Depuis très longtemps Thibault Lucas a une conviction : selon lui, la technologie de computer vision a la possibilité de changer le monde. Il fonde alors en 2020, la startup Picsellia, pour répondre à cette ambition en se spécialisant dans le domaine de l'IA et de l'apprentissage automatique. L’objectif ? Développer des outils permettant aux entreprises d’améliorer leurs modèles d’IA pour des usages concrets de la surveillance des infrastructures au développement des Smart Cities.
Category
🗞
NewsTranscription
00:00La vision par ordinateur