Intelligence Artificielle

La réalité virtuelle

laurie — Thu, 01 Oct 2020 14:03:00 +0000

La réalité virtuelle

Tags

laurie Thu, 10/01/2020 - 16:03

Télécharger le PDF

Fiche réalité virtuelle.pdf

Body

Avec le début de la quatrième révolution industrielle, les technologies numériques émergentes fusionnent avec le monde physique. Dans les années à venir, la technologie remplacera bientôt les pratiques traditionnelles. L'une de ces technologies est la réalité virtuelle, qui redéfinit les modules de formation et d'apprentissage interactifs et collaboratifs. Elle est entrée dans un large éventail de secteurs, y compris, mais sans s'y limiter, la manufacture, l'espace, la santé, l'automobile, l'hôtellerie, etc.

Mais qu’est-ce que la réalité virtuelle ? Cette fiche vous propose d’en apprendre plus quant à son fonctionnement, son origine ainsi que sur ses différences avec la réalité augmentée et la réalité mixte.

Qu’est-ce que c’est ?

La réalité virtuelle, ou RV, ou encore VR (Virtual Reality en anglais), est une technologie de simulation numérique d’un environnement créé par des logiciels informatiques. Les perceptions de l’utilisateur sont modifiées de façon à le “plonger” dans le monde virtuel : il a l’impression de réaliser une activité dans le monde réel alors qu’elle est réalisée virtuellement, dans un environnement entièrement en 3D. Ce principe d’immersion est le fondement même de la réalité virtuelle. L’utilisateur n’a plus de prise avec la réalité grâce à une immersion forte procurée par différents retours sensoriels censés tromper l’utilisateur afin de lui procurer la même conscience de son corps que dans le monde réel.

La réalité virtuelle passive

L’utilisateur peut vivre une expérience multisensorielle passive de la réalité virtuelle: dans ce cas, il regarde une vidéo ou des images à 360° et n’a aucune interaction avec l’environnement. Les sens de la vue et de l’ouïe sont particulièrement sollicités pour que l’utilisateur ait l’impression d’être plongé dans une autre réalité même s’il ne peut effectuer que des rotations (voir la section “les degrés de libertés” plus bas dans cette fiche).

La réalité virtuelle active

Aussi appelée réalité virtuelle interactive, la réalité virtuelle active procure à l’utilisateur la sensation de vivre une expérience immersive plus complète dans l’environnement tridimensionnel grâce à l'exécution d’activités sensori-motrices à l’aide d’accessoires permettant l’interaction (casques, gants, lunettes,...). Dans ce cas, c’est le sens du toucher qui importe le plus et qui est mis en avant : l’utilisateur peut interagir avec le contenu grâce à un simulateur tactile (les contrôleurs) et, dans le cas de réalité virtuelle active avancée, l’utilisateur va pouvoir, en plus, se mouvoir dans toutes les directions de l’environnement virtuel.

Différence avec la réalité augmentée et la réalité mixte

Nous avons défini la réalité virtuelle dans une section précédente : la VR plonge l’utilisateur dans un environnement totalement virtuel, en 3D. Or beaucoup de gens confondent encore la réalité virtuelle avec la réalité augmentée (RA) ainsi que la réalité mixte (RM).

Ces trois technologies font partie de la XR, autrement dit la “réalité étendue” (extented reality en anglais). C’est le terme général utilisé pour regrouper toutes les formes de réalités immersives combinant éléments virtuels et réels, quel que soit le niveau d’interactivité entre ces éléments et avec l’utilisateur. Mais bien que ces technologies aient des points communs, la distinction est importante à faire car elles répondent chacune à des usages spécifiques.

La réalité augmentée (RA)

La réalité augmentée (ou augmented reality, AR en anglais) est une superposition d’images virtuelles à l’environnement réel. Il y a toujours une prise avec la réalité. La réalité augmentée apporte des éléments nouveaux et virtuels au monde réel et permet à l’utilisateur de se projeter plus facilement dans des situations. La technologie est moins mature que celle de la réalité virtuelle et elle s’utilise souvent sur un écran 2D (un smartphone, une tablette,...).

Comme exemples d’application de réalité augmentée, vous avez l’application IKEA, les visites immobilières virtuelles, le jeu Pokemon Go, les google glass,...

Illustration de Pokemon GO, source : 360natives

La réalité mixte (RM)

Souvent confondue avec la réalité augmentée, la réalité mixte (MR ou Mixed Reality en anglais) prête encore à confusion car il n’y a pas encore de réelle définition. Pour certains, il s’agit de réalité augmentée améliorée, pour d’autres, d’une combinaison entre réalité virtuelle et réalité augmentée,... Bref, il s’agit d’une technologie hybride encore en développement mais dans tous les cas, le virtuel et le réel coexistent et interagissent ensemble.

La réalité mixte est la technologie où des éléments (des objets de synthèse) sont projetés, généralement, sur une visière transparente (de lunettes par exemple) et qui permet à l’utilisateur de les visualiser dans l’environnement réel, sous la forme d’hologrammes, et d’interagir avec ceux-ci. Alors que la réalité augmentée superpose du contenu numérique à l’environnement naturel/physique, la réalité mixte fusionne les éléments numériques et réels dans le même environnement.

Les degrés de liberté

Appelés également DoF (Degree of Freedom), les degrés de liberté se rapportent au nombre de manières dont un objet rigide ou l’utilisateur peut se déplacer dans l’espace tridimensionnel.

Dans la réalité virtuelle, il y a deux types de DoF : la 3DoF et la 6DoF.

La 3DoF : elle correspond aux mouvements de rotation de la tête. L’utilisateur peut :

1) tourner la tête à droite et à gauche
2) pencher la tête en avant ou en arrière
3) pencher la tête à droite et à gauche

Les expériences 3DoF sont peu immersives et interactives : l’utilisateur est stationnaire, il ne peut pas se déplacer virtuellement. La 3DoF répond à des besoins simples où l’immersion ne doit pas être complète; elle est surtout utilisée pour des vidéos immersives ou des images à 360° par exemple.

La 6DoF : elle correspond aux mouvements de rotations et de translations. L’utilisateur peut

1) pencher la tête à droite et à gauche
2) tourner la tête à droite et à gauche
3) pencher la tête en avant ou en arrière
4) se déplacer en avant et en arrière,
5) se déplacer à droite et à gauche (exemple : en pas chassés)
6) Il peut s’accroupir et sauter

Les expériences 6DoF sont plus développées et engageantes, elles permettent beaucoup plus d’interaction et donc une réelle immersion de l’utilisateur. Celui-ci peut désormais se déplacer physiquement dans l’espace virtuel. Elles sont plutôt adaptées pour des utilisations créatives et éducatives. Les casques adaptés sont nettement plus coûteux que ceux concernant la 3DoF mais on peut constater que le prix a tendance à baisser : un casque Meta Quest 2 ne coûte que 350€. La disparité de prix entre les casques 6 DoF est en revanche très élevée (on monte à plusieurs milliers d’euros pour certains casques).

Origines

Bien que la réalité virtuelle ait surtout été mise en avant durant ce siècle, elle ne date pas d’hier ! Le terme “réalité virtuelle” provient du théoricien du théâtre Antonin Artaud, énoncé pour la première fois en 1938, décrivant l’aspect illusionniste du sixième art.

En 1962, Morton Heilig crée le premier cinéma individuel et immersif, le “Sensorama”, car il faisait appel au sens de l’utilisateur : les sièges étaient vibrants et il y avait des ventilateurs.

Illustration du Sensorama, source : realite-virtuelle

En 1968, Ivan Sutherland a créé le premier casque de VR appelé "Épée de Damoclès” à cause de son poids très lourd du fait qu’il était supporté par des bras mécaniques et suspendu au plafond,...l’utilisateur ne pouvait donc faire aucun mouvement !

Illustration du casque Epée de Damoclès, source : 4Dcrea

Au début des années 80, Thomas Zimmerman et Jaron Lanier ont développé le Data glove, un gant qui retranscrit les mouvements de la main dans un environnement virtuel. La NASA et l’armée ont été très intéressées par cette invention! C’est aussi Jaron Lanier qui a popularisé le terme de “réalité virtuelle” en 1985. Il en donne d’ailleurs 52 définitions.

Les années 90 sont marquées par des tests et de l’expérimentation dans le domaine de la réalité virtuelle : plusieurs casques de réalité virtuelle sont mis sur le marché mais ils rencontrent, hélas, peu de succès (les lunettes IGlasses, le Virtual Boy de Nintendo, le casque Cybermaxx et le Sega VR notamment).

Dans les années 2000, Nintendo lance la Wii, une console de jeu où le joueur doit utiliser son corps pour jouer. Il s’agit d’une nouvelle expérience dans le domaine de la virtualité car la position du joueur, son orientation et ses mouvements dans l’espace sont détectés grâce à l’accéléromètre présent dans la manette. Peu de temps après, Xbox et Playstation lancent eux aussi leur console du même genre avec la Kinect et la Playstation Move.

Palmer Luckey, un américain de 18 ans, lance en 2012 une campagne de financement collaboratif en qui lui rapporte 2,4 millions de dollars afin de développer le premier prototype de l’Oculus Rift.

Illustration de l’Occulus Rift, Source : wikipédia

Mark Zuckerberg (Meta, anciennement Facebook) rachète Oculus pour 2 milliards de dollars et lance la version commerciale de l’Oculus Rift en mars 2016. Ce casque devient rapidement un incontournable pour les gamers et marque l'accessibilité de la réalité virtuelle au grand public. Suite à l’Oculus, le marché de la réalité virtuelle est en pleine expansion : l’offre de casques explose et leur prix devient de plus en plus abordable. Le casque HTC Vive est d’ailleurs commercialisé 1 mois seulement après l’Oculus et est son concurrent parfait : lui aussi est considéré comme un des premiers casques VR pour PC grand public!

Illustration de l'HTC VIVE, source : Les Numériques

Et demain?

Le domaine de la réalité virtuelle ne cesse de s’améliorer depuis 2016. D’ailleurs, selon le site Réalité-virtuelle, la taille du marché de la VR a atteint 18,8 milliards de dollars en 2020, et cela ne devrait faire qu’augmenter lors des prochaines années! La croissance de cette technologie est surtout favorisée par le secteur du jeu et du divertissement. Les marques dominantes sont toujours Meta avec l’Oculus, Sony avec Playstation VR (dont la deuxième itération vient d’être dévoilée plus en profondeur au Consumer Electronic Show - CES), Microsoft travaille avec des fabricants comme HP, Acer ou Asus pour créer des casques VR ( le HP Reverb notamment), mais il y a également Valve et son casque Valve Index, très populaire auprès des joueurs sur PC, HTC, … et d’autres arrivent bientôt sur le marché ; l s’agit de la grande rumeur de cette année, Apple, par exemple, compte lancer son propre casque fin 2022. On ignore encore tout de ce casque, et il est probable qu’il s’agisse en fait de réalité mixte. Une autre entreprise, Lynx, une startup française, lance bientôt son Lynx R1 qui est l’un des premiers casques à combiner une fonction de réalité virtuelle avec celle de réalité augmentée.

Pour qui ?

La réalité virtuelle n’a pas qu’un aspect ludique, elle peut couvrir un grand nombre d’usages et de besoins, en voici une liste :

- Les opérations de conception de processus ou de produits : la RV peut remplacer les maquettes traditionnelles en proposant une visualisation 3D, très réaliste, avant même la réalisation d’un prototype physique. Cela permet de travailler plus aisément sur des projets de grande ampleur ou des produits assez volumineux. De plus, la RV permet des déplacements et des utilisations virtuelles plus poussées : le concepteur et ses clients peuvent réellement “plonger” dans le projet. Les erreurs de conception peuvent également être plus facilement détectées. La RV est intéressante pour de très nombreux domaines : la médecine, la construction automobile, l’aviation, l’industrie aérospatiale, l’industrie nucléaire, l’industrie chimique...
- L’apprentissage, la formation et la maintenance : dans ce cas, la réalité virtuelle permet à l’utilisateur de s'entraîner dans un cadre sécurisé en simulant des situations parfois très complexes (incidents, anomalies, risques…). L'utilisateur peut affiner ses réflexes en reproduisant et en enchaînant des gestes techniques concrets, en étant directement projeté dans son environnement de travail, en toute sécurité. Les entraînements numériques, contrairement aux entraînements physiques, requièrent moins de besoins matériels et logistiques : en effet, les besoins en infrastructure ainsi qu’en zones d'entraînement disponibles sont moindres, il n’y a pas de souci de mise à l’échelle, la présence d’un entraîneur humain n’est pas indispensable et il n’y a presque plus de risques de blessures réelles. De plus, les paramètres de la simulation peuvent être parfaitement adaptés et modifiés pour correspondre à des événements exceptionnels (exemple : des conditions météorologiques extrêmes). L’immersion numérique est donc un bel avantage pour les entraînements, et les domaines qui peuvent être intéressés par cela sont presque infinis : il existe des entraînements militaires pour pilotes d’avion et parachutistes, des entraînements chirurgicaux préparatoires avant une intervention pour le personnel médical mais aussi des formations de conduite de pont roulant pour des apprentis en formation aéronautique par exemple ! La VR peut aussi être utilisée comme moyen de prévention, en sensibilisant les utilisateurs aux dangers de la route ou aux accidents sur les chantiers par exemple.
- La compréhension et la gestion du réel : de façon générale, la réalité virtuelle simule des informations et met en scène des expériences émotives dans lesquelles l’utilisateur est plongé. En devenant un acteur participant à l’expérience, l’utilisateur accroît sa motivation et développe également son empathie, il est davantage impliqué dans ce qu’il vit. Etant un vrai outil de réalisme, la réalité virtuelle est de plus en plus utilisée dans le domaine de la santé et plus particulièrement par les thérapeutes pour les thérapies cognito-comportementales et d’exposition : elle est utilisée dans le traitement des des états de stress post-traumatiques, des troubles obsessionnels compulsifs, des troubles anxieux (notamment pour certaines phobies telles que l’agoraphobie, l’arachnophobie, l’acrophobie,... ),... Avec la réalité virtuelle, vous pouvez également vous “rendre” dans des lieux qui ne vous seraient habituellement pas accessibles : par exemple, vous pouvez visiter virtuellement un bâtiment, cela peut être lié au domaine architectural, immobilier mais aussi culturel. Imaginez que vous visualisiez des informations aujourd’hui disparues (par exemple des bâtiments historiques) ou qui sont difficilement accessibles (par exemple les fonds-marins). Le contenu peut être scénarisé et permettre de fidèles reconstitutions.

Les inconvénients de la réalité virtuelle

Comme nous l’avons vu ci-dessus, la réalité virtuelle offre beaucoup d'avantages et dans de nombreux domaines. Ne nécessitant pas d’infrastructure spécifique, elle requiert surtout d’avoir une grande bibliothèque d’éléments de contenu. Néanmoins, la réalité virtuelle possède quelques inconvénients qu’il nous faut citer :

- Le prix élevé : la 3D, même si elle tend à se démocratiser, reste un domaine relativement coûteux et n’est pas abordable pour tout le monde.
- En cours de développement : la réalité virtuelle n’est pas encore une technologie totalement aboutie, il y a d’ailleurs des problèmes concernant la création de contenu RV car il existe peu d’outils disponibles sur le marché.
- Impression d’isolement et solitude : beaucoup de gens appréhendent de mettre un casque car ils ont l’impression qu’ils sont réellement coupés du monde réel et social. Or actuellement, aucune étude ne semble véritablement mettre en évidence les problèmes psychologiques que pourrait provoquer la réalité virtuelle. Cependant, comme pour tout, l’abus nuit en tout. Une immersion abusive pourrait provoquer une addiction qui entraînerait, à la longue, une perte de repères dans le monde physique et une certaine confusion entre le réel et le virtuel.
- Effets physiques secondaires : la réalité virtuelle peut être tellement captivante que l’utilisateur peut se cogner réellement en se mouvant mais aussi souffrir de courbatures le lendemain. L’immersion totale peut également provoquer des nausées, une sécheresse oculaire ainsi que des maux de tête chez l’utilisateur : on appelle cela “Virtual reality sickness” ou encore “motion sickness”. Ces effets sont le résultat d’une incompréhension de la part du cerveau de l’utilisateur, il provoque ses effets pour signaler que quelque chose ne va pas (on peut rapprocher cela de la cinétose, le mal des transports) : les informations visuelles ne correspondent pas aux informations perçues par l’oreille interne… Voici une petite astuce pour réduire le risque de nausée: il faut que l’utilisateur déplace son véritable corps en même temps qu’il se déplace dans l’environnement virtuel ! Il faut limiter le décalage entre l’affichage des images et les mouvements de la tête.

