Conférence AI: Partage d’expérience de A. Le Cain

Compte-Rendu IA Paris

Discours d’ouverture : Etat de l’art de l’IA Alexandre Lebrun AI Research
Il y a 4 grands axes de recherche :
-La perception avec par exemple la détection d’objets dans une image
-La description textuelle automatique de photo
-Understanding et Learning (apprendre à raisonner à discuter) exemple d’un agent conversationnel
-Planification de tâches : les modèles sont entraînés sur Warkraft pendant des heures

 

Sur la photo précédente sont représentés en vert les domaines de recherche en IA bien maîtrisés et en rouge les futurs enjeux de l’IA. Ces enjeux ne pourront être résolus simplement en augmentant la puissance de calcul ou le nombre de données mais il s’agit d’un axe de recherche différent : l’apprentissage non supervisée.

Présentation : Quelle impulsion pour l’IA en France ?
Nathanael Ackerman FranceIA
Bertrand Braunschweig INIRIA-SACLAY-IDF
David Sadek MINES-TELECOM
Présentation de France IA. Tout d’abord rappelons les domaines de l’IA :

Objectifs de France IA :
1-Clarifier le débat sur l’IA en mettant en avant les enjeux et le potentiel d’avenir que la maîtrise de ces techno représentent
2-Mobiliser la communauté de l’IA en France et à l’international
3-Définir un plan d’action et mobiliser les financements notamment via le programme d’investissement d’avenir
4-Prendre le leadership au niveau de l’EU
17 groupes de travail soit 600 contributeurs sur 2 mois ont permis de rédiger le rapport France IA autour des sujets suivants : recherche,formation,santé,énergie,véhicule autonome,relations clients, souveraineté et sécurité, impact économique et sociaux,aspects juridiques,finances,ia du droit,robotique,territoires d innovation, cartographie,…
Le rapport donne des recommandations dans ces différents secteurs comme par exemple dans le cas de la santé : créer une base de données unique tout en formant aux nouveaux métiers et en favorisant la télémedecine. Ou encore dans le domaine de la santé il est recommandé de créer un avatar du réseau. Un autre enjeu sera de former et éduquer à l’IA : tous les citoyens doivent comprendre les enjeux de l’iA. Le grand public et les futurs décideurs doivent pouvoir être formés aux enjeux de l’IA grâce à des formations notamment dans les écoles de management ou école pour les cadres de l’état.
L’idée de France IA est de faciliter les démarches entre les projets communs entre entreprises et académiques au travers de bourse, challenge,…

Voici un panorama du marché de l’IA en entreprises :

Enfin présentation de Hub France IA qui a pour but de faciliter les échanges et les financements entre les administrations et les entreprises. Missions du Hub :
-Mise en place et animation d’un comité d’orientation
-Accompagnement des grands ^projets (Centre IA,Plateformes)
-Mise en place des groupes de travail thématiques mobilité expérience client tendue, robotique, santé, énergie, transformation digitale de l’administration*
-Production et implémentation d’une feuille de route EU
-Animation de la réflexion en termes de stratégie industrielle
-Mise en place de formations pour les groupes industriels
-Etablissement de partenariat de chaires industrielles
-Communication et visibilité de France IA dans les congrès internationaux, les initiatives internationales
-veille techno économique, cartographie, baromètre de l’IA

Keynote : Que peut-on faire en Machine Learning aujourd’hui ?
Martin Görner GOOGLE
-Google photo est un projet industriel qui a mis en pratique l’IA avec 2000 Milliards d’utilisateurs sur GooglePhoto. Cette application reconnaît les lieux les visages
Chez Google beaucoup d’application à commencer par le tri des spams dans les mails utilisent l’iA ou encore google translate.
Le Transfert Learning est un réseau déjà entraîné que l’on peut utiliser en ré-entraînant selon son propre business case 2 ou 3 couches. Exemple : Tris de concombre en TenserFlow.
En ce qui concerne la reconnaissance vocale la précision des réponses a été améliorée de 80% à 90% lorsque Google est passé des statistiques à une approche par réseau de neurones il y a quelques années. Mais la recherche se concentre sur les agents conversationnels qui ont du mal à reformaliser le contexte et répondre à des questions qui s’enchaînent.
Les chercheurs de Google ont oublié 150 articles et Google met à disposition des outils tels que TenserFlow.

