble de pièces assemblées pour avoir une allure humaine (une tête, des bras) capable communiquer avec un humain. Nous leur prêtons souvent des intentions humaines, une intelligence par anthropomorphisme. Mais dans la pratique, pour un roboticien, qu’est-ce qu’un robot ?

Nous verrons avec Arnaud Revel, l’invité de cet épisode, qu’en réalité, le robot n’a pas une intelligence propre. Il est en effet, programmé pour répondre à une action pré-définie. Nous apprendrons également quels sont les autres métiers associés à la robotique pour créer des robots acceptables par l’humain.

À propos de l’invité

Arnaud est professeur des Universités à La Rochelle. Ce passionné de robotique a co-encadré la thèse de Stéphanie qui portait sur l’identification des images qui intéressent les utilisateurs à partir de leur mouvement des yeux. Une partie de ses travaux que vous pouvez découvrir ici s’intéresse à l’interaction homme-machine. Il a notamment travaillé avec les robots Nao et Pepper, conçus par Bruno Maisonnier.

Notes de l’épisode

Pour découvrir quelques robots célèbres dont parle Arnaud dans l’épisode, vous pouvez consulter les liens suivants:

  • Nao, le robot premier robot humanoïde crée par la société SoftBank Robotics
  • Pepper, le premier robot humanoïde au monde capable d’identifier les visages

Retrouvez nous sur Facebook, Twitter ou LinkedIn pour continuer la discussion.

Si vous avez envie d’en savoir plus sur les applications intelligentes, abonnez vous à ce podcast sur Apple Podcasts, Google Podcasts ou sur votre plateforme d’écoute habituelle. Laissez-nous votre avis, c’est le meilleur moyen de nous soutenir et que d’autres personnes le découvrent plus facilement.

N’hésitez pas à partager ce podcast avec votre entourage, on y gagne tous à avoir des clés de compréhension sur les applications intelligentes qui font de plus en partie de notre quotidien sans qu’on ne s’en rende toujours compte.

Pour participer au podcast, nous suggérer des intervenants ou nous poser des questions, vous pouvez utiliser notre formulaire de contact. 

Saison 1

(6)  Détection de vols en magasin

Selon une étude de Checkpoint Systems publiée en Juin 2019, le vol en magasin représentait un manque à gagner de 49 Milliards d’euros pour les distributeurs européens. Nous pourrions tous payer moins cher nos courses sans ce fléau. En effet, le prix de vente d’un produit dans les grandes surfaces inclut le coût du vol en magasin. Olivier Valéry, Docteur en Informatique nous explique comment l’apprentissage automatique peut s’avérer être d’une aide précieuse pour la détection des vols à l’étalage. Dans cet épisode, il nous expose aussi les obligations éthiques pour ce genre d’applications : durée de conservation des données, identification formelle ou non des personnes, … 

À propos de l’invité

Olivier Valéry est Docteur en Informatique et passionné par l’apprentissage automatique. Il connait très bien les modèles d’apprentissage profonds qui permettent aujourd’hui de traiter de grandes quantités de données. Ce passionné d’IA s’investir également sur son temps libres sur des applications intelligentes. Il a par exemple développé un algorithme intelligent qui permet de coloriser les Manga ! Vous pouvez découvrir le code source de ce projets et beaucoup d’autres de ses projets sur la plateforme Github.

Notes de l’épisode

Retrouvez nous sur Facebook, Twitter ou LinkedIn pour continuer la discussion

Si vous avez envie d’en savoir plus sur les applications intelligentes, abonnez vous à ce podcast sur Apple Podcasts, Google Podcasts ou sur votre plateforme d’écoute habituelle. Laissez-nous votre avis, c’est le meilleur moyen de nous soutenir et que d’autres personnes le découvrent plus facilement.

N’hésitez pas à partager ce podcast avec votre entourage, on y gagne tous à avoir des clés de compréhension sur les applications intelligentes qui font de plus en partie de notre quotidien sans qu’on ne s’en rende toujours compte.

Pour participer au podcast, nous suggérer des intervenants ou nous poser des questions, vous pouvez utiliser notre formulaire de contact. 

Saison 1

(5) Protection des contenus multimédias

Les données multimédias foisonnent sur les réseaux sociaux et plus largement sur Internet. On peut donc être tenté de croire que leur mise à disposition gratuite entraîne une perte de propriété intellectuelle. Et pourtant, ce n’est pas parce qu’on y voit pas de marques visibles (copyright en filigrane, signature de l’auteur, …) qu’une image ou une vidéo est libre de droit. Beaucoup de marques de protection de données multimédia sont invisibles. Dans cet épisode, Pascal Lefèvre partage avec nous le processus de creation d’une marque invisible. Il faut souvent trouver un compromis entre l’invisibilité de la marque et les dommages d’une attaque. Certaines approches exploitent d’ailleurs des facilités du système visuel humain. La robustesse est en effet très importante puisque les images comme les vidéos subissent plusieurs attaques volontaires ou involontaires : redimensionnement, modification d’une partie du contenu, …

À propos de l’invité

Pascal Lefèvre est Docteur en traitement du Signal et des images. Il a consacré sa thèse à la protection des contenus multimédias pour la certification des données. Ce grand passionné de mathématiques et de vision artificielle a consacré énormément de temps à la recherche sur la mise en place de marques invisibles. Il connait donc très bien les enjeux de la protection des données multimédias.