Besoin d’une aide supplémentaire ?

Le Hub-C dans le cadre de ses services d’accompagnement numérique organise des workshops et groupes de travail en lien avec les nouvelles technologies de prototypages. Vous souhaitez un accompagnement pour votre projet innovant ou vous souhaitez participer à un prochain workshop? N'hésitez pas à contacter un membre du Hub !
Vous avez une question spécifique à propos d’une fiche? Elles sont réalisées par les experts du CETIC (Centre d'Excellence en Technologies de l'Information et de la Communication), un centre de recherche appliquée en informatique situé à Charleroi. Vous trouverez toutes les coordonnées ici.

RoutaR, un outil de planification de tournées de véhicules performant et facilement adaptable, une solution de mobilité intelligente

laurie — Wed, 30 Sep 2020 08:50:52 +0000

RoutaR, un outil de planification de tournées de véhicules performant et facilement adaptable, une solution de mobilité intelligente

Tags

Gestion de données

Intelligence Artificielle

laurie Wed, 09/30/2020 - 10:50

Télécharger le PDF

Fiche RoutaR

Body

Avec la crise sanitaire de la Covid 19, les commerces, contraints de fermer, se sont adaptés… et les clients aussi : le commerce en ligne a littéralement explosé ! Mais qui dit plus de demandes auprès des services de livraison et des services à domiciles, dit aussi plus d’attente…Nous avons tous déjà dû rester bloqués des heures à la maison pour recevoir un colis, ou pour attendre le passage du plombier, prévu très précisément “entre 9h et 17h”...pour finalement ne pas le recevoir à temps ou devoir être absent lors du passage !

L’augmentation du recours au e-commerce a provoqué une surcharge de travail pour les chauffeurs et des plannings de service et livraison de plus en plus étriqués… De plus, beaucoup d’entreprises font face à la situation écologique actuelle, au coût de l’essence toujours plus élevé…. Elles cherchent à réduire les déplacements et à rentabiliser chaque trajet en générant des plannings optimaux, condensés et rentables ! Pour cela, ces plannings doivent respecter un ensemble de contraintes métiers, ce qui n’est pas une mince affaire… un outil adapté est donc nécessaire ! C’est ici que RoutaR, un outil de planification performant et facilement adaptable aux besoins des PME, intervient…

Prérequis

Pour la lecture de ce document, la compréhension de certains termes techniques est nécessaire :

- Le format JSON : JSON est un format de fichier souvent utilisé en informatique. Similairement au format XML, il permet de transférer des données de manière structurée et documentée. Ce qui permet de rendre le fichier compréhensible par un humain et facilement intégrable dans une application.
- Les microservices : Les microservices sont un style architectural pour les applications web. Chaque service est pensé pour être individuel, indépendant et spécifique à une tâche bien précise. Ce n’est qu’une fois assemblés qu’ils constituent l’application dans son entièreté. Chaque service a son propre cycle de vie et peut donc être déployé, mis à jour et géré de façon plus légère et parfaitement autonome, sans perturber tout le système.
- Une gaussienne : une gaussienne ou fonction gaussienne est une courbe exponentielle mathématique. Elle est facilement reconnaissable par sa forme en cloche.

Pour qui ?

RoutaR est un outil qui s’adresse de façon générale à toute entreprise rencontrant une problématique liée à l'optimisation du transport de personnes ou de marchandises et il concerne plus particulièrement les entreprises actives dans le domaine de

- la logistique (livraison de colis, logistique sur les chantiers, etc),
- le transport (covoiturage, service de navettes , taxis, bus scolaires, etc),
- les soins à domicile (infirmiers, infirmières, kinés, aides à domicile, aides-soignants, aides ménagers, etc),
- les services de livraison pour restaurant et magasins qui veulent livrer leurs produits eux-mêmes,
- les interventions et services à domicile (téléphonie, relevé de compteurs, plombiers, chauffagistes, etc)
- l’économie circulaire (commerces locaux)

Pour quoi faire ?

Vous désirez optimiser vos trajets en tenant compte du trafic routier à moindre coût ?

RoutaR est fait pour vous ! Il s’agit d’une application web proposant sa propre solution de calcul de matrices de distances avec trafic et offrant un très bon compromis entre le coût et la qualité des données.

L’application est directement déployable sur la majorité des systèmes informatiques et l'importance apportée à la performance de la plateforme ainsi que son architecture orientée microservice (vous trouverez plus de détails à ce sujet dans la section “Fonctionnement de RoutaR”) lui permettent de monter en charge rapidement et facilement afin de s'adapter au mieux à votre besoin.
Afin de résoudre vos problèmes d'optimisation, RoutaR s'appuie sur OscarR.CLBS, une librairie informatique proposant des algorithmes de recherche opérationnelle liés aux problèmes de routage et de planification. Ces derniers permettent de modéliser et résoudre une grande variété de problèmes de mobilité.

En effet, RoutaR solutionne plusieurs types de problèmes concernant ;

- les taxis partagés
- les livraisons de colis
- les tournées de service (infirmiers, plombiers,...)

Mais il peut également répondre à tout type de besoin particulier telle que la collaboration entre entreprises ou le covoiturage.

De plus, RoutaR est capable de résoudre des problèmes intégrant de nombreuses contraintes métiers telles que :

- des contraintes horaires : heure de passage, horaire des chauffeurs, durée de la tâche (soin, interventions techniques…), arrivée au plus tôt, arrivée au plus tard,...
- des contraintes géographiques : embouteillages, coordonnées GPS…
- des contraintes de capacité : nombre de places assises, volume maximal transportable, nombre de personnes à déposer ou à récupérer au point X,...
- des contraintes de précédences : taxi, ordre de passage sans limitation…

Cette liste est cependant amenée à évoluer rapidement pour résoudre des problèmes encore plus complexes et de grandes tailles grâce à la flexibilité du moteur de recherche générique utilisé dans RoutaR et à la technologie Constraint Based Local Search.

Les atouts de RoutaR

- La généricité de l’application : vous pouvez traiter n’importe quel type de problème (contraintes de temps, de capacité,...) du moment que vous utilisez le format JSON pour définir le fichier que RoutaR va utiliser afin de trouver une solution qui respecte tout cela.
- La réduction des coûts pour estimer le trafic : pour être le plus optimal possible, votre planning optimisé doit tenir compte du trafic et le coût de ce type de données est souvent très élevé. Pour répondre à cette problématique, RoutaR intègre un mécanisme basé sur le machine learning représentant un bon compromis qualité/coût. A partir d'un ensemble restreint de données trafic achetées, il est capable d'estimer tous les réseaux de trajet se trouvant dans la zone couvertes par ces dernières.
- Gagner du temps : RoutaR réduit le coût temporel des employés grâce à une meilleure organisation des plannings de véhicules de livraison ou de services. Ces derniers sont plus légers, réalisables et fiables pour les chauffeurs… et on sait tous que le temps, c’est de l’argent !
- Gagner de l’argent : RoutaR augmente le chiffre d’affaires des entreprises en leur permettant de traiter de plus en plus de demandes et en leur proposant sa propre solution de calcul de matrices de distance avec trafic alors que, d'habitude, ce sont des données très onéreuses. RoutaR représente donc le parfait compromis entre le coût et la qualité des données !
- Augmenter la satisfaction des clients : les colis et services sont délivrés en temps et en heure avec des tranches horaires réduites, plus besoin de prendre congé pour recevoir le chauffagiste !
- L’architecture modulaire et flexible d’OscaR.CBLS : il s’agit du moteur de recherche opérationnelle utilisé dans RoutaR. Il vous permet de modéliser facilement un problème de routage en implémentant chaque contrainte métier séparément et en les sélectionnant indépendamment. Pour en ajouter une nouvelle, il vous suffit donc de la créer et elle sera directement utilisable. Si la contrainte métier est plus complexe, OscaR.CBLS dispose tout de même des mécanismes nécessaires pour la représenter. De ce fait, RoutaR est capable d’être adapté pour correspondre au maximum des besoins réels.
- Déployable dans l’entreprise : chaque business peut avoir sa propre instance avec sa/ses contraintes spécifiques.

Fonctionnement de RoutaR

Pour générer un planning optimal, vous devez disposer des besoins de vos clients et formater tout cela dans un fichier JSON qui sera directement utilisable par RoutaR une fois que vous lui aurez envoyé le fichier. RoutaR va ensuite trouver une solution correspondant aux spécificités demandées et vous la renvoyer en format JSON, en vue d’être intégrée avec un autre logiciel client (ERP).

RoutaR est une solution complète qui contient :

- 3 microservices (détaillés dans la section suivante).
- le système de stockage open source REDIS (appelé “le cache” plus loin dans cette fiche) pour les matrices de distances car il est très léger et basé sur un système de clé-valeur qui est simple et facile à utiliser.
- Un démonstrateur développé en angular.
- Toute une série de fournisseurs de données brutes qui servent à construire les matrices de distances. Vous avez notamment :
- GraphHopper, dont la version open-source a été intégrée dans un micro-service de RoutaR et qui va utiliser des fichiers d’OpenStreetMap, des données cartographiques brutes totalement gratuites mais sans trafic (sans les embouteillages).
- Google Maps et TomTom, des fournisseurs de données externes qui sont accessibles via leur API et moyennant paiement pour avoir des données cartographiques avec ou sans embouteillage.
- RoutaR peut également utiliser Custom, un provider qui permet, via des endpoints (requêtes spécifiques) de stocker des données de trajet sans embouteillage récoltées grâce à des trackers présents dans les véhicules de l'entreprise en question. Ces données seront utilisées lors de l'optimisation. Ceci représente un gain de temps car il n’y a alors pas besoin de calculer les données avec graphhopper ou autre.

Illustration 1 : l’application RoutaR et son fonctionnement

Les microservices

Comme vous pouvez le constater sur l’illustration ci-dessus, l’application RoutaR contient 3 microservices écrits principalement en Scala.

L’architecture microservices est une architecture pour les applications web : les services y sont individuels, indépendants, spécifiques à une tâche et, une fois assemblés, ils constituent l’application. Chaque service a son propre cycle de vie et peut donc être déployé, mis à jour et géré de façon plus légère et parfaitement autonome, sans perturber tout le système.

Les microservices doivent être asynchrones, c’est-à-dire capable de répondre à plusieurs requêtes simultanément. Au delà de l’envie d’exploiter au maximum la puissance des processeurs récents, il y a plusieurs contraintes techniques à prendre en compte :

- Il y a un nombre indéterminé de requêtes qui peuvent arriver dans ces services
- Les microservices font de nombreux appels à des services externes (TomTom, Google Maps,...) et ils peuvent être très longs (il faut compter quelques minutes d'attente chez TomTom pour calculer une grande matrice par exemple).
- Certaines opérations sont très longues : le training du modèle avec trafic, la résolution de problèmes d’optimisation…

Toutes ces contraintes nous poussent à mettre en place des services asynchrones afin de ne pas bloquer toutes les requêtes car l’une d’entre elles prend du temps à être traitée.

RoutaR possède donc un microservice appelé routar qui se focalise sur la résolution de problèmes. Il communique avec le deuxième microservice, matrix, pour obtenir une matrice de distances qui correspond au problème à résoudre.

Une matrice de distances, qu'est-ce que c'est ? les matrices de distances sont utilisées en cours d'optimisation pour réduire la longueur totale du trajet et s'assurer qu'on respecte les contraintes de temps. Une matrice prend en entrée une liste de coordonnées d'origines et une liste de coordonnées de destinations, et pour chaque paire d'origine et de destination, on calcule la distance et le temps du trajet. Quand on dit “une matrice 50X50” (pour 50 origines et 50 destinations), on a en réalité 2500 calculs à faire car on a 2500 couples origines-destinations. On appelle plus précisément cela une matrice carrée, c’est-à-dire une matrice du type (n, n), autrement dit une matrice à n lignes et n colonnes.

Lorsqu’on parle de matrice cubique dans cette fiche, c’est parce qu’on a rajouté la dimension du temps.

Le troisième microservice est le microservice path, pensé pour les aspects de démonstration, il sert à calculer le trajet précis reliant le point A et sa destination B empruntant telles ou telles rues... Il fournit un trajet détaillé qui pourra être affiché sur une carte.

Comment fonctionne le microservice Matrix ?

Voyons plus en détails comment fonctionne le microservice Matrix, que ce soit pour un calcul de matrice de distance sans trafic ou avec trafic.

1. Calcul de matrice de distance sans embouteillage

Pour un calcul simple sans embouteillages, Matrix doit disposer en entrée :

- des coordonnées d’origines/de destination
- d’une liste de fournisseurs ordonnée par priorité d’utilisation. On parle de liste car si un fournisseur ne trouve pas la distance entre tel ou tel point et qu’il renvoie une erreur, il faut pouvoir spécifier un fournisseur de secours pour pouvoir compléter la matrice. Bien que la particularité de RoutaR est de ne pas imposer de fournisseur pour que vous puissiez utiliser votre préféré (Google Maps, TomTom,...), GraphHopper est celui qui est utilisé par défaut car il génère des matrices de distances sans embouteillage gratuitement.

Le microservice va d’abord vérifier si des distances pré-calculées (des matrices de distances) sont enregistrées dans le cache (Redis) : si le cache est vide, il faut faire une demande de matrice de distances. Pour cela, Matrix va utiliser GraphHopper (ou un autre premier fournisseur) qui va faire ce calcul gratuitement et renvoyer le résultat à Matrix. Matrix, avant de renvoyer la matrice à l’utilisateur ou à un service, va d’abord la stocker dans le cache Redis; si une demande est faite à propos de la même matrice, Matrix ira tout simplement la rechercher dans le cache.

Si le résultat présent dans le cache n’est pas complet, Matrix envoie une demande à un autre fournisseur (ou “provider”) présent dans la liste de fournisseurs ( par exemple Google Maps) pour ce qu’il reste à calculer. Matrix va de nouveau rechercher dans le cache les données enregistrées par rapport à Google Maps et si le cache n’en contient pas, Matrix fait la demande de matrice et le fournisseur de données, Google Maps, envoie le résultat qui est fusionné avec le résultat précédent. Si le résultat final n’est toujours pas complet, Matrix passe de nouveau au fournisseur suivant de la liste et va de nouveau rechercher dans le cache les données enregistrées par rapport au nouveau fournisseur… et ainsi de suite.

Illustration 2 : fonctionnement du micro service Matrix pour construire des matrices de distance

Au final, Matrix fournit en sortie :

- l’ensemble des origines,
- les destinations,
- la matrice sans embouteillage qui a été calculée,
- les détails sur la complétude de la matrice (les erreurs rencontrées, les fournisseurs utilisés).

2. Calcul de matrice de distances avec embouteillage

Un des points forts de RoutaR est sa façon de gérer le trafic. Pour optimiser correctement les plannings de chauffeurs, il faut disposer de matrices de distances qui tiennent compte des embouteillages afin d’être au plus près de la réalité. En effet, rouler à minuit n’est pas vraiment la même chose que rouler en pleine heure de pointe… Or, à l‘heure actuelle, il n’existe pas de fournisseur de données de trafic gratuit, les prix peuvent être vite élevés !

Par exemple si vous prenez le cas des infirmiers à domicile : vous avez les adresses de 500 patients et le point de départ de 25 infirmiers (a priori leur domicile), vous obtenez une matrice de 525x525X48 (le chiffre 48 fait référence au nombre de demi-heures dans une journée), ce qui correspond à 13 millions de données à acheter… et cela revient à peu près à 132.000 euros chez Google Maps et à 6000 euros chez TomTom… Cela représente un certain coût !

a) Les coordonnées d'entraînement

RoutaR vous permet de réduire ce coût grâce à l’utilisation de données d'entraînement : il va utiliser plusieurs points d’une même zone pour calculer la matrice de distance de cette zone, pour chaque demi-heure et en tenant compte du trafic, et, à partir de la détermination de cette petite matrice, RoutaR va estimer le temps de trajet d’autres points dans les alentours.