Il existe bien sûr d’autres réseau (dense, convolutionnaire,…) déjà entraînés disponibles sur github.

 

Keynote : Compréhension du langage naturel et agents conversationnels intelligents : nouvelles frontières de l’IA
Henri Sanson, Orange Labs recherche
Il n’y a pas de système chatbot généraliste mais chaque chatbot est un agent spécialisé sur une tâche donnée. On peut distinguer plusieurs types de chatbot ne faisant pas appels aux mêmes technologies.

Table Ronde : Entre la réflexion et la production de l’IA : quelles étapes pour arriver à la réalisation des projets
Bernard Georges, SOCIETE GENERALE
Julien-Henri Maurice, BAZARCHIC
Fabrice Otano, GROUPE ACCORHOTELS

VCs : découvrir les futures pépites de l’IA
Jamal Labed, SERENA CAPITAL
Il s’agit d’un fond d’investissement Serena pour des starts up don’t 80% sont BtoB dans les domaines suivants :
-MachineLearning, DeepLearning,Langage
-CRM,Finance,RH
-Banque,assurance
-Robotique,Reco vocale,computer Vision
-Supporting Tech. Formatage données
La plupart de ces entreprises BToB concerne les secteurs de la finance de la santé et de la sécurité ou app Tech (sol liée aux nouvelles plateformes de publicité)

Retour d’expérience : Natixis Assurance – Assurance non vie : comment l’IA révolutionne la relation avec les assurés
Eric Carré, NATIXIS ASSURANCES –ASSURANCES NON VIE
Christophe Dany, OWI
Suite au constat que les mails généraient un stress pour les personnes qui devaient les traiter un projet global de transformation de la relation client a été mis en place.
Cela a permis :
-une amélioration des conditions de travail des conseillers
-Amélioration de la qualité des réponses
-Economie sur le routage des mails
-Réponses automatiques
-Réduction du temps de traitement

Pour cela OWI a été entraîné sur les mails de la compagnie pour un bon aiguillage mais aussi à partir du web.

Owi est une solution logicielle complète et modulaire avec des offres qui sont des assemblages prés-paramétrés. Il faut donc choisir parmi différentes offres :
-Owi.mail : Aide au traitement des mails entrants et courriers scannées
-Owi.chat : Aide au traitement des chats conseillers
-Owi.Chatbot : Agent virtuel conversationnel
-Owi.opinion : Voix du client sur tous les canaux (téléphone, mail,chat,internet,enquêt,courriers…) (cf. Figure ci-dessous)

 

Dans le cas de Natixis c’est l’aide au traitement des mails (disparition du tri manuel et donc réduction des délais) et donc de son routage qui a été automatisés en partie. (Il y a forcément des erreurs mais ce qui laisse le temps au conseiller pour faire autre chose et router les 20% d’erreurs restants). Puis une priorisation en fonction de règles métiers a été mise en place afin de répondre aux mails les plus urgents.
Et plus récemment, il a été possible de mettre en place une solution 100% automatisée sur le retour à l’expéditeur si des informations sont manquantes au moment de la demande (exemple un numéro d’assuré dans le mail ou un numéro de téléphone…), cela correspond à 200 mail/jour.

Voyages-Sncf : retour sur le déploiement d’un chatbot en mode Tes&Learn
Benoît Bouffart, VOYAGES-SNCF.COM
Les enjeux :
-proposer une meilleure offre
-Plus de personnalisation possible
-plus d’envie et d’inspiration de voyage
-> Change de nom OUI.SNCF
Constat : les clients veulent plus de conversationnelle plus de relation personnalisée et de l’ubiquité.