Si vous avez envie d’en savoir un plus sur les travaux de thèse de Pascal, vous pouvez consulter son mémoire de thèse.

Notes de l’épisode

Si vous voulez en apprendre un peu plus sur le fruit à pain c’est par ici 🙂

Quelques ressources sur la sténographie :

Retrouvez nous sur Facebook, Twitter ou LinkedIn pour continuer la discussion.

Si vous avez envie d’en savoir plus sur les applications intelligentes, abonnez vous à ce podcast sur Apple Podcasts, Google Podcasts ou sur votre plateforme d’écoute habituelle. Laissez-nous votre avis, c’est le meilleur moyen de nous soutenir et que d’autres personnes le découvrent plus facilement.

N’hésitez pas à partager ce podcast avec votre entourage, on y gagne tous à avoir des clés de compréhension sur les applications intelligentes qui font de plus en partie de notre quotidien sans qu’on ne s’en rende toujours compte.

Pour participer au podcast, nous suggérer des intervenants ou nous poser des questions, vous pouvez utiliser notre formulaire de contact. 

Saison 1

(4) Réduire les biais d’apprentissage en IA

À quand la voiture sans pilote ? À quand un programme permettant de sélectionner des CV en évitant la discrimination ? Mais des exemples récents semblent montrer que ces exploits ne sont pas encore à la portée de nos IA.

Dans cet épisode, Virginie Mathivet nous aide à décrypter les difficultés qui se cachent derrière ces échecs, ce qu’on appelle « les biais d’apprentissage ». Ses propos sont illustrés par des cas d’usage. Elle nous expliquera également que pour apprendre à une machine à faire au moins aussi bien qu’un humain, il faut passer par une phase d’apprentissage. Durant cette dernière, on donne les moyens à la machine de comprendre les relations entre les données et de prendre du recul. Dès lors, quelle est la part de responsabilité de l’humain dans une IA ? Peut-on contrer ces manquements grâce à des audits externes ou un manuel de bonnes pratiques ?

À propos de l’invité

Virginie Mathivet est Docteur en Intelligence Artificielle. Actuellement, elle dirige la partie R&D de TeamWork Corporate, manager de la Data Squad (équipe chargée des projets autour de la data tels que Big Data, IA, IoT…). Elle écrit également des livres sur l’IA, anime des conférences et des formations en IA.

Virginie publie régulièrement des postes sur LinkedIn. D’ailleurs, vous pouvez retrouver ici l’article où elle détaille l’utilité de l’audit externe pour garantir la fiabilité d’une application IA.

Notes de l’épisode

Quelques définitions

  • ESN : entreprise de services du numérique
  • SAP est un système dans lequel les différentes fonctions de l’entreprise (comptabilité, finances, production, approvisionnement, marketing, ressources humaines, qualité, maintenance, etc.) sont reliées entre elles par l’utilisation d’un système d’information centralisé sur la base d’une configuration client/serveur.
  • Data : données (image + annotation)
  • Data integration (integration des données) : de l’importation au nettoyage en passant par le mapping et la transformation dans un gisement cible, pour finalement rendre les données plus exploitables et plus utiles pour les utilisateurs qui les consultent.
  • Machine Learning : apprentissage automatique

Pour en savoir plus sur les exemples décrits dans cet épisode, voici quelques liens :

Vous avez sûrement déjà rencontré un captcha lors de votre exploration sur Internet. C’est un exercice visant à vérifier que vous n’êtes pas un robot. Eh bien, ce n’est pas tout ! cela permet aussi d’aider des entreprises à vérifier l’annotation de leurs bases de données ! Pour en savoir plus vous pouvez lire cet article.

Si vous avez envie d’en savoir plus sur les applications intelligentes, abonnez vous à ce podcast sur Apple Podcasts, Google Podcasts ou sur votre plateforme d’écoute habituelle. Laissez-nous votre avis, c’est le meilleur moyen de nous soutenir et que d’autres personnes le découvrent plus facilement.

N’hésitez pas à partager ce podcast avec votre entourage, on y gagne tous à avoir des clés de compréhension sur les applications intelligentes qui font de plus en partie de notre quotidien sans qu’on ne s’en rende toujours compte.

Pour participer au podcast, nous suggérer des intervenants ou nous poser des questions, vous pouvez utiliser notre formulaire de contact. 

Retrouvez nous sur Facebook, Twitter ou LinkedIn pour continuer la discussion.