Reprenons l’exemple des infirmiers à domicile. Si ceux-ci se trouvent dans la région de Namur, cela correspond à 38 communes. Nous avons donc une matrice de distance pour ces 38 communes de 38x38x48 (pour tenir compte de toutes les demi-heures d’une journée également), ce qui correspond approximativement à 69.000 données… L’ensemble coûte 700 euros chez Google Maps et 30 euros chez TomTom… Nous sommes bien loin du coût précédemment décrit !

Une fois que ces données moins chères sont acquises auprès d’un fournisseur de données, RoutaR dispose des données de trafic pour les 38 communes, il va pouvoir estimer le temps de trajet pour le problème à résoudre (l’optimisation pour les 500 patients et les 25 infirmiers). Les données de ce calcul vont donc servir de coordonnées d'entraînement pour RoutaR qui dispose, en résumé :

1) d’un ensemble de trajets connus (voir l’illustration 3 : les points noirs représentent les 38 communes de Namur).

Illustration 3 : représentation des coordonnées d’entrainements
2) un ensemble de trajets inconnus (les points bleus sur l’illustration ci-dessous). RoutaR va utiliser la matrice et les données connues pour estimer le temps de trajet entre tous ces différents points.

Illustration 4 : représentation des coordonnées d'entraînements et des coordonnées de test

b) Apprentissage à partir des coordonnées d'entraînement

Voyons plus en détails comment les données d'entraînement vont permettre de déterminer le temps de trajet pour des points inconnus.

1) Obtention de la matrice de distances

Une fois les coordonnées d'entraînement sélectionnées (les données achetées préalablement auprès d’un fournisseur), RoutaR dispose de la matrice de distances carrée complète pour chaque demi-heure. Autrement dit, RoutaR dispose, pour chaque couple de coordonnées, du temps de trajet entre les deux points pour chaque demi-heure d’une journée (voir illustration 5).

Illustration 5 : représentation de la détermination de la matrice de distances des coordonnées d’entrainements

Par exemple, vous avez

un temps de trajet de 25 minutes et 43 secondes pour le trajet de A vers B à minuit,
un temps de trajet de 20 minutes et 32 secondes pour le trajet de A vers C à minuit,
un temps de trajet de 37 minutes et 32 secondes pour le trajet de A vers B à 06H30
etc.,...

Le tableau de l’illustration ci-dessous correspond aux résultats de chaque trajet par rapport aux données achetées pour notre exemple d’infirmiers à domicile en région Namuroise. Il s’agit dans ce cas d’une matrice cubique qui représente tous les temps de trajet aux différentes heures. Ici, Matrix n’a pas fait les calculs mais a envoyé des requêtes vers le fournisseur de données pour les obtenir.

Illustration 6 : matrice cubique des coordonnées d'entraînement

2) Les gaussiennes

Une fois qu’il a obtenu toutes les matrices (une matrice pour chaque demi-heure), le microservice Matrix peut générer des gaussiennes (ou “fonctions gaussiennes”) pour chaque couple de points. Il y en a 3 par couple de coordonnées :

1) une gaussienne pour le pic du matin,
2) une deuxième pour le pic du midi
3) une troisième pour le pic du soir.

Les 3 gaussiennes sont fusionnées afin d’obtenir un schéma représentant l’évolution du temps de trajet pour un couple de coordonnées, et non le temps de trajet en lui-même ! Ce schéma représente la fonction des 3 gaussiennes et l’ensemble est stocké dans Redis, l’espace de stockage, pour être utilisé ultérieurement.

Illustration 7 : schéma des 3 gaussiennes représentant l’évolution du temps de trajet pour un couple de points

Estimation des matrices de distances avec trafic pour les coordonnées de test

Rappelez-vous, ce qui nous intéresse dans notre exemple, c’est de déterminer la matrice de distances avec trafic pour les 25 domiciles des infirmiers et les 500 adresses de patients provenant de Namur (nous appellerons ces données les “coordonnées de test”). Pour estimer cela, RoutaR va se baser sur la matrice de distances connue concernant les 38 communes de Namur (ces données sont appelées “coordonnées d'entraînement”, voir les sections ci-dessus) car, comme expliqué précédemment, on connaît déjà le temps de trajet pour chaque couple de coordonnées d'entraînement ainsi que l’évolution du temps de trajet (grâce aux gaussiennes).

Matrix va réutiliser le calcul utilisé pour les 38 communes et estimer le temps de trajet pour le problème à résoudre, pour cela :

1. RoutaR va d’abord calculer la matrice de distances sans embouteillage entre chaque paire de coordonnées de test (voir illustration 5). Cela peut se faire gratuitement avec GraphHopper par exemple.
2. Ensuite, pour connaître l’évolution du temps de trajet entre le couple de points bleus présentés dans l’illustration-ci dessous, RoutaR va sélectionner un nombre k de coordonnées d'entraînement, les plus proches de ces deux coordonnées de test (dans notre exemple, k =3).

Illustration 8 : représentation de la sélection des k coordonnées d'entraînement les plus proches de chaque coordonnée de test
3. Puis, RoutaR récupère dans le cache les fonctions gaussiennes (les traits mauves dans l’illustration ci-dessous) pour chaque coordonnées d'entraînement (rappelez-vous, chaque fonction de gaussiennes représente une évolution du temps de trajet).

Illustration 9 : représentation de la récupération de la matrice de gaussiennes (les fonctions gaussiennes) connues correspondant aux 2*k coordonnées.
4. RoutaR dispose donc de 9 fonctions gaussiennes connues et va faire la moyenne de l'évolution du temps de trajet pour chaque demi-heure afin d’obtenir l’évolution du temps de trajet entre les couple de points bleus.
1. Donc si on reprend notre exemple et qu’on prend la tranche horaire de midi (12h00), on aura 9 valeurs correspondant au 9 fonctions gaussiennes récupérées dans la base de données. RoutaR va faire la moyenne des ces 9 valeurs et stocker le résultat dans un tableau. On fait cela pour toutes les demi-heures de la journée et, au final, RoutaR représente l’évolution du temps de trajet grâce à la génération de 3 gaussiennes et d’un schéma de fonctions de gaussiennes.
5. Au final, pour connaître le temps de trajet entre nos deux points bleus à 12h00 avec embouteillage, il faut faire : le temps de trajet sans embouteillage X l’évolution du temps de trajet estimé pour 12h00.

GraphHopper

Logo GraphHopper

GraphHopper est un fournisseur d’accès focalisé sur l’optimisation des problèmes de routing. Il dispose de sa propre solution pour les calculs de distance,... et une partie de celle-ci est open source. Les fonctionnalités basiques proposées sont :

le calcul de trajet point à point
l’utilisation de différents modes de transports
l’exploitation de différents types de cartes dont Open Street Map (celles-ci sont gratuites et mises à jour quotidiennement).

Par contre, il ne permet pas de calculer gratuitement les matrices de distance. Pour cela, GraphHopper a été intégré à RoutaR et un service de calcul de matrices a été ajouté pour éviter d’envoyer des milliers d’appels vers GraphHopper.

RoutaR permet également de sélectionner les zones exploitées par GraphHopper (à l'échelle d'un pays ou d'une région) : dans la configuration du microservice, il suffit de définir les cartes OSM à télécharger et via un simple script, le microservice va télécharger les cartes, les fusionner et les préparer pour qu'elles puissent être utilisées par GraphHopper.

En résumé, voici les avantages de GraphHopper :

gratuit
nettement plus rapide que Google ou Tomtom
prioritaire (dans le sens ou Google pourrait définir des priorités en fonction des clients)
possibilité de dupliquer le service en cas de forte demande

Et ses inconvénients :

pas de trafic
Si une des coordonnées est hors de la zone couverte par les cartes OSM, GraphHopper est incapable de fournir des information sur la distance.

La démonstration en vidéo

Voici le replay du webinaire organisé par le Hub-C le 10 mars 2022 afin de faire une démonstration de RoutaR. La présentation est réalisée par Fabian Germeau, expert en recherche locale basée sur les contraintes pour l'optimisation de tournées de véhicules au sein du CETIC.

Pour aller plus loin

Comme expliqué précédemment, l’outil utilisé pour optimiser les planning est le moteur de recherche opérationnelle OscaR.CBLS. Ce dernier est également développé au CETIC, plus précisément au sein du département COAL. Le routage de véhicules étant sa principale spécialité, c’est, dans un premier temps, cette fonctionnalité qui a été mise en avant au travers de RoutaR.

Cependant, différents domaines d’expertise sont également développés dans OscaR.CBLS. Il est également possible de résoudre des problèmes de type scheduling; il s’agit également de problèmes de planification, mais forts différents que ceux de type routage de véhicules. En effet, ils sont basés sur la notion de partage de ressources et non plus sur une notion d’optimisation de trajet.

Dans cette fiche, les fonctionnalités présentées sont celles en date de mars 2022. Bien évidemment nous avons la volonté d’ajouter de plus en plus de fonctionnalités afin de proposer un outil au plus proche de la réalité. Parmis celles-ci, on peut citer par exemple :

l’optimisation multi-zone
l’optimisation avec flotte hétérogène
l’optimisation sur plusieurs jours
le respect de préférences utilisateurs
l’optimisation basée sur le coût du trajet et non plus sur la longueur
…

Toutes ces fonctionnalités ont l’avantage de pouvoir être intégrées assez facilement grâce à la grande modularité d’OscaR.CBLS.

Besoin d’une aide supplémentaire ?

Introduction aux chatbots : la révolution de l'interaction humaine avec la technologie

laurie — Wed, 02 Sep 2020 13:03:33 +0000

Introduction aux chatbots : la révolution de l'interaction humaine avec la technologie

Tags

Gestion de données

Intelligence Artificielle

laurie Wed, 09/02/2020 - 15:03

Télécharger le PDF

Fiche Introduction aux chatbots : la révolution de l'interaction humaine avec la technologie

Body

Vous ne savez pas très bien ce qui se cache derrière le mot un peu barbare et mystérieux de “chatbot”? L’intelligence artificielle va-t-elle prochainement nous remplacer par de petits robots? Les robots vont-ils prendre le pouvoir et dominer le monde? ChatGPT va-t’il remplacer les boules de cristal ? Nous ne répondrons pas à toutes ces questions dans cette fiche mais nous aborderons de manière générale ce qu’il en est de ces agents conversationnels, leurs utilités et avantages mais aussi les (nombreux) débats qu’ils soulèvent actuellement.

Un Chatbot, qu’est-ce c’est?

“Chatbot” veut dire “robot conversationnel” en français. Il s’agit d’un programme informatique d’intelligence artificielle (IA) capable de dialoguer avec un utilisateur via le langage humain, que ce soit de manière orale ou textuelle. Le chatbot va simuler une conversation avec un utilisateur par le biais d’applications de messagerie, des sites web, des applications mobiles,...

Comment ça fonctionne ?

Comment un chatbot peut-il comprendre ce qu’on lui raconte ?

Le chatbot va utiliser, entre autres, du NLP (Natural language processing), le traitement du langage naturel et/ou du Machine learning (l'apprentissage automatique), deux techniques de l’intelligence artificielle, pour comprendre les informations envoyées par l’utilisateur, que ce soit du contenu vocal ou textuel… ou même une image (cela est maintenant possible avec ChatGPT 4!). Il va ensuite procurer un contexte et une signification à ce contenu afin d’y répondre de manière adéquate.

Le NLP fait partie du domaine des sciences de l’information et porte donc sur la compréhension, la manipulation et la génération du langage naturel par les machines. Cela inclut notamment ;

la classification de textes
la compréhension de texte
la reconnaissance vocale
le text-to-speech (la création d’un contenu vocal à partir d’un texte)
la réponse aux questions
la synthèse
la reconnaissance optique des caractères (OCR)

L’intelligence artificielle est ce qui va permettre de donner l’impression à l’utilisateur d’avoir une conversation naturelle avec certains chatbots (ou bots), et cela se fait notamment grâce au Machine Learning. En effet, le Machine Learning est ce qui va permettre à un type de chatbot de réaliser des associations logiques de langages, la conservation d’un historique, la compréhension des phrases de l’utilisateur malgré des erreurs grammaticales et/ou orthographiques, l’affichage rapide d’une réponse adaptée, … grâce à l’analyse des énoncés de l’utilisateur. Lors de cette analyse, le chatbot va déterminer l’intention (intent) qui se cache derrière l’énoncé de l’utilisateur, autrement dit l’objectif de sa demande. Les intentions sont déterminées par le Machine Learning, elles vont permettre de catégoriser les phrases de l’utilisateur et de déterminer les actions à entreprendre. Le chatbot comprend les requêtes de l’utilisateur grâce aux intentions. Le chatbot va annoter les mots ou groupes de mots de cet énoncé qui sont des entités, c’est-à-dire les types de données spécifiques qu’il faut extraire en tant que paramètre (ou variables). Les dates, les heures, les lieux,... sont des exemples d’entités.

Le message d’un utilisateur peut avoir plusieurs sens ou significations. Si l’utilisateur énonce « elles sont jaunes», on ne sait ni de quoi il parle ni à quoi il fait référence. Un contexte va permettre de faire correspondre l’énoncé à un intent (une intention) et assurer la cohérence des réponses du chatbot.

Les typologies de chatbots

Il n’y a pas vraiment de typologie des chatbots… il peut y en avoir plusieurs, que ce soit selon leurs usages, leur fonctionnement, leur domaine d’expertise,... De plus, un chatbot peut appartenir à plusieurs catégories à la fois. Dans le cadre de cette fiche, nous vous en présentons quelques-unes ci-dessous.

Les chatbots basiques

On peut distinguer deux grandes catégories de chatbots de base :

Les chatbots transactionnels : on les appelle aussi chatbots déclaratifs, chatbots d’interaction textuelle ou chatbots orientés tâche car ils ont un objectif unique. Ils utilisent très peu de machine learning car ils se concentrent uniquement sur l’exécution et l’automatisation d’une seule tâche ou d’une seule fonction. Les fonctionnalités sont basiques, les réponses conversationnelles sont automatisées, les questions sont prédéfinies et suivent une logique séquentielle. Les interactions doivent être spécifiques et structurées : le chatbot propose à l’utilisateur plusieurs options en fonction de sa demande ou de son problème et il va ensuite guider l’utilisateur avec d’autres options en fonction des choix qu’il aura fait, jusqu’à ce que l'utilisateur obtienne une réponse satisfaisante, que son souci soit résolu ou qu’il soit pris en charge par un autre service plus pertinent. L’interface de ces chatbots se veut conviviale afin de fournir à l’utilisateur une expérience utilisateur fluide et personnalisée. Les chatbots transactionnels sont utilisés pour traiter des questions courantes de manière rapide, facile et pratique comme par exemple obtenir les heures d’ouverture d’un magasin, réserver un service, traiter des paiements, fournir des données sur un produit,... ils sont donc principalement utilisés pour des fonctions de support et de services car ils facilitent les transactions entre utilisateurs et entreprises, tout en réduisant les coûts, en allégeant la charge de travail et en améliorant l’efficacité des services clientèles. C’est le type de chatbot le plus courant.
Les chatbots conversationnels : ce sont de véritables assistants virtuels : ils exploitent l’intelligence artificielle conversationnelle, la compréhension du langage naturel ou NLU (Natural language understanding, un sous-domaine du traitement automatique du langage naturel) et le machine learning afin d’être beaucoup plus sophistiqués, personnalisés et interactifs que les chatbots transactionnels. Ces chatbots se basent sur les données et sur le comportement de l’utilisateur pour fournir des réponses similaires à celles d’un être humain. Grâce à l’intelligence et à l’analyse prédictive, ils peuvent personnaliser leurs interactions en fonction du profil et des comportements de l'utilisateur. Ils sont conçus pour effectuer des recommandations, répondre aux questions, anticiper des besoins, divertir les utilisateurs et initier des conversations en langage naturel. Ils sont souvent employés pour fournir des informations sur des produits ou services, faire de l’assistance clientèle, réserver des services, recommander des produits,... et sont souvent intégrés aux canaux de messageries tels que Facebook, WhatsApp,... mais aussi sur les sites web. Un exemple de chatbot conversationnel? Vous avez Siri d’Apple et Alexa d’Amazon … ou encore ChatGPT!