Et dans le même temps :

-Implémentation sur des plateformes de mass market (1milliards d utilisateurs de facebook messenger en juillet 2016) et 848 millions d utilisateurs actifs par mois sur weChat (Nov2016
-Un boom des assistants personnels (33 millions d’assistants personnels intelligents seront en circulation en 2017) D ici 2018 30% de nos interactions avec la techno s’effectueront via des conversations avec des techno intelligentes et d’ici 2020 200 milliards de recherche par mois devraient être réalisée par la voix
-et de nouveaux devices accessibles : 8 millions de device Echos vendus à date et un prix de vente très accessible

Retour d’expérience : un décollage timide & une réelle plus value
-appétence de la part d’utilisateurs néanmoins le BOT doit devenir plus SMART
-Les utilisateurs sont surpris par la réactivité et simplicité de l’expérience
-+150 000 utilisateurs depuis le lancement 250 utilisateurs par jours
-Temps de réponse de 450 MS

Retour d’expérience : Mr Bricolage : Optimisation de la supply chain grâce au ML
Manuel Davy, Vekia
Christophe Dubus, Mr. Bricolage

Mise en place d’une supply chain agile et efficace grâce au ML : le bon produit au bon moment.
La prévision de la demande se fait à partir de
-données contextuelles (sur le produit)
-données des promotions en préparation
-données exogènes (réseau sociaux, météo,…)
L’étude a commencé en 2012 et est en phase de déploiement depuis 6 mois.
Néanmoins un contrôle humain est toujours nécessaire puisque dans 80 % des cas la commande a passée est bonne mais dans 20% des cas il faut modifier celle-ci.
Un nouvel article est inséré dans la base et on recherche un article existant similaire en premier lieu.
La fiabilité des stocks est un élément essentiel pour un bon modèle.

Keynote : Industrialisation du cognitif comment passer d’une invention à une innovation
Emmanuel Vignon, IBM France
-Il faut partir du besoin et non de la techno !
Le ML ou IA n’est pas forcément la réponse par rapport à la problématique. Il faut être réaliste par rapport à la valeur à implémenter cette solution !
Pas de certitude sur la qualité du système de prédiction cognitif !

-Un facteur clé pour le succès : une plateforme ouverte et scalable

Il faut que les plateformes soient ouvertes et en expansion. Il faut faire confiance aux intégrateurs dont les techno évoluent dans le temps.
-Scalabilité dans le run (traitement d’images gourmand CPU). Exemple Jeopardy leur puissance a été multipliée par 20 et la taille réduite par 90.

L’exemple de la plateforme d’IBM :

-Agent conversationnel : intonation une interaction personnalisée, ubiquité utiliser le bon canal au bon moment
-Enjeux : accompagner au changement pour éviter les craintes d’utiliser les systèmes cognitifs. Impliquer le top management. Améliorer la qualité des données, les contraintes réglementaires…

Points de vue : Enjeux de société : relerver les défis posés par l’IA
Isabelle Galy, LE CNAM –LEARNING LAB « HUMAN CHANGE »
Lionel Janin, FRANCE STRATEGIE
-Question d’adoption par le public : sécurité, vie privée.
-Plateforme gestionnaire, volonté politique ?
-Question de facilité et d’usage (question de différences culturelles (pas adapté dans une autre langue))
-l’usage développé n’est pas connu aujourd’hui -> c’est l’usage qui déterminera
-sur l’emploi personne ne sait rien. Ce n’est pas parce qu’une fonction est robotisée qu’elle disparaît. Le choix que feront les entreprises : ils n’automatiseront peut-être pas à 100%. Ces choix, celui du conso et des formations définiront l’économie future. 53% du temps des managers sont des tâches administratives. L’AI va libérer entre 23% et 53% de ce temps. Ca touchera tous les métiers Soit ça dégagera du temps soit cela supprimera le poste. Mais dans tous les cas cela conduira à moins d’humain. Mais cette transformation conduira à une diminution de la capacité à employer selon Isabelle Galy. Revoir le rôle du travail ? Revenu universel ?
-Quels sont les rôles de politiques ? Faut-il légiférer dés à présent ?
-Comment l’humain demain restera employable ? Question de l’obsolescence !
-Derrière la machine on apprend ce qu’est l’humain
-Question de la place de la femme
-Le développement de la recherche sur l’IA met en exergue des points de vigilance de l’IA