Les chatbots adapté ou non au domaine d’expertise

Le domaine d’expertise du chatbot peut être ;

ouvert : le chatbot peut recevoir n’importe quel type de demande de la part de l’utilisateur.
fermé : le chatbot n’accepte que les demandes concernant un thème précis (par exemple des questions liées à un domaine médical, à une livraison,...). Si l’utilisateur sort de ce thème, le chatbot lui répondra qu’il ne comprend pas.

Les chatbots dans le domaine de la gestion relation client

Il existe différents types de chatbots dans le domaine de la gestion relation client. Le plus souvent, ils sont conçus pour répondre à un domaine d’expertise précis afin de satisfaire au mieux les besoins des clients. , ils ont donc un domaine d’expérience fermé comme expliqué précédemment.

Le chat bot d’interaction client : il s’agit d’un chatbot de support client qui améliore l’efficacité de votre entreprise en répondant instantanément aux besoins du clients. Il peut également fournir un menu de catégories de questions fréquemment posées. L'utilisateur ne perd pas son temps à attendre et est immédiatement satisfait.
Le chatbot d’accompagnement client : ce chatbot guide le client, suite à une série de questions, vers un produit ou un service adapté à ses besoins. Le chatbot apprend, grâce à l’intelligence artificielle, les goûts du client, prédit ses attentes et peut ensuite lui faire des recommandations personnalisées.
Le chatbot conversationnel à but marketing : le robot conversationnel va faire du marketing à votre place! Il va faire de la publicité pour vos services et/ou produit en envoyant des mails et en répondant à vos clients grâce à votre stratégie marketing. Il peut également utiliser le site web et les réseaux sociaux pour atteindre votre cible.
Le chatbot assistant personnel : vous retrouvez les chatbots dans vos appareils mobiles comme par exemple Siri (Applie iOS), Cortana (Microsoft Windows), Google Assistant (Android),... ils utilisent l’IA et l’apprentissage automatique pour répondre à vos questions et certains services sont reliés ) des applications et services externes afin que vous puissiez demander la météo du jour, réserver un restaurant ou un billet de train,...

Qu’est-ce que ChatGPT ?

Vous entendez beaucoup parler de ChatGPT ces derniers temps et vous ne savez pas vraiment ce qui se cache derrière ce nom barbare ni ce que ça peut faire? Et bien sachez que ChatGPT est un chatbot conversationnel et ce qui le distingue des autres, c’est qu’il s’appuie sur un modèle de langage très évolué : GPT-4, la quatrième génération du modèle de langage Generative Pre-trained Transformer (GPT) développé par la société OpenAI.

Ce modèle se base sur une architecture de réseau de neurones profond appelé “Transformer” et qui est spécifique au traitement du langage naturel. Ce modèle va se focaliser sur les parties cruciales du texte et comprendre les relations entre les mots de la phrase. On dit que le modèle est pré-entraîné car il a été entraîné par machine learning sur d’énormes quantités de données textuelles disponibles en ligne afin qu’il puisse apprendre, comprendre et générer du langage naturel.

ChatGPT peut être utilisé, par exemple, pour répondre à des questions, donner des conseils, effectuer des tâches (réservation en ligne, planification d’un voyage,...), générer du texte, faire de la traduction mais aussi générer du code en plusieurs langages informatiques.

Les biais et hallucinations des chatbots

Bien qu’il semble être un outil parfait, il vaut mieux toujours vérifier les informations qu’il donne car les chatbot ont ce qu’on appelle des hallucinations! Il s’agit d’éléments générés par l’IA (du texte, des images,...), qui sont très convaincants mais qui ne correspondent pas du tout aux entrées du monde réel! Médium définit les hallucinations comme étant “le terme employé pour le phénomène où les algorithmes d’IA et les réseaux de neurones d’apprentissage en profondeur produisent des sorties qui ne sont pas réelles, ne correspondent à aucune donnée sur laquelle l’algorithme a été formé ou à un autre modèle identifiable”.

Les chatbots répondent donc par des hallucinations lorsqu’ils ne comprennent pas une question ou qu’ils les interprètent mal. Mais pas que… Ils peuvent aussi affirmer des vérités qui n’ont pas de fondement factuel, accentuer des formes de discriminations, répandre des informations erronées,... Comment cela se fait-il ? Pour pouvoir répondre correctement, pour éviter des réponses trop standardisées ou déshumanisées, ChatGPT a dû ingérer des milliards d’informations et intégrer des processus de décision lorsqu’une même affirmation peut revêtir plusieurs significations en fonction du contexte). Si les sources utilisées sont erronées, les réponses le seront aussi. Et n’oublions pas que derrière ChatGPT, il y a également des humains qui lui indiquent les directions à prendre : pour réussir cette ingestion de données et pour éviter de produire du contenu raciste et violent, de très nombreux travailleurs africains et indiens, employés et sous-payés par l’entreprise Sama on dû filtrer des descriptions textuelles pour exclure celles qui sont jugées inappropriées et/ou violentes (abus sexuels, haine en ligne,violence,...), afin d’entraîner l’IA ChatGPT.

Beaucoup de questions…et de travail à faire !

Ces temps-ci, ChatGPT fait l’objet de nombreux débats et déchaîne les passions concernant plusieurs problématiques. Il n’est actuellement pas conforme à la législation RGPD, donc quid des données des utilisateurs? Certains pays bloquent temporairement cet outil, le temps de réfléchir au cadre normatif qui, lui, n’avance pas aussi vite que la technologie. Il peut être perçu comme une opportunité mais également comme un risque pour l’économie : l’intelligence artificielle semble désormais tendance, elle est considérée par certains comme un atout pour l’éducation, le monde entrepreneurial est en ébullition face à elle, les nouveautés technologiques se multiplient,... mais pour d’autres, elle peut être perçue comme une menace pour de nombreux secteurs de travail et une concurrence à l’homme! On ne sait pas vraiment quel cadre éthique l’IA s’inscrit ni quelles sources sont vraiment utilisées. Vous verrez que ChatGPT et plus généralement les chatbot peuvent soulever encore bien d’autres questions, problématiques et enjeux dans la suite de cette fiche.

D’où viennent les chatbots ?

Dans cette section, vous découvrirez que les chatbots ne datent pas d’hier… On peut dire que les premiers développements remontent aux années 1960, lorsque les chercheurs se sont intéressés à la compréhension du langage naturel et de la capacité à répondre aux questions posées en langage naturel, mais ils ont connu une véritable expansion ces dix dernières années, grâce, entre autres, au développement de l’intelligence artificielle et de la technologie du traitement du langage naturel. Nous avons repris les moments clés dans l’histoire des chatbots.

Illustration des têtes parlantes provenant de Automates et boîtes à musique

Les têtes parlantes

Au 18 ème siècle, en 1783 plus précisément, l’abbé Mical veut remporter le concours annuel proposé par l'Académie Impériale des Sciences de Saint Pétersbourg. Pour y arriver, il présente ses “têtes parlantes”; un robot, placé dans un petit théâtre, qui est construit selon le principe d’une boîte musicale et qui se compose de deux têtes qui s'échangent quelques phrases en éloge au roi Louis XV, donnant ainsi l’impression qu’elles conversent.

Le test de Turing

Ensuite, au cours du temps, plusieurs robots ont été développés et industrialisés, mais on peut dire que c’est grâce au mathématicien anglais Alan Turing (1912-1954) que l’histoire des chatbots a pris un tournant décisif ! Il est d’ailleurs considéré comme le “père des ordinateurs modernes” grâce à sa “machine de Turing” et grâce à son “test de Turing”, un test d’intelligence artificielle qu’il avait d’abord nommé “Imitation game”. Cette expérience permet d’évaluer la capacité d’une machine à se faire passer pour un être humain. Le principe est simple : un humain (ou plusieurs personnes, experte(s) ou non) pose des questions par écrit à deux interlocuteurs qu’il ne voit pas, un autre humain et une machine. Il doit deviner, en fonction des réponses, qui est la machine et qui est l’humain. On considère que la machine a passé le test de Turing lorsque l’humain qui engage la conversation ne sait pas déterminer si c’est la machine ou l’autre humain qui répond.

Illustration représentant le test de Turing réalisée à l'aide de Canva

Bien qu’il ait fait l’objet de vives critiques quant à sa fiabilité, et qu’il soit jugé obsolète par beaucoup, le test de Turing est toujours utilisé à l’heure actuelle pour évaluer les performances des chatbots et autres systèmes d’intelligence artificielle conversationnelle .

ELIZA

Peut-être avez-vous entendu parler d’ELIZA ? ELIZA est en quelque sorte le premier chatbot. Il s’agit d’un programme informatique conçu dans les années 1960 par Joseph Weizenbaum, un informaticien germano-américain. N’étant pas conçu avec un système d’analyse de langage, ELIZA identifie des mots-clés et les reformule sous forme de questions. On peut dire que ce programme simule un psychothérapeute rogérien en utilisant des techniques de communication non directive. La machine ELIZA ne donne donc ni conseil ni traitement mais reformule les propos de l’utilisateur sous forme de questions ou propose des affirmations qui encouragent à la discussion, ce qui lui donne un aspect empathique et compréhensif. Par exemple, si l'utilisateur dit "Je me sens triste", ELIZA pourrait répondre "Vous vous sentez triste. Parlez-moi de cela." ou "Comment vous sentez-vous lorsque vous êtes triste ?". ELIZA n’est cependant pas une machine vraiment intelligente : il n’y a pas d’apprentissage automatique ou de véritable intelligence artificielle, d’ailleurs elle ne comprend pas le sens des mots ou des phrases… Mais cela n’empêche pas certains utilisateurs de se sentir réellement attachés à elle. Elle a tellement fait illusion que certaines personnes ont dit ressentir un lien étroit avec elle. Cela soulève la question de la manipulation émotionnelle et des risques que cela comporte… L’étude d’Adamopoulou et de Moussiades montre que très souvent, les utilisateurs recherchent davantage un compagnon amical plutôt qu’un simple assistant lorsqu’ils utilisent un chatbot, et leurs demandes sont davantage émotionnelles qu’informatives. Début 2023, un belge souffrant d’éco-anxiété s’est suicidé après de nombreuses conversations avec ELIZA, le chatbot de l’application Chai Research (différent de celui de Weizenbaum). Ce chatbot n’a jamais contredit ses propos et l’a surtout conforté dans ses idées et renforcé ses angoisses… Une réflexion sur la régulation des intelligences artificielles semble nécessaire voire urgente !

A.L.I.C.E

Cet acronyme signifie Artificial Linguistic Internet Computer Entity et désigne un chatbot conversationnel également appelé Alicebot, développé par l’américain Richard Wallace en 1995. Alice s’inspire directement d’ELIZA, le chatbot de Weizenbaum, pour ce qui concerne le traitement du langage naturel basé sur des règles, mais Alice est beaucoup plus sophistiquée : alors qu’ELIZA utilise des règles de transformation, Alice utilise des scripts de conversation pré-écrits qui peuvent être modifiés, personnalisés,... Alice utilise aussi des techniques d'analyse de l'intention et de la structure de la phrase pour fournir des réponses plus élaborées. Cette machine peut, entre autres, mémoriser les informations données par l'utilisateur, poser des questions de suivi et répondre à des questions ouvertes. Bien qu’Alice ait été récompensée 3 fois par le prix Loebner, une compétition annuelle qui couronne les chatbots satisfaisant le mieux les critères du Test de Turing, elle n’a jamais réussi ce test pleinement… Elle est néanmoins le premier chatbot disponible sur le net pour tout public!

Illustration d'Eugene Gootsman provenant du site Le Monde

Eugene Gootsman

Derrière ce nom anodin se cache une intelligence artificielle russe née en 2011 et imitant un enfant de 13 ans. Sa personnalité et son niveau de connaissances ont été jugés crédibles par 33% des juges lors du Test de Turing, selon l'Université de Reading. Ce résultat fait que cette intelligence est dès lors considérée comme la première à réellement réussir le Test de Turing mais cela est très contesté par de nombreux chercheurs.

Sophia

Illustration de Sophia provenant de Hanson Robotics

Sophia est une gynoïde, un robot humanoïde ayant l’apparence d’une femme qui a été créée par l’entreprise Hanson Robotics et activée le 19 avril 2015 à Hong-kong. Sophia est considéré comme l’un des robots les plus intelligents car elle utilise de nombreuses technologies, notamment l’intelligence artificielle, le traitement des données visuelles et la reconnaissance faciale. Grâce à une multitude de capteurs, elle peut comprendre et répondre à des questions, participer à des conversations avec des humains, exprimer des émotions, se mouvoir pour imiter le comportement humain,... Elle doit surtout sa notoriété au fait qu’il s’agit du premier citoyen robotique au monde, car Sophia a obtenu la nationalité saoudienne !

Les assistants vocaux Siri, Alexa, Google Assistant,...

“Dis Siri, quel temps fait-il aujourd'hui?”, “Alexa, allume la télé”, “Ok Google, où se trouve mes clés?”...Ils sont désormais partout! Dans votre smartphone, votre voiture, votre maison,... le développement des assistants vocaux est fulgurant depuis 2010! Siri d’Apple en 2011, Google Now en 2012, Cortana de Microsoft et Alexa d’Amazon en 2014, Bixby de Samsung en 2017… Tous les grands acteurs du numérique ont désormais développé leur solution d’assistant vocal.

Illustrationd'un chatbot et d'un voicebot

On considère généralement qu’ils appartiennent à la grande famille des chatbots car ils utilisent des technologies similaires (le traitement du langage naturel, l’apprentissage automatique,...) pour remplir des objectifs similaires (comprendre les demandes des utilisateurs et fournir des réponses adéquates) mais on peut les différencier grâce au fait que les assistants vocaux utilisent la reconnaissance vocale pour permettre aux utilisateurs de contrôler des appareils ou d’effectuer des tâches à l’aide de la voix, et non à l’aide d’interface textuelles comme c’est normalement le cas pour les chatbots. Les assistants vocaux peuvent donc également être appelés “voicebot” pour cette raison.

Pour en savoir plus !

Les experts du CETIC ont rédigé un article sur le phénomène des chatbots, n’hésitez pas à y jeter un œil!

Besoin d’une aide supplémentaire ?

Vous avez une question spécifique à propos d’une fiche? Elles sont réalisées par les experts du CETIC (Centre d'Excellence en Technologies de l'Information et de la Communication), un centre de recherche appliquée en informatique situé à Charleroi. Vous trouverez toutes les coordonnées ici.

Introduction à la réalité augmentée : la fusion du réel et du virtuel

laurie — Tue, 01 Sep 2020 12:57:28 +0000

Introduction à la réalité augmentée : la fusion du réel et du virtuel

Tags

Intelligence Artificielle

laurie Tue, 09/01/2020 - 14:57

Télécharger le PDF

fiche réalité augmentée.pdf

Body

Rappelez-vous, en 2016, vous pouviez observer des personnes, le nez collé au smartphone, organiser des battues dans les villes, se regrouper dans des endroits insolites... les terrains vagues, les cafés, les parcs,... ils étaient partout… pour “chasser” les Pokémon! Pokemon Go est le jeu qui a réellement popularisé la réalité augmentée, les utilisateurs pouvaient voir des Pokémon grâce à l’appareil photo de leur smartphone ! Mais qu’est-ce que la réalité augmentée exactement ? C’est ce que nous allons vous expliquer dans cette fiche, ainsi que l’intérêt que peut avoir cette technologie pour les industries.

La réalité augmentée, qu’est-ce que c’est ?

La réalité augmentée (AR ou “augmented reality” en anglais) est une technologie qui superpose, à l’aide de lunettes spécifiques, d’une tablette ou d’un mobile, des éléments virtuels au monde réel, tels que des images 2D, 3D, des sons, des vidéos,... Ces éléments sont calculés par un ordinateur en temps réel. Un changement dans le monde réel comme un déplacement ou une interaction, entraîne directement un ajustement de la couche numérique.

Cette incrustation d’objets virtuels vient enrichir la réalité. Contrairement à la réalité virtuelle, l’utilisateur est toujours dans le monde qu’il connaît. Selon RA’pro, la réalité augmentée peut « augmenter » n’importe quel sens grâce à une synthèse artificielle, mais les applications sont plus souvent visuelles ou sonores.

Cette technologie intéresse désormais de nombreux domaines d’application ; l’éducation, le cinéma, le tourisme, la médecine,... Bien qu’on l’associe souvent au divertissement, au jeu et au spectacle, les industriels s’y intéressent de très près désormais ! Nous expliquerons un peu plus loin dans cette fiche en quoi cette technologie contribue à l’amélioration globale des processus de production et quel soutient elle apporte à de nombreuses situations. Commençons d’abord par définir quelques concepts nécessaire à la compréhension de cette technologie.

Réalité virtuelle, réalité mixte, réalité étendue ?

On confond souvent la réalité augmentée avec la réalité virtuelle ainsi qu’avec la réalité mixte, mais ce n’est pas du tout la même chose. Ces trois technologies font partie de la XR, la “réalité étendue” (extented reality en anglais). Ce terme regroupe toutes les formes de technologies immersives combinant éléments virtuels et réels, quel que soit le niveau d’interactivité entre ces éléments et avec l’utilisateur.

La réalité virtuelle, ou RV, ou encore VR (Virtual Reality en anglais), immerge complètement l’utilisateur dans un environnement totalement virtuel en 3D, grâce à un casque de réalité virtuelle. Nous vous conseillons d'aller voir notre fiche sur la réalité virtuelle pour en savoir davantage !

Comme nous l'expliquions dans notre fiche sur la réalité virtuelle , la réalité mixte (MR ou Mixed Reality en anglais) est une technologie hybride où le virtuel et le réel coexistent et interagissent ensemble grâce à la combinaison d'éléments de réalité virtuelle et de réalité augmentée. La réalité mixte va fusionner les éléments numériques et réels dans le même environnement en projetant des objets de synthèse, le plus souvent sur une visière transparente (de lunettes par exemple), cela va permettre à l’utilisateur de les visualiser dans l’environnement réel, sous la forme d’hologrammes, et d’interagir avec ceux-ci.

IAR - la réalité augmentée industrielle

La réalité augmentée est devenue un pilier de l’Industrie 4.0, suscitant un vif intérêt de la part des industries ces dernières années dans le cadre de leur transformation numérique, comme l’indique le site Visiativ. On parle même désormais d’IAR (Industrial Augmented Reality), de Réalité Augmentée Industrielle : c’est l’application de la réalité augmentée dans le contexte industriel. On ajoute de la réalité augmentée depuis le développement à la fabrication de produits afin d’accélérer l’ensemble de la chaîne de production en améliorant l'efficacité du personnel, en optimisant les opérations et en augmentant le chiffre d'affaires de l’entreprise.

Illustration de la réalité augmentée industrielle provenant du site PTC

La réalité augmentée, associée aux données IoT, PLM (Product Life Management) et CAO (Conception assistée par ordinateur) d’une entreprise, modifie la manière de travailler des employés de différentes façons : comme vous le verrez dans les sections suivantes, elle permet une maintenance plus efficace, une formation des employés/techniciens/… interactive, une conception des produits améliorée, un contrôle qualité plus précis.

Les avantages de la réalité augmentée et quelques exemples de cas d’usages

La maintenance

Comme l’indique le site Aleger, la réalité augmentée fait partie des évolutions les plus innovantes et importantes dans le domaine de la maintenance car elle optimise les processus numériques déjà existants, assure l’accélération et l’assurance qualité.

De façon plus détaillée, la réalité augmentée fournit une assistance aux opérateurs via des instructions et des informations contextualisées en temps réel sur les procédures à mettre en œuvre, que ce soit pour des opérations de maintenance, d’assemblage,...

Des capteurs connectés et des analyses avancées peuvent, par exemple, transmettre des informations en temps réel sur l'état des machines et des équipements, et permettre aux travailleurs de visualiser ces données directement dans leur champ de vision afin de rapidement prendre des décisions plus éclairées pour la maintenance préventive et prédictive ou l'optimisation des performances. Un autre exemple est qu’un opérateur peut facilement vérifier le montage d’un moteur, en étant guidé à chaque étape du processus de montage/de remplacement d’une pièce de la chaîne de production et en visualisant le modèle 3D de la machine sur laquelle il intervient (le modèle 3D est superposé à l’équipement ou la machine). Des erreurs sont moins susceptibles d’être commises grâce à la réalité augmentée.

illustration sur la réalité augmentée dans la maintenance industrielle provenant du site Arbased

La sécurité

Quel que soit le domaine, la réalité augmentée accroît la sécurité du travailleur : grâce à la surveillance en temps réel des conditions de sécurité (température, pression, niveaux de substances dangereuses,...), la réalité augmentée permet d’identifier les situations potentiellement dangereuses (elle identifie les risques présents, les zones de danger, les substances dangereuses, les équipements défectueux,...), et d’apporter des informations interactives ainsi que des conseils de sécurité en temps réel afin d’aider le travailleur à réagir au plus vite et à éviter un danger. Par exemple, en cas de présence de produits chimiques, le travailleur peut recevoir des alertes visuelles dès qu’il est exposé à des conditions dangereuses ou potentiellement dangereuses et des indications sur les mesures à prendre en cas de présence de produits chimiques peuvent s’afficher automatiquement.

La formation, ou en tant que support à distance

La réalité augmentée est également très utilisée dans le domaine de la formation car elle permet de réaliser autant de scénarios que l’on veut, sur presque n’importe quel sujet ! Les manipulations de l’apprenant peuvent être enregistrées afin que le formateur puisse les analyser par la suite. L’apprenant peut visualiser une vidéo pour chaque étape du processus afin d’apprendre chaque mouvement et techniques, pas à pas, avec l’incrustation d’informations visuelles, textuelles, des photos, de l’audio,... Le formateur n’a plus besoin d’être physiquement là ! Si un technicien moins expérimenté à besoin de l’aide d’un collègue plus chevronné ou d’un expert, ce dernier peut l’aider directement en visualisant le problème de là où il est, sans avoir besoin d’être derrière lui… et le technicien se sent davantage en situation sécurisée. En effet, en plus d’avoir directement les informations pour éviter les erreurs, les formations avec cette technologie diminuent les risques que peuvent encourir les apprenants. Par exemple, si la formation consiste à expliquer comment éteindre un feu, l’apprenant n’aura aucun risque de se brûler !

Illustration de la réalité augmentée dans le cadre d’une formation provenant du site Miragenews

L’assurance qualité

La réalité augmentée peut être un atout dans le domaine de l’assurance qualité : un utilisateur peut importer le Bimodel (le plan en 3D) d’un bâtiment et inspecteur visuellement plus facilement les équipements : il peut voir si tel tuyau est placé au bon endroit, si le trou dans le mur est à la bonne taille… tout cela en jouant avec l’échelle du plan et en obtenant directement les informations nécessaires correspondantes (les spécifications, les mesures, les schémas,..). De plus, le contrôle de la qualité peut se faire en temps réel à n’importe quelle étape du processus de production, il peut se faire dès le processus de fabrication ou d’assemblage si vous le voulez. La documentation, les comptes-rendus et les enregistrements sont plus complets. Vous pouvez garder une trace numérique des inspections effectuées, celle-ci est beaucoup plus riche en informations, et peuvent constituer une base de connaissances qui ensuite peut être partagée et utilisée dès qu’un problème/situation similaire est rencontré(e). De cette façon, les pratiques peuvent être continuellement améliorées. L’identification des défauts et des non-conformités est rendue plus aisée et plus rapide grâce à la réalité augmentée.

Le prototypage

On l’a expliqué précédemment, la réalité augmentée est très pratique pour visualiser rapidement et facilement des plans, des maquettes,... Ces prototypes virtuels peuvent être superposés à la réalité (sur des objets réels, dans des environnements ou des endroits particuliers,...) afin d’obtenir un retour visuel instantané sur leur apparence et leurs fonctionnalités. La technologie vient accélérer le processus d’itération du design… et si les concepteurs intègrent les données CAO ou travaillent avec des logiciels de conception 3D industrielle, il est même possible de faire des adaptations en temps réel. Tout cela vient réduire les coûts et les délais associés à la fabrication des prototypes physiques traditionnels.

La réalité augmentée facilite la collaboration entre les équipes de conception et les parties prenantes : les modèles virtuels peuvent être partagés en temps réel, plusieurs personnes peuvent visualiser en même temps le prototype, où qu’elles se trouvent. On peut faire tester le prototype à des utilisateurs grâce à la réalité augmentée : les interactions des utilisateurs avec le modèle virtuel superposé à des objets réels peuvent être simulées. De cette façon, on peut rapidement tester l’ergonomie de la solution, sa convivialité, son confort,...

Avantages de la réalité augmentée

Si on résume ce qui a été dit précédemment, voici une liste (non exhaustive!) des avantages de la réalité augmentée pour votre entreprise :

Réduction et optimisation du temps d’accomplissement de l’activité du technicien et du temps d’immobilisation des machines et équipements (et réduction de la charge mentale du travailleur!)

La localisation précise du lieu/ de l’endroit d’intervention
la liberté de mouvements lors des interventions
La collaboration à distance
La gestion des connaissances
Amélioration de l'expérience utilisateur
Obtenir des informations en temps réel, superposées aux objets réels
Davantage d’inclusion : les personnes handicapées mentales et physiques peuvent en bénéficier.
Réduction des erreurs grâces aux instructions visuelles et contextuelles
Facilitation de la formation et de l’apprentissage
Travail et partage collaboratif à distance
visualisation de prototypes et concepts de design de façon immersive
amélioration de la sécurité grâce à des avertissement en temps réel et à des informations liées à la sécurité
réduction des coûts et des délais liés à la fabrication des prototypes physiques
Collecte de données précieuses pour l'analyse et l'amélioration continue.
Amélioration de la communication entre les équipes et les parties prenantes.

Les limites et challenges liés à la réalité augmentée

Les limites éthiques et légales : en 2019, un article du Forbes pointait déjà le problème lié au recueil des données personnelles concernant les utilisateurs des applications alliant éléments réels et numériques. Ces informations personnelles collectées peuvent être biométriques (expressions faciales, données vocales, empreinte rétinienne,...) ou peuvent concerner ce que nous voyons et entendons autour de nous. Bien que la protection de la vie privée soit garantie par ces applications, qu’en est-il vraiment de leur utilisation ?
Les limites économiques : l’investissement dans du matériel de qualité et/ou dans le développement d’une application adaptée peut s’avérer important, et les équipements qui sont peu chers sont souvent de piètre qualité. Les coûts élevés peuvent freiner l’adoption de cette technologie à grande échelle.
Les limites technologiques : La réalité augmentée est encore confrontée à certaines limitations techniques : vous pouvez rencontrer des problèmes de suivi précis, de latence ou de qualité d'affichage.
les limites liées à la surinformation : la réalité augmentée peut surexposer l’utilisateur à une très grande quantité d’informations superposées au monde réel, et cela peut conduire à une surcharge cognitive qui entraînerait une confusion et une perte de concentration.
les limites liées aux risques de dépendance : la réalité augmentée fait vivre aux utilisateurs une expérience tellement immersive et engageante que cela peut être très addictif pour certains ! L’utilisation excessive de cette technologie peut conduire à des troubles de l’attention, d’anxiété,... cela peut aller jusqu’à l’isolement social de l’utilisateur, et dans des cas extrêmes, jusqu’à une déconnexion totale avec la réalité.

Besoin d’une aide supplémentaire ?

Le numérique, un levier pour la transition vers une économie circulaire

ldi — Sun, 09 Aug 2020 09:11:05 +0000

Le numérique, un levier pour la transition vers une économie circulaire

Tags

Gestion de données

Intelligence Artificielle

IoT

ldi Sun, 08/09/2020 - 11:11

Body

L’économie circulaire répond aujourd’hui aux nouveaux modèles économiques de demain en révolutionnant les modes de production, de consommation et de gestion des déchets. Le numérique est à la fois un levier et un catalyseur d'accélération du déploiement de l'économie circulaire. Les dernières avancées technologiques numériques telles que l'IoT, l'IA, la blockchain, la cybersécurité ou encore le big data, permettent de proposer des solutions qui rendent la transition circulaire moins coûteuse, plus accessible et automatisée, et surtout créatrice de nouvelle valeur ajoutée.

L’économie circulaire : brève introduction

L'économie circulaire est un modèle de production et de consommation qui consiste à partager, prêter, réutiliser, réparer, remettre à neuf et recycler le plus longtemps possible les matériaux et produits existants.

Cela prolonge le cycle de vie des produits, contribuant ainsi à réduire au minimum les déchets. Une fois que le produit a terminé sa fonction, les matériaux qui le composent sont en effet réintroduits, si possible avec recyclage. Ainsi, ils peuvent être réutilisés en continu dans le cycle de production, générant une valeur supplémentaire.

Les principes de l'économie circulaire contrastent avec le modèle économique linéaire traditionnel, basé plutôt sur le schéma typique "extraire, produire, utiliser et jeter".

La diffusion d'un modèle économique basé sur l'économie circulaire peut avoir de multiples effets positifs sur des enjeux dont dépend l'avenir de la planète. Parmi ces avantages, citons :

Réduction des émissions de CO2 car les processus d'extraction et de production génèrent près de la moitié de toutes les émissions.
Moins de gaspillage des ressources naturelles, aujourd'hui proches de l'épuisement, qui ne seraient plus exploitées au rythme actuel, assurant une durée plus longue.
Impulsion pour l'innovation qui conduirait à la création de produits plus durables dans le temps et conçus pour être réparés. Ce concept est l'antithèse d'un modèle économique dans lequel les entreprises proposent constamment des produits mis à jour qui doivent remplacer les précédents.
Une compétitivité accrue, car les entreprises seraient amenées à investir dans la recherche et à améliorer leurs produits et services pour s'adapter aux nouvelles exigences en matière de durabilité.

Cette forme d'économie durable présente non seulement des avantages mais aussi deux inconvénients principaux :

• tous les matériaux ne peuvent pas être recyclés indéfiniment. Par exemple, le papier peut être recyclé un nombre limité de fois et doit ensuite être éliminé.

• augmentation des coûts à court terme, le recyclage implique en effet un processus plus long et plus coûteux que le remplacement d'un produit par un neuf. Cela a immédiatement un coût plus élevé pour acheter un certain produit, ce qui, à long terme, conduit à des économies. Le produit durera plus longtemps ou, en tout cas, le faire réparer coûtera moins cher que d'en acheter un nouveau.

La création d'une économie circulaire nécessite des changements fondamentaux tout au long de la chaîne de valeur, de la conception des produits aux nouveaux modèles commerciaux, aux nouvelles modes de consommation, aux nouvelles façons de préserver les ressources naturelles (allongement de la durée de vie des produits) et transformer le déchet en ressource (recyclage).

L’économie circulaire repose sur une forte intégration et connexion de la chaine de valeur. Des degrés plus élevés de transfert et transparence de l’information sont demandés.

Si nous voulons renforcer et développer l'économie circulaire, il est nécessaire d'intégrer davantage les technologies numériques telles que l'Internet des objets, les big data et l'intelligence artificielle. Ceci permet d’améliorer les connaissances, les connexions et partage d'informations.

On peut distinguer trois principaux niveaux d'application du numérique :

Processus : les technologies qui permettent une plus grande efficacité et circularité dans le traitement des matériaux , la fabrication de produits et l’utilisation des machines: robotisation, fabrication additive, design numérique, capteurs, machine learning

Produits : les technologies qui permettent le suivi et la traçabilité des produits et composants, mais aussi le développement de produits en tant que service, l’augmentation de la réutilisation, la réparation, le recyclage: ex : IoT, blockchain, jumeaux numériques…

Plateformes : les technologies qui connectent fournisseurs, producteurs et consommateurs et permettent un échange d’information plus rapide et fiable : ex : applis, sites web, plateformes

L’importance des données

La capacité à collecter, traiter, structurer et utiliser des données dans la prise de décision est de plus en plus perçue comme une source d'avantage concurrentiel pour les entreprises.

Pour créer une économie circulaire efficace il faut comprendre et suivre le chemin à travers le cycle de vie de la production au recyclage et ça c’est possible grâce aux nouvelles technologies tels que l'Internet des objets (IoT), l'intelligence artificielle (IA) et la blockchain ou plus en générale les DLT (Distributed data ledger technology) qui permettent de disposer de données de plus en plus fiables et exploitables.

IoT et économie circulaire

Une économie circulaire est une approche de gestion des ressources dans laquelle les biens sont conçus, utilisés et réutilisés dans un système en boucle fermée dans le but d’éliminer les déchets et la pollution. L’Internet des objets (IoT) est un catalyseur clé d’un tel système, fournissant les moyens de capturer des données, de surveiller et de contrôler les processus et de suivre les ressources tout au long de leur cycle de vie.

L'un des principaux avantages de l'IoT dans l'économie circulaire est la capacité de collecter de grandes quantités de données en temps réel. En tirant parti des capteurs IoT, les entreprises peuvent collecter des données par exemple sur la consommation d'énergie, la production de déchets et les opérations de la chaîne d'approvisionnement.

Un autre aspect clé de l'économie circulaire est la prolongation de la durée de vie des produits grâce à la réparation, la réutilisation et le recyclage. L'IoT peut jouer un rôle crucial dans ce processus en permettant la gestion du cycle de vie des produits. En intégrant des capteurs dans les produits, les entreprises peuvent suivre l'utilisation, les performances et les besoins de maintenance des produits. Ces informations peuvent être utilisées pour optimiser la conception du produit, prolonger sa durée de vie et réduire les déchets. Par exemple, les appareils intelligents peuvent détecter quand ils ont besoin d'entretien, ce qui peut aider à prévenir les pannes et à prolonger leur durée de vie. En suivant les produits et les matériaux tout au long de la chaîne d'approvisionnement, les entreprises peuvent identifier les opportunités de recyclage et de réutilisation.

Big Data Analytics et économie circulaire

Si l’IoT permet de collecter un grand nombre d’informations, c’est grâce à des techniques de traitement et analyse qu’on peut comprendre les relations et les corrélations entre ces données. Les technologies Big Data peuvent nous aider à :

Trier et ordonner des données abondantes
Comprendre des problèmes complexes
Générer des solutions aux problèmes

Et quand on rajoute de l’Intelligence Artificielle il est possible d’apprendre plus vite, d’identifier les inefficacités dans les chaînes d'approvisionnement, prévoir les besoins de maintenance et optimiser la logistique. De plus, l'IA permet une économie plus personnalisée. En comprenant mieux le comportement des clients, les entreprises peuvent créer des produits et services adaptés aux besoins individuels, réduisant ainsi la surproduction et le gaspillage.

Voici trois piliers principales sur lequel l’IA pourrait nous aider:

Eco -conception.

Le premier consiste dans l'éco-conception des produits de consommation, mais aussi de leurs matériaux et composants, afin d'en minimiser les effets de pollution, d'intégrer davantage de matière recyclée et de les rendre plus facilement réutilisables ou recyclables. L'intelligence artificielle peut en effet venir en aide dans l'analyse et l'élaboration de la pluralité de données et d'options à prendre en compte à ce stade: les caractéristiques des divers matériaux, leur disponibilité locale, leurs origines et leur recyclabilité.

Analyse des données.

L'IA peut également être utilisée pour mettre en évidence des modèles commerciaux circulaires compétitifs. En utilisant une combinaison de données historiques et en temps réel provenant de l'interrogation des produits et de leurs utilisateurs, l'IA est capable d'augmenter l'utilisation des actifs et la circulation des produits en prédisant la demande et en utilisant une gestion intelligente des stocks.

Stratégies de recyclage.

L'IA peut aider à déterminer les meilleures façons de trier, désassembler, refabriquer et recycler les produits et les matériaux. Cela permet de boucler la boucle de l'économie circulaire.

Blockchain et économie circulaire

Un premier vecteur de confiance dans l’économie circulaire est la transparence des principales étapes du cycle de vie d’un produit, afin de permettre aux consommateurs de faire des choix plus éclairés. Dans ce cadre, la technologie blockchain trouve tout son intérêt

La blockchain est un registre numérique public et décentralisé qui permet de stocker des informations de manière transparente et fiable. La technologie impose en effet que chaque modification de ce registre soit authentifiée par celui qui en fait la demande. Chaque modification est datée et ne peut être contestée ou altérée à postériori. Utilisée à bon escient, elle permet aussi de mettre chaque acteur de la chaine de valeur sur un pied d’égalité, évitant qu’un acteur dominant puisse imposer ses règles à l’ensemble de l’écosystème.

En utilisant cette technologie pour que chaque acteur enregistre les opérations, les contrôles qu’il a réalisés sur un produit ou ses transactions de matières premières et de produits recyclés, il est possible de créer des systèmes d'échanges plus efficaces et de mieux inciter les comportements éco-responsables.

Les technologies numériques au service des stratégies circulaires dans le domaine manufacturiere

Dans le cadre d’une approche Industrie 4.0 nous avons trouvé très intéressant une étude réalisé par les deux universités Norwegian University of Science and Technology et University of Hamburg, Germany.

Le framework représenté dans l’image ci-dessous établit un lien entre les technologies et les stratégies circulaires afin d’ améliorer l'efficacité des ressources et la productivité. Ceci fournit une compréhension détaillée des relations et des aspects techniques sous-jacents les mécanismes d'une économie circulaire numérique. Il associe des niveaux croissants d'intégration des données et l'analyse à des capacités d'optimisation des ressources plus élevées.

Pour approfondissement on vous renvoi vers l’article complet

The smart circular economy: A digital-enabled circular strategies framework for manufacturing companies

Eivind Kristoffersena,⁎ , Fenna Blomsmab , Patrick Mikalefa , Jingyue Lia

Norwegian University of Science and Technology, NO-7491 Trondheim,Norway

University of Hamburg, 20146 Hamburg, Germany

IT for Green et Green IT

‘Last but not least’ nous proposons dans ce dernier paragraphe de clarifier la différence entre ‘Green IT’ et ‘IT for Green’. Les deux expressions sont souvent confondues . On pense que les approches « Green IT » et « IT for Green » signifient la même chose, même s'il s'agit d'idées très distinctes. Leurs objectifs sont convergents, mais leurs périmètres sont différents.

Jusqu’à maintenant nous avons décrit comment les technologies numériques peuvent aider considérablement à réduire l’empreinte écologique dans tous les secteurs. C’est la définition de ‘IT for Green’. Il est claire que la transition numérique est un outil clé pour réduire la consommation d'énergie et mettre en place des stratégie d’économie circulaire, à tel point qu'il ne semble plus possible aujourd'hui de faire face au changement climatique sans l'intégration à grande échelle des technologies numériques.

Mais le secteur IT quant à lui il a aussi un impact sur l’environnement. La longue chaine qui part de l’extraction des métaux rares jusqu’à la mise au rebut du matériel en passant par l’utilisation des logiciels, des réseaux et des datacenters n’est pas si différente d’autres secteurs manufacturières. Au contraire les statistiques montrent une hausse très importante de la consommation énergétiques et des matières premières due à l’implémentation croissante des solutions IT.

Le Green IT, ou informatique éco-responsable, vise à minimiser les effets négatifs des produits et des opérations informatiques sur l'environnement à travers la réduction de l'utilisation de matériaux dangereux, la maximisation de l'efficacité énergétique pendant la durée de vie d'un produit et la promotion de la biodégradabilité des produits inutilisés et obsolètes.

Besoin d’une aide supplémentaire ?

L’intelligence artificielle, le futur des entreprises ?

laurie — Sat, 08 Aug 2020 09:05:50 +0000

L’intelligence artificielle, le futur des entreprises ?

Tags

Intelligence Artificielle

laurie Sat, 08/08/2020 - 11:05

Télécharger le PDF

fiche IA.pdf

Body

Vous avez parfois l’impression que votre expérience en ligne est personnalisée de manière magique ? Que la barrière de la langue n'est plus un obstacle ? Vous êtes toujours surpris de pouvoir converser avec des assistants virtuels tels qu’ALEXA ou SIRI ? Bienvenue dans le monde fascinant de l'intelligence artificielle, ou IA en abrégé, une révolution technologique qui façonne notre vie quotidienne de manière subtile et surprenante. L'IA, c'est tout cela et bien plus encore. C'est un domaine de l'informatique qui émerveille par sa capacité à créer des systèmes informatiques capables de résoudre des énigmes complexes qui, autrefois, étaient réservées aux esprits humains les plus brillants. Et le plus incroyable, c'est que l'IA est déjà partout dans votre quotidien, même si vous ne vous en rendez pas toujours compte.

Cette fiche va vous permettre d’en apprendre davantage sur l'intelligence artificielle, les différents concepts qui y sont associés et la manière dont cette technologie influence notre quotidien et ce qu’elle pourrait signifier pour notre avenir.

1. L’intelligence artificielle

A. Définition

L’intelligence artificielle (IA) désigne un domaine de l’informatique consacré à la création de systèmes informatiques capables d’exécuter des tâches nécessitant généralement des capacités cognitives humaines. Les logiciels et algorithmes conçus par l’IA doivent être capables de simuler des processus mentaux humains, tels que, entre autres, la reconnaissance visuelle ou le traitement du langage naturel afin de comprendre des données, résoudre des problèmes, prendre des décisions et s’adapter à de nouvelles situations.

L’intelligence artificielle repose sur des techniques telles que le machine learning (ou apprentissage automatique), le deep learning (les réseaux de neurones artificiels) et le traitement automatique du langage naturel pour analyser d’énormes quantités de données, en extraire des modèles et informations pertinentes.

B. Origine et évolution de l’IA

L'histoire de l'intelligence artificielle s'étend sur un peu plus de 60 ans et est une discipline multidisciplinaire qui vise à reproduire les capacités cognitives humaines en utilisant des sciences, des théories et des techniques telles que la logique mathématique, les statistiques, la neurobiologie computationnelle et l'informatique.

Les Pionniers de l'IA

L'IA a émergé après la Seconde Guerre mondiale, notamment grâce aux travaux de Norbert Wiener, un pionnier de la cybernétique, qui cherchait à unifier la théorie mathématique, l'électronique et l'automatisation. En 1943, Warren McCulloch et Walter Pitts ont développé le premier modèle mathématique du neurone biologique.

John Von Neumann et Alan Turing

Dans les années 1950, John Von Neumann et Alan Turing ont joué un rôle fondamental en formalisant l'architecture des ordinateurs modernes et en démontrant leur capacité à exécuter des programmes. Turing a également posé la question de l'intelligence des machines dans son célèbre article de 1950, introduisant le concept du "test de Turing" pour évaluer l'intelligence artificielle.

John McCarthy et la Conférence de Dartmouth

Le terme "intelligence artificielle" a été popularisé par John McCarthy du MIT, qui a défini l'IA comme la construction de programmes informatiques capables de réaliser des tâches exigeant des processus mentaux de haut niveau. La conférence de Dartmouth en 1956 est considérée comme fondatrice de la discipline.

Stagnation de l’IA

Dans les années 70, le regard de l’opinion publique sur l’IA n’est pas favorable : l’intelligence artificielle est vivement critiquée et subit de fortes réductions de financement (ils sembleraient que les chercheurs aient minimisés les défis associés à son développement). Il y a néanmoins de nouvelles idées qui émergent, notamment dans le domaine de la programmation logique.

Les systèmes Experts

Dans les années 1980 et 1990, l'IA a connu une période axée sur les systèmes experts, des systèmes conçus pour reproduire les processus cognitifs d'experts dans des domaines spécifiques,tels que DENDRAL et MYCIN, qui utilisaient un moteur d'inférence pour résoudre des problèmes spécifiques. Cependant, ces systèmes étaient coûteux à maintenir et avaient leurs limites.

L'Avènement du Deep Learning

Depuis 2010, l'IA connaît un nouvel essor grâce à l'accès à d'énormes quantités de données et à la puissance de calcul accrue des ordinateurs. Les techniques d'apprentissage profond (deep learning), promues notamment par Geoffrey Hinton, Yoshua Bengio et Yann LeCun, ont révolutionné l'IA en permettant aux machines d'apprendre par elles-mêmes grâce à la corrélation et la classification des données. Cela a conduit à des avancées notables dans des domaines tels que la reconnaissance vocale, la reconnaissance d'images et la recherche d'informations.

L'IA actuelle et future

L'intelligence artificielle continue de progresser à un rythme soutenu, avec des réalisations notables telles que la victoire d'AlphaGo contre les champions mondiaux de Go en 2016. En parallèle, Google, en tant que premier moteur de recherche mondial, a joué un rôle fondamental dans le développement et la promotion de l'intelligence artificielle. La société a révolutionné la recherche en ligne en mettant en place une IA capable de saisir les besoins, les préférences et les intentions des utilisateurs.

Cependant, il reste encore de nombreux défis à relever afin de créer des systèmes d'IA qui comprennent pleinement le texte et les intentions humaines.

2. Le machine learning

A. Définition

Le machine learning, ou apprentissage automatique, est une discipline qui repose sur un principe essentiel : l’entraînement de modèles sur des échantillons de données. Ces modèles sont ensuite utilisés pour prendre des décisions et faire des prédictions sur de nouvelles données inconnues. En d’autres termes, il s’agit de prédire l’avenir en se basant sur les exemples du passé.

Les performances des modèles de machines learning vont fortement dépendre de la qualité des données sur lesquelles ils ont été formés; des données d'entraînement de hautes qualités donneront des prédictions plus précises. Le machine learning nécessite une intervention humaine importante pour extraire les caractéristiques pertinentes des données, traiter les informations et classifier les données afin de garantir que le modèle apprend de manière appropriée.

Par exemple, si votre modèle de machine learning doit être capable de reconnaître automatiquement des images de chiens parmi une collection de photos, il va d’abord falloir ;

1. Constituer un ensemble de données provenant de diverses sources (web, bases de données d’images,...) contenant un grand nombre d’images de chiens ainsi que des images ne contenant aucun chien.
2. Ensuite, un humain doit examiner et annoter chaque image (association d’une étiquette) et indiquer si elle contient ou non un chien.
3. Ces images annotées forment un ensemble d’entraînement qui est utilisé pour former un modèle de machine learning à reconnaître des chiens.
4. Après l'entraînement, le modèle doit être testé sur un ensemble de validation afin d’évaluer ses performances et si besoin, ré-entraîner le modèle après avoir fait les ajustements nécessaires.

B. Les types de machine learning

L’apprentissage automatique se décline en plusieurs types, chacun adapté à un contexte spécifique :

- l’apprentissage supervisé : chaque ensemble de données est associé à une étiquette ( aussi appelée “cible”) et vont constituer les données d'entraînement pour former le modèle à prédire l’étiquette correcte pour les nouveaux points de données.
- l’apprentissage non supervisé : il n’y a aucune étiquette associée aux données de formation. Le modèle va plutôt chercher les structures ou relations cachées dans les données.
- l’apprentissage par renforcement : l’apprentissage se fait à partir de l’interaction avec un environnement, au moyen de récompenses et pénalités comme moyens de retour.
- l’apprentissage semi supervisé : cet apprentissage se fait grâce à l’exploitation de données étiquetées et non étiquetées.

3. Le deep learning
1. A. Définition

Le deep learning, souvent désigné par “apprentissage profond” est une sous-catégorie de l'apprentissage automatique (machine learning). Il est qualifié de “profond” en raison de son niveau d’avancement supérieur car il s'appuie sur un réseau de neurones artificiels pour simuler le fonctionnement de l'intelligence humaine.

Le deep learning nécessite un très grand ensemble de données et une très grande puissance de calcul car il modélise des données complexes. Contrairement au machine learning, il ne nécessite pas d’extraction manuelles des caractéristiques car il apprend directement à partir des données brutes.

Un réseau de neurones profonds

Un réseau de neurones artificiels est constitué de nombreux nœuds de traitement et chaque nœud se connecte à un autre, comme les neurones d’un cerveau humain ! La connexion d’un nœud peut se faire à différents autres nœuds en de nombreuses couches, au-dessus ou en dessous de lui. Un réseau neuronal profond, autrement dit de deep learning, comprend trois types de couches (appelées “couches nodales”) :

la couche d'entrée (qui concerne les données d’entrée),
les couches cachées (qui peuvent être multiples, et qui concernent les valeurs transmises entre les neurones)
et la couche de sortie (qui concerne les résultats et prédictions).

Illustration d’un réseau de neurones artificiels provenant du site IBM

Chaque nœud est essentiel dans le réseau neuronal, ils reçoivent chacun des signaux des autres nœuds et chaque signal est pondéré en fonction de son importance, et ces pondérations sont appelées "poids". Le nœud effectue ensuite une somme pondérée de ces signaux, puis applique une règle : si la somme dépasse un certain seuil, le nœud est activé et envoie un signal aux nœuds suivants. Sinon, il n’envoie rien.