Points juridique : Droit, assurance et sécurité des données
Alain Bensoussan, CABINET BENSOUSSAN AVOCATS LEXING
-On a une actualité au-delà du raisonnable
-Droits des contrats : il faut trouver des solutions à la distribution côté IA
-Il n’existe que grâce à une masse de données dont les données personnelles
-Régime de responsabilité existant sont très difficilement applicables. Il faut une responsabilité morale. Déficit du religieux sur ce sujet et déficit de la morale.
-Tous les régimes de responsabilité sont basées sur : « je suis libre, je suis conscient je fais un acte donc je suis conscient de cet acte ».
-Mais au-delà de la conscience les IA sont libres !
-Problème on n’acceptera pas que Watson soit irresponsable même si son diagnostique est 9 fois meilleur que celui d’un médecin.
-Vers un nouveau droit de la responsabilité ?
-M. Bensoussan propose : construction d’une responsabilité il l a propose à des personnes ayant des robots. Association libre du droit des robots avec :
-droit à des codeurs de refuser des codes liberticides à coder des robots qui porteraient atteintes à des humains (Azimov)
Nouveau règlement :


-l’IA est partout dans le règlement dans les algo les données le résultat !
-On doit minimiser les données à caractères personnels
-Le règlement met l’IA sous contrainte juridique
-segmenter le monde des données à caractère personnelle à 2 mondes : celles pour lesquelles j’ai donné mon accord personnel à défaut ne pas utiliser !
-droit à la souveraineté sur des données personnelles

Retour d’expérience : L’IA au service de l’expertise linguistique et de l’expérience utilisateur ?
Manuel Mirabel, CTOUVERT
Partick Séguéla, SEENKLAB
Philippe Thomas, SEENKLAB

Solution Smart Seenlab société de prestation technique propose une solution agile avec un feedback permanant pour construire son chatbot. Ce chatbot est défini à partir du langage naturel de la société qui a un besoin (doc produits, CRM, sources externes,…)
Cette solution a été exemplifiée avec le cas de Ctouvert client manager de prestation de camping qui souhaitait grâce à ce chatbot qui s’inscrivait dans une stratégie business pour élargir le spectre de la relation client. Dans 80% de cas la réservation camping se fait en direct. L’avantage du chatbot :
-24/24
-7langues
-Indépendance du business pour les clients manager de camping puisque plugués sur 4500 sites@
Résultat après implémentation :
-5000 conversation/semaine
-80%kPI
Exemplification de la compréhension sémantique sur le cas de Ctouvert :
-Génération automatique de questions à partir de la lecture de documents
-Documents entreprises deviennent des bases de réponse
-A chaque phrase est associée un ensemble de questions

 

Retour d’expérience : Thalès : L’IA dans les grands systèmes techniques, du capteur à la décision
Thierry Beauvais, THALES
Les algorithmes de ML et Deep Leraning existent depuis 15 ans chez thalès.
Applications : Défense, sécurité, aéropsace, transport, industrie
Exemples :
-Automatic target detection and recognition in airborne system (DeepLearning/learning on synthetic images, processing done on board in real time)
-Detecting violent behavior on real time videos (supervised-learning, spatio-temporal motion alnalysis, detecting unstructured motion)
-protecting network from cyber-attacks (genetic algo, network events classif, anlomaly detection) Remarque : ce ne sont pas ML et DL ! Selon le problème les algo doient être bien choisis ne pas s’orienter sur IA dans tous les cas !
-AI and HUMS digital services : Fleet managment : health & usage data from equipment and its environment. Evolutionnary algo, hidden Markov Models, Multi-criteria decision
-OSINT : Open Source Intellignce : open source data : twitter facebook, youtube. Clustering of data ML, graph analysis (relations/dependencies)
-Decision to airlines : airports air navigation service providers : data from public/private, inflight on ground sources. Flight pattern learning, anomaly detection, prediction of disruptive event. Passengers behaviour analysis.
-understand and analyze mobility in urban tranposrtation : many data sources : data generated by travellers, transportation data, open sources, clustering passengers behaviour analysis, Flow analysis prediction of waiting, occupancies,…
-Predictive Maintenance for equipemnt and system : Data sources : row data legal/businness framework, contracts,… Pattern matching, machine learning, planinig and logistics operations, multi-criteria operations
-Data anonymization for privacy and counter data infringement -> anonymization : combination of wavelets and spatio-temporal clustering. Re-identifiation : Deep Learning