Lorsque ces réseaux de neurones artificiels apprennent à faire des choses comme reconnaître des images ou comprendre le langage, ils ont besoin d'énormément de données. Ils passent par ces données à plusieurs reprises, ajustant les poids à chaque itération pour devenir plus précis dans leurs décisions. Chaque erreur est examinée, et les poids sont modifiés pour minimiser ces erreurs. En d'autres termes, ces réseaux apprennent de leurs erreurs. Chaque couche nodale s’entraîne donc en utilisant les résultats générés par la couche précédente.. Plus le réseau comporte de couches, plus il saura reconnaître et traiter des informations complexes.

4. Application de l’IA dans les entreprises
La reconnaissance d’images

Le deep learning a considérablement amélioré les performances de la reconnaissance d’images, que ce soit pour identifier des lieux, des individus ou et des objets dans une image fixe ou dans une vidéo. Cross Data souligne que cela a des répercussions positives sur l’optimisation des processus et de la production. En effet, il devient possible de détecter des éléments clés afin de prédire une situation, ce qui peut conduire à l’automatisation de divers processus métier. Cette technologie est largement exploitée dans les domaines de la reconnaissance faciale (voir le site DataSciencetest pour son fonctionnement), la détection d’objets dans les véhicules autonomes et la catégorisation d’images sur les réseaux sociaux.

Un autre cas d’application du traitement d’images est dans le domaine médical. On peut maintenant repérer des mélanomes sur les photos de peau, dépister des rétinopathies diabétique via des images de rétines, des cancers du sein,...

Le traitement du langage naturel (NLP)

Le traitement du langage naturel est un domaine de l’IA qui permet aux ordinateurs de comprendre le langage humain. Le deep learning permet d’extraire automatiquement le sens d’un texte grâce aux algorithmes et est utilisé dans tout ce qui concerne la génération de texte, l’analyse des sentiments, la réponse aux questions, la traduction automatique,... Il vient améliorer les performances des systèmes de traitement automatique du langage naturel. On retrouve son utilisation dans les assistants vocaux (Siri, Alexa, Google Assistant,...) et plus largement les chatbots par exemple, qui utilisent le deep learning pour comprendre et répondre par la parole humaine.

Les véhicules autonomes

Le deep learning est utilisé pour modéliser le monde environnant d’une voiture autonome, permettant à celle-ci de prendre des décisions de conduite. Ces modèles s’appuient sur une grande quantité de données et d’image de conduite, nécessitant une puissance de calcul élevée afin de permettre à la voiture de prendre continuellement des décisions sans interruption.

La recommandation de produit et publicité en ligne

Les algorithmes vont se baser sur votre historique d’achat, vos recherches en ligne ,.. afin de vous recommander des produits susceptibles de vous intéresser. D’ailleurs, Netflix et Amazon utilisent une infrastructure de machine learning afin de vous proposer des films et produits en fonction de vos préférences passées. Il en est de même pour les plateformes publicitaires. Facebook va vous proposer des annonces en fonction de vos intérêts et de votre comportement de navigation.

La détection de fraude

L’intelligence artificielle, permet, dans le domaine financier, de prévoir les tendances du marché, de gérer les risques,... Elle est surtout avancée et implantée dans les banques pour détecter les transactions frauduleuses et anormales en analysant les modèles d’activités des clients. Mastercard compte 2,2 milliards de cartes en circulation dans 330 pays. Grâce au machine learning, le système peut analyser plus de 160 millions de transactions par heure en quelques millisecondes et appliquer jusqu’à 1,9 million de règles différentes pour vérifier chaque transaction.

Médecine et santé

Selon Briganti, les algorithmes d'IA en médecine peuvent apporter une analyse approfondie des données des patients, permettant d'identifier des modèles et des tendances potentiellement complexes, échappant parfois à la détection humaine. Des robots sont désormais utilisés en chirurgie pour assister les médecins ou effectuer des opérations difficiles (Da Vinci, Hearlander,...). L’intelligence artificielle peut également alléger la charge de travail des médecins en automatisant des tâches fastidieuses et chronophages. De plus, l'IA a la capacité d'explorer une vaste quantité de littérature médicale pour mettre en lumière des articles et des résultats pertinents liés à un patient spécifique ou à une condition médicale particulière.

L’utilisation croissante de l’intelligence artificielle en médecine soulève de plus en plus de questions éthiques et pratiques. L’INSERM indique notamment que si un professionnel de la santé est guidé par un système décisionnel automatique, il se doit d’en informer le patient afin de lui expliquer les raisons qui sous-tendent cette décision et le processus qui y a mené. Le praticien devrait avoir la liberté de rejeter les recommandations faites par l’IA s’il juge celles-ci erronées, de même que le patient devrait pouvoir refuser une recommandation provenant de l’IA. La question de la responsabilité légale se pose en cas de divergences entre les recommandations de l’IA et les normes générales. L’INSERM souligne la nécessité de considérer la formation des professionnels de la santé à l’utilisation de l’IA : elle ne remplace pas leur expertise mais elle devient incontournable dans le domaine.

La traduction

Les logiciels de traduction utilisant le machine learning font ce qu’on appelle de la traduction automatique statistique : ils utilisent des traductions humaines existantes et recherchent des modèles statistiques. Au lieu de règles linguistiques, ces logiciels se basent sur des prédictions statistiques afin de traduire de nouveaux textes; et ces prédictions reposent sur la probabilité que certaines phrases ou mots se correspondent à d’autres dans la langue cible. Un exemple de ces logiciels est Google Translate. Dans l’illustration ci-dessous, les zones jaunes marquent les segments traduits, montrant une traduction correcte pour la première phrase mais une confusion dans la deuxième, où "a sauté" devrait être traduit par "skipped" dans les deux cas. Dans la première phrase, "sauté un repas" est traduit comme un seul segment, éliminant l'ambiguïté. Cependant, dans la deuxième phrase, "a sauté" est dissocié de "un repas", créant une ambiguïté que le système résout en choisissant la traduction avec le score le plus élevé. Pour corriger cela, il faudrait tenir compte du contexte global.

Illustration de la traduction automatique statistique avec Google Translate provenant du site Interstices

Automatisation industrielle, maintenance prédictive et surveillance des équipements

De plus en plus d’entreprises manufacturières utilisent des algorithmes de machine learning et de deep learning entraînés avec des données de l’Internet industriel des objets (IIoT) pour prédire les pannes de machines, les défaillances d’un équipement et planifier la maintenance avant qu'elles ne surviennent. L’intelligence artificielle est capable de surveiller en temps réel l’état des équipements et d’identifier des comportements inhabituels et de diagnostiquer divers types de dysfonctionnement. Les avantages de l’IA pour une entreprise est qu’elle apprend des données historiques et s’adapte aux évolutions, elle offre donc une solution flexible et évolutive. De plus, la maintenance prédictive permet de réduire les coûts de maintenance et les pertes relatives aux interruptions de services.

La tarification dynamique

L’optimisation intelligente des prix grâce au machine learning intéresse de nombreux secteurs, surtout l’industrie du voyage, l’hôtellerie, les compagnies aériennes,... car il permet d’avoir un ajustement régulier et en temps réel des prix en fonction des besoins et tendances du marchés, des attentes et comportements des clients, de la demande actuelle, des données historiques sur les prix, des niveaux de stocks, des évènements saisonniers, de la concurrence,... L’objectif est d’optimiser les prix afin de maximiser les revenus ou les marges bénéficiaires. La tarification dynamique peut être personnalisée en fonction du profil du client grâce aux données relatives au comportement d’achat, les préférences individuelles,...

Besoin d’une aide supplémentaire ?

Quand la simulation 3D redéfinit les processus industriels

laurie — Fri, 07 Aug 2020 13:55:30 +0000

Quand la simulation 3D redéfinit les processus industriels

Tags

Intelligence Artificielle

Logiciel

laurie Fri, 08/07/2020 - 15:55

Télécharger le PDF

Fiche Simulation 3D

Body

Découvrez la simulation de flux de productions, une technologie qui révolutionne l’optimisation industrielle ! En effet, cette fiche vous permet d’explorer en détails le concept de la simulation de processus en 3D, dévoilant ses avantages, limites et obstacles. Découvrez également quelques exemples d’applications pratiques de la simulation de flux dans le milieu industriel.

Qu’est-ce que la simulation de flux en 3D ?

Pour aborder les détails de la simulation des flux en 3D et de son utilisation en milieu industriel, il est essentiel de comprendre plusieurs concepts préliminaires qui posent les fondations d’une bonne compréhension de cette technologie novatrice. La simulation de flux, les différentes représentations 2D et 3D,... constituent des éléments clés qui permettent de saisir pleinement l’importance et les applications pratiques de la simulation 3D dans le contexte de la modélisation et de l’optimisation des processus de production.

La simulation de flux

La simulation de flux, une approche largement adoptée dans le milieu industriel, consiste à modéliser des systèmes de production en manipulant des éléments généraux tels que les machines, les convoyeurs et les stocks, chacun caractérisé par des états spécifiques qui reflètent la réalité opérationnelle.

Grâce à cette approche, il est possible de prendre en compte les phénomènes aléatoires et la variabilité du monde réel, ce qui permet de reproduire le plus fidèlement possible des comportements complexes tels que la gestion des ressources, la gestion des aléas, la simultanéité des activités et les logiques de pilotage d’un système de production.

Les représentations de la simulation de flux

La simulation de flux est généralement représentée en 2D ou en 3D. Ces maquettes numériques offrent une vision virtuelle interactive des opérations en temps réel, ce qui facilite l’analyse détaillée de l’évolution des flux et des résultats. Chaque représentation, qu’elle soit en 2D ou en 3D, avec ou sans animation, a ses avantages et inconvénients, et ceux-ci doivent être pris en compte en fonction des besoins spécifiques de modélisation et des capacités disponibles.

- La représentation 2D : elle est souvent plus facile à créer et à interpréter. Elle est idéale pour des processus linéaires ou simples, offrant plus de clarté visuelle. Les outils de modélisation 2D sont souvent plus abordables et accessibles que les outils de modélisation 3D, les rendant davantage attrayants pour les entreprises ayant des besoins de modélisation plus basique et des contraintes budgétaires limitées.
- La représentation 3D : il s’agit d’un outil qui permet de créer des modèles virtuels représentant des processus et des systèmes dans un environnement tridimensionnel. Il est à privilégier pour visualiser des processus plus complexes et approfondis. Il faut toutefois veiller à ne pas surcharger la représentation de détails superflus pour éviter toute confusion visuelle et complexité inutile.
- Sans simulation : les représentations sans simulation ou animation se concentrent sur la modélisation statique des processus. Elles peuvent être utiles pour des analyses ponctuelles. La capacité à comprendre pleinement les dynamiques et les changements au fil du temps se trouve limitée.
- Avec simulation/animation : l’ajout de simulation ou d’animation aux représentations permet une visualisation en temps réel des dynamiques opérationnelles ainsi que des interactions entre les différents composants. Il s’agit d’un outil d’analyse des systèmes complexes très puissant !

Selon le site Simcore, la simulation est devenue un indispensable pour résoudre des problèmes d’optimisation de flux physiques ou des flux d’informations dans les systèmes de production manufacturiers, intégrant la notion d’évolution dans le temps, de la diversité des interactions, de la variabilité,... La simulation des flux permet également de facilement comparer différentes situations en jouant sur les paramètres, à travers différents scénarios. Elle facilite les tests et les analyses approfondies des configurations de production qui pourraient être difficiles à réaliser dans un environnement réel. La simulation de flux est couramment utilisée avant la mise en service afin d’analyser et d’améliorer les processus de production existants ou planifiés, avec pour objectif d'optimiser l’agencement des machines, le flux de matériaux, les temps de cycle, l’analyse des goulots d'étranglement et l’optimisation de la logistique de production. Cette pratique peut être réalisée à différentes étapes du développement du produit ou de la planification de la production.

Notons que les représentations en 3D, et plus particulièrement les simulations 3D, permettent aux utilisateurs de “plonger” de manière immersive dans les détails et les dynamiques de l’environnement modélisé. L’analyse et le traitement des modèles 3D sont généralement plus coûteux et demandent des compétences spécialisées pour être utilisés de manière efficace. C’est pourquoi une évaluation minutieuse de facteurs, tels que les ressources disponibles en termes de budget, temps et compétences techniques, est essentielle pour déterminer quelle méthode de représentation convient le mieux à un projet donné.

Représentation d’une simulation de flux provenant du site Agilea

Les limites de la simulation de flux

La simulation de flux présente certaines limitations dans son application pratique :

En premier lieu, elle ne peut pas mener à une optimisation directe des performances d'un système, mais reste utile pour répondre à des interrogations de type "Que se passe-t-il si... ?" Cependant, si les objectifs d'optimisation peuvent être formulés sous forme mathématique, il est envisageable d'intégrer la simulation avec un outil d'optimisation pour obtenir des résultats plus précis.

Par ailleurs, bien que la simulation de flux ne puisse résoudre seule des problèmes, elle fournit des indications et des tendances qui peuvent servir de base à la déduction de solutions. Pour maximiser son utilité, il est crucial de collecter les indicateurs pertinents tels que l'état des équipements, le niveau d'en-cours, le rendement et les délais, et de favoriser une approche collaborative pour interpréter et exploiter ces données de manière efficace.

Enfin, la précision des résultats de la simulation est étroitement liée à la qualité des données utilisées. Si les données sont imprécises ou si les règles de fonctionnement du système ne sont pas correctement décrites, la simulation ne pourra pas garantir des résultats précis et fiables. Ainsi, il est essentiel de veiller à une modélisation complète du système et à l'utilisation de données précises pour une application adéquate de la simulation de flux.

La mise en service virtuelle

La mise en service virtuelle ("virtual commissioning" en anglais) est une pratique essentielle dans le domaine de l’ingénierie et de la production industrielle. Il s’agit d’une application de simulation 3D, où des modèles virtuels sont utilisés pour tester, anticiper et valider un processus ou un système avant sa mise en service réelle. La mise en service virtuelle permet donc de simuler, en 3D, le fonctionnement d’un processus ou d’une installation ainsi que ses équipements dans un environnement virtuel, reproduisant ainsi le comportement attendu du système réel.

L’objectif de cette approche, souvent réalisée dans les phases finales de la mise en place d’une nouvelle installation ou d’un nouveau processus, est de tester les scénarios d’opération, résoudre les problèmes techniques et réduire les risques liés à la mise en service réelle. Les différentes équipes impliquées dans le projet peuvent collaborer pour optimiser les paramètres opérationnels et prendre des décisions éclairées avant la mise en œuvre effective du processus industriel. Cela se traduit par un gain de temps, d'argent et une amélioration de la qualité du processus global.

D’après Sky-Real, la mise en service virtuelle peut tirer parti des nouvelles technologies telles que la réalité augmentée, la réalité virtuelle ou encore le jumeau numérique pour améliorer l’efficacité et la précision du processus de simulation.

- la réalité augmentée permet de superposer des informations virtuelles sur des environnements réels afin de faciliter la visualisation des modifications à apporter
- la réalité virtuelle permet de simuler des scénarios réalistes qui peut aider les utilisateurs à se familiariser avec le fonctionnement du système,
- le jumeau numérique, une réplique virtuelle complète d’un système physique, permet d’effectuer des tests et analyses prédictives approfondis.

Illustration d’une mise en service virtuelle provenant du site Siemens

La mise en service virtuelle présente certaines limites. Parmi celles-ci, on retrouve la nécessité de vérifier la compatibilité et de choisir le bon logiciel de mise en service virtuelle, en évitant de se précipiter sur la première option disponible. De plus, l'obtention de données précises et une représentation fidèle du système sont indispensables, tout comme la gestion des coûts initiaux élevés, la complexité, ainsi que la maintenance et la mise à jour souvent délicates.

En ce qui concerne les menaces, il est important de considérer la concurrence croissante, l'évolution constante des normes industrielles, les dépendances technologiques ainsi que les résistances au changement au sein des équipes. Une gestion proactive de ces facteurs est essentielle pour assurer une transition fluide vers l'utilisation efficace de la mise en service virtuelle et pour garantir des résultats optimaux tout au long du processus de production.

Quels sont les avantages et limites pour les entreprises ?

La simulation 3D constitue un atout considérable pour les entreprises en offrant une immersion visuelle dans les processus, favorisant ainsi une compréhension approfondie des interactions et des dynamiques opérationnelles. Cette technologie permet une analyse en temps réel, permettant des décisions rapides et des ajustements en temps réel en fonction des résultats obtenus. Les tests approfondis de configurations et de production, de scénarios et de variations de paramètres sont facilités, contribuant à l’optimisation des opérations.

La simulation 3D se distingue par sa capacité à modéliser avec précision la dynamique de certaines opérations et paramètres, par exemple la dynamique de certains buffers peut être très complexe à simuler avec précision à l'aide de simples feuilles de calcul. C’est pourquoi des logiciels spécialisés sont souvent nécessaires afin d’effectuer des simulations avancées, prenant en compte des variables telles que des pannes, des retards de productions et d’autres scénarios probables.Cela permet d'obtenir des statistiques précises telles que les kilomètres parcourus par les employés ou le nombre de produits fabriqués en retard.En utilisant une approche par événements discrets, la simulation dynamique de flux permet d'effectuer des simulations de plusieurs mois en seulement quelques minutes, offrant ainsi une solution puissante pour l'analyse et l'optimisation des processus de production.

Cependant, malgré ses avantages indéniables, l’utilisation de la simulation 3D n’est pas sans ses défis et limites. En effet, l’implémentation d’une simulation 3D peut engendrer des coûts élevés en termes de logiciels, matériel et formation. La création et la gestion des modèles 3D exigent généralement des compétences spécialisées et une certaine familiarisation avec les outils de modélisation. La précision des données afin de garantir une représentation fidèle du processus est également cruciale. De plus, il est nécessaire d’entretenir et de mettre à jour régulièrement ces modèles pour qu’ils restent pertinents. Leur analyse en temps réel requiert également l’utilisation de ressources informatiques importantes… Ces divers facteurs peuvent représenter des obstacles significatifs pour certaines entreprises.

L’utilisations de la simulation de flux en milieu industriel

La simulation de flux, grâce à ses capacités avancées, trouve diverses applications cruciales dans le milieu industriel, apportant des améliorations significatives à l'efficacité opérationnelle. Par exemple, elle s'avère être un outil inestimable pour modéliser les flux de travail dynamiques, allant de la gestion des matières premières aux déplacements complexes des travailleurs au sein d'un espace défini.

Dans le contexte des entreprises utilisant des AGV (Automated Guided Vehicles) ou confrontées à la gestion complexe des files d'attente, la simulation de flux en 2D ou 3D offre bien plus qu'un simple suivi en temps réel. Elle fournit une vision détaillée des opérations, permettant une compréhension approfondie des goulots d'étranglement potentiels et des points de congestion. Cette visualisation dynamique n'est pas seulement un outil d'observation, mais également une plateforme interactive facilitant des ajustements en temps réel pour optimiser l'efficacité opérationnelle. Elle contribue activement à la réduction des temps d'attente, améliorant ainsi la productivité globale.

L'efficacité opérationnelle peut être encore renforcée par l'intégration de scénarios réalistes dans la simulation de flux. Par exemple, en modélisant des situations de surcharge, des variations dans la demande, ou des pannes potentielles d'équipements, les entreprises peuvent anticiper et élaborer des stratégies pour atténuer les effets négatifs sur la production. Cette approche proactive permet non seulement de réduire les temps d'arrêt imprévus mais aussi d'optimiser les ressources disponibles, garantissant une exécution fluide des opérations.

En résumé, la simulation de flux, allant au-delà d'un simple outil de suivi, se positionne comme un partenaire stratégique dans l'amélioration continue des processus industriels, offrant une compréhension approfondie et des solutions pratiques pour accroître l'efficacité opérationnelle.

Besoin d’une aide supplémentaire ?

Les jumeaux numériques : une révolution industrielle à la portée de tous

laurie — Thu, 06 Aug 2020 12:05:10 +0000

Les jumeaux numériques : une révolution industrielle à la portée de tous

Tags

Intelligence Artificielle

laurie Thu, 08/06/2020 - 14:05

Télécharger le PDF

Fiche jumeaux numériques

Body

Au cœur de la révolution industrielle 4.0 se trouve une innovation révolutionnaire : les jumeaux numériques (digital twins). Mais qu'est-ce que c'est vraiment ? Pourquoi sont-ils si importants pour les entreprises et comment fonctionnent-ils ? Dans cette fiche, nous allons explorer ces questions et démystifier les jumeaux numériques.

Qu’est-ce qu’un jumeau numérique ?

Un jumeau numérique (Digital twin) est une duplication virtuelle d'un système physique ou d'un processus de fabrication. Dans le contexte de l'industrie, cela se traduit souvent par la création d'une réplique numérique d'une usine, d'une machine ou même d'un produit. L'objectif principal du jumeau numérique est de permettre aux entreprises d'explorer, de simuler et d’optimiser leurs opérations virtuellement avant de les mettre en œuvre dans le monde réel. Cette technologie offre une multitude d'avantages dans le cadre de l'Industrie 4.0.

Comment fonctionnent les jumeaux numériques ?

Le jumeau numérique fonctionne en créant une réplique virtuelle d'un objet physique, d'un processus ou d'un système. Cela implique la collecte de données du monde réel, la modélisation de ces données dans un environnement virtuel et l'utilisation de ce modèle pour simuler, analyser et optimiser des scénarios. Voici une explication plus détaillée du processus :

1. Acquisition des données : les capteurs et les dispositifs IoT (Internet des objets) collectent des données en temps réel à partir des équipements physiques, des machines, des processus ou des systèmes que l'on souhaite reproduire virtuellement. Ces données peuvent inclure des informations sur les performances, les conditions environnementales, les niveaux de production, etc.
2. Modélisation : les données collectées sont utilisées pour créer un modèle numérique qui représente fidèlement l'objet physique ou le processus dans le monde virtuel. Ce modèle peut prendre la forme d'une représentation 3D, mais il peut également inclure des aspects fonctionnels, comportementaux et opérationnels.
3. Interconnexion des données : les données du monde réel sont intégrées au modèle numérique, créant ainsi une correspondance en temps réel entre le jumeau numérique et son homologue physique. Cela permet au jumeau numérique de refléter de manière précise les changements et les évolutions du monde réel.
4. Simulation et analyse : les utilisateurs peuvent simuler des scénarios, des opérations ou des modifications dans le jumeau numérique. Cela peut inclure des tests de différentes configurations, des évaluations de performances, des analyses de la chaîne logistique, etc. Les résultats de ces simulations sont analysés pour prendre des décisions éclairées.
5. Optimisation : les résultats de la simulation permettent d’apporter des ajustements au modèle numérique pour optimiser les performances. Cela peut inclure des modifications de conception, des changements de processus, des mises à jour de logiciels, etc.
6. Rétroaction en temps réel : le jumeau numérique reste connecté au monde réel grâce à la collecte continue de données en temps réel. Cela permet une rétroaction constante et une mise à jour du modèle numérique pour refléter les changements réels et garantir une représentation précise.

L’impact des jumeaux numériques dans l’industrie

Les jumeaux numériques ont véritablement révolutionné le domaine industriel en transformant la manière dont les produits sont développés et les équipements sont utilisés. Avant l'avènement de la notion de jumeau numérique, les entreprises devaient créer physiquement un objet pour le soumettre à une série de tests, apporter des modifications, etc. Avec les jumeaux numériques, les données recueillies sur l'évolution de l'objet permettent d'anticiper et d'optimiser ses performances. Cela se traduit par plusieurs avantages pour les entreprises, notamment une amélioration de la fiabilité de leurs produits, un renforcement de la sécurité de ces produits, une augmentation de la confiance des consommateurs, et la réduction des coûts de réparation en anticipant les défaillances à venir.

Le champ d'application des jumeaux numériques est vaste, mais leur pertinence dépend de la maîtrise des données. En effet, les jumeaux numériques offrent une multitude d'avantages qui transforment fondamentalement la façon dont les entreprises fonctionnent. Ils permettent une prise de décision éclairée en offrant la possibilité de simuler et d'analyser des scénarios en temps réel, ce qui réduit les risques associés à l'innovation. De plus, ils simplifient l'optimisation des opérations en identifiant les inefficacités potentielles et en permettant des ajustements précis. En outre, ils contribuent à améliorer la sécurité des produits grâce à la maintenance prédictive, ce qui réduit les temps d'arrêt non planifiés et garantit une fiabilité accrue. Enfin, en anticipant les défaillances et en fournissant des produits de meilleure qualité, les jumeaux numériques renforcent la confiance des consommateurs.

Cette technologie a profondément impacté le secteur industriel, offrant de nouvelles possibilités pour l'innovation, l'efficacité opérationnelle et la satisfaction des clients.

Exemple de jumeau numérique

Ces exemples illustrent comment le jumeau numérique peut être appliqué de manière variée pour améliorer l'efficacité, réduire les coûts et favoriser l'innovation dans divers secteurs industriels.

Manufacturing (Fabrication) :

Optimisation des processus de production : une entreprise peut créer un jumeau numérique de son usine pour simuler différentes configurations d'agencement des machines, de flux de production et de logistique afin d'optimiser l'efficacité opérationnelle.
Maintenance prédictive : en surveillant en temps réel les données provenant des capteurs intégrés aux machines, le jumeau numérique peut anticiper les pannes potentielles, permettant ainsi une planification proactive de la maintenance.

Aérospatiale :

Conception et test de produits : les fabricants d'aéronefs peuvent utiliser le jumeau numérique pour simuler le comportement des composants et des systèmes en conditions de vol virtuelles, accélérant ainsi le processus de conception et de test.
Formation des pilotes et maintenance : les jumeaux numériques des cockpits et des systèmes aéronefs facilitent la formation des pilotes et du personnel de maintenance, permettant des simulations réalistes sans avoir besoin d'équipement physique.

Santé :

Modélisation de procédures médicales : le jumeau numérique peut être utilisé pour simuler des procédures médicales complexes, permettant aux chirurgiens de s'entraîner et de planifier des interventions avant de les effectuer sur des patients réels.
Optimisation des opérations hospitalières : en simulant les flux de patients, les ressources et les protocoles opérationnels, le jumeau numérique peut contribuer à optimiser l'efficacité des opérations hospitalières.

Automobile :

Développement de véhicules et de composants : les constructeurs automobiles utilisent des jumeaux numériques pour simuler le comportement des véhicules, tester de nouveaux designs, et évaluer les performances des composants avant la fabrication.
Chaîne logistique virtuelle : la simulation des opérations logistiques dans un jumeau numérique aide à optimiser la chaîne d'approvisionnement, réduisant les coûts et améliorant la gestion des stocks.

Énergie :

Optimisation des réseaux énergétiques : les gestionnaires de réseaux électriques peuvent utiliser des jumeaux numériques pour simuler et optimiser la distribution de l'énergie, intégrant des sources d'énergie renouvelable de manière efficace.
Maintenance des installations : les jumeaux numériques des centrales électriques permettent la surveillance en temps réel des équipements, facilitant la maintenance prédictive et réduisant les temps d'arrêt imprévus.

Mise en Place d'un Jumeau Numérique

La mise en place d'un jumeau numérique peut représenter un investissement significatif, et les coûts peuvent varier en fonction de divers facteurs tels que la complexité du système, la taille de l'entreprise, le secteur d'activité et les objectifs spécifiques du projet. Voici quelques éléments à prendre en compte lors de l'évaluation des coûts liés à la mise en place d'un jumeau numérique :

- Technologies et logiciels : l'acquisition de logiciels de modélisation, de simulation et d'analyse est souvent l'un des coûts principaux. Des licences pour des plates-formes de modélisation 3D, des logiciels de simulation, des outils d'analyse de données en temps réel, etc.peuvent être nécessaires.
- Capteurs et dispositifs IoT : la mise en place d'un jumeau numérique nécessite des capteurs pour collecter des données du monde réel. Les coûts liés à l'achat, à l'installation et à la maintenance de capteurs et de dispositifs IoT doivent être pris en compte.
- Infrastructure informatique : les entreprises peuvent avoir besoin de renforcer leur infrastructure informatique pour prendre en charge les exigences de traitement de données en temps réel et de simulation. Cela peut inclure l'achat de serveurs performants, de solutions de stockage, et éventuellement l'utilisation de services cloud.
- Formation du personnel : la formation du personnel sur l'utilisation des outils de modélisation, de simulation et d'analyse est essentielle. Des coûts liés à la formation peuvent être nécessaires pour s'assurer que l'équipe est capable de maximiser les avantages du jumeau numérique.
- Intégration avec les systèmes existant : si le jumeau numérique doit être intégré avec les systèmes existants (systèmes de contrôle, ERP, etc.), des coûts d'intégration peuvent s'appliquer pour assurer une communication fluide entre le jumeau numérique et les autres composants du système.
- Maintenance continue : la maintenance du jumeau numérique pour assurer sa précision, sa fiabilité et sa sécurité est une considération importante. Cela peut impliquer des coûts liés à la surveillance des capteurs, la mise à jour des logiciels et la résolution de problèmes potentiels.
- Sécurité : assurer la sécurité des données et du jumeau numérique est crucial. Des investissements dans des mesures de sécurité, y compris la protection des données, la cybersécurité et la conformité aux normes, peuvent être nécessaires.

Il est recommandé de réaliser une analyse approfondie des besoins spécifiques de l'entreprise avant d'investir dans un jumeau numérique. Les entreprises peuvent également envisager de commencer par des projets pilotes plus petits avant de mettre en œuvre une solution à plus grande échelle. Collaborer avec des experts en technologie et en modélisation peut également aider à optimiser les coûts et à maximiser les avantages du jumeau numérique.

Intelligence Artificielle

La réalité virtuelle

Qu’est-ce que c’est ?

La réalité virtuelle passive

La réalité virtuelle active

Différence avec la réalité augmentée et la réalité mixte

La réalité augmentée (RA)

La réalité mixte (RM)

Les degrés de liberté

Origines

Et demain?

Pour qui ?

Les inconvénients de la réalité virtuelle

Besoin d’une aide supplémentaire ?

RoutaR, un outil de planification de tournées de véhicules performant et facilement adaptable, une solution de mobilité intelligente

Prérequis

Pour qui ?

Pour quoi faire ?

Les atouts de RoutaR

Fonctionnement de RoutaR

Les microservices

Comment fonctionne le microservice Matrix ?

GraphHopper

La démonstration en vidéo

Pour aller plus loin

Besoin d’une aide supplémentaire ?

Introduction aux chatbots : la révolution de l'interaction humaine avec la technologie

Un Chatbot, qu’est-ce c’est?

Comment ça fonctionne ?

Les typologies de chatbots

Les chatbots basiques

Les chatbots adapté ou non au domaine d’expertise

Les chatbots dans le domaine de la gestion relation client

Qu’est-ce que ChatGPT ?

Les biais et hallucinations des chatbots

Beaucoup de questions…et de travail à faire !

D’où viennent les chatbots ?

Les têtes parlantes

Le test de Turing

ELIZA

A.L.I.C.E

Eugene Gootsman

Sophia

Les assistants vocaux Siri, Alexa, Google Assistant,...

Pour en savoir plus !

Besoin d’une aide supplémentaire ?

Introduction à la réalité augmentée : la fusion du réel et du virtuel

La réalité augmentée, qu’est-ce que c’est ?

Réalité virtuelle, réalité mixte, réalité étendue ?

IAR - la réalité augmentée industrielle

Les avantages de la réalité augmentée et quelques exemples de cas d’usages

La maintenance

La sécurité

La formation, ou en tant que support à distance

L’assurance qualité

Le prototypage

Avantages de la réalité augmentée

Les limites et challenges liés à la réalité augmentée

Besoin d’une aide supplémentaire ?

Le numérique, un levier pour la transition vers une économie circulaire

L’économie circulaire : brève introduction

L’importance des données

IoT et économie circulaire

Big Data Analytics et économie circulaire

Blockchain et économie circulaire

Les technologies numériques au service des stratégies circulaires dans le domaine manufacturiere

IT for Green et Green IT

Besoin d’une aide supplémentaire ?

L’intelligence artificielle, le futur des entreprises ?

1. L’intelligence artificielle

A. Définition

B. Origine et évolution de l’IA

Les Pionniers de l'IA

John Von Neumann et Alan Turing

John McCarthy et la Conférence de Dartmouth

Stagnation de l’IA

Les systèmes Experts

L'Avènement du Deep Learning

L'IA actuelle et future

2. Le machine learning