 

Conclusion :

Retour d’expérience : Comment la robotique et l’IA contribuent à l’ambition de Nokia de devenir le leader des opérations de service client
Gilles Grangé, WIPRO France
Cyrille Koleskinoff, NOKIA

Cas concret d’une solution robotique et intégration robotique -> amélioration de la productivité chez Nokia. L’IA a permis à Nokia de devenir leader des opérations du service client.

Retour d’expérience : Comment le deep learning peut permettre de détecter des maladies à un stade précoce
Nicolas Meric, DREAMUP VISION
Contexte :
422 Millions de personnes atteintes de diabète. +54% dans les 20 ans. Un des risques est la réhinopatie diabétique qui a 4 stades. A partir du stade 1 et sans prise en charge le risque de perdre la vue est très important. Mais au stade 0 une prise en charge pourrait être efficace mais pas de symptôme ! 80% des personnes atteints de rétinopathie diabétique vont perdre la vue dans 10 à 15 ans. Cause principale de la cécité dans la population de moins de 60 ans. Or un RDV avec un ophtalmo aujourd’hui c’est 80j. La croissance mondiale du nombre d’ophtalmo est prévue à 2%.
Mise au point d’un logiciel sur une banque de 20000 images essentiellement de l’étranger taguées par des personnes hautement qualifiées à travers le monde ! Pour éviter la dérive ce modèle n’a pas appris en continu. Une 2e phase d’annotation par plusieurs ophtalmo avec des nouvelles images pour améliorer le scoring.
Avantage : Système qui vaut 500 euros qui utilise la caméra d’un Smartphone et un objectif au lieu des 10 000 euros pour un appareil idéal.
La compréhension de la structure mathématique sous jacente du réseau a été effectuée. Les algo ont été testés par des hôpitaux et industriels -> très bonne performance. Le logiciel est aujourd’hui en phase de certification. Prochain step : Techno 3D pour DMLA Puis solution complète pour toutes les maladies de l’œil.

 

Retour d’expérience : Quels sont les enjeux de l’IA sur le marché bancaire ? témoignage de la Société Générale
Mathieu Chomez, SOCIETE GENERALE BANK AND TRUST
Benoît Heitz, SOPRA STERIA CONSULTING
Christophe Savaëte, SOCIETE GENERALE BANK AND TRUST
Présentation des enjeux de l’IA dans le secteur bancaire :
-réduction des coûts de fonctionnement
-Elargissement de l’offre à un plus grand nombre de clients
-optimisation des processus internes
-amélioration qualitative de l’expérience client
Analyse psychologique et émotionnelle du marché :
-meilleure évaluation des aspects émotionnels au travers des data marketing
-visibilité sur les tendances marchés
-analyse des réseaux d’acteurs
Approche :
Construction DataLake et WebCrawler

Retour d’expérience : AG2R prédire et éviter l’attrition grâce au deep learning
Alexandre lagache, AG2R
Nicolas Meric, DREAMQUARK

DreamQuark est un logiciel qui permet de déployer des modèles de datascience en entreprises dans des cas d’usage tels que :
-Fraude attrition, satisfaction client, besoins client
Avec une utilisation très simplifiée des algorithmes et à destination d’experts et non de datascientist.

 

-FIN-

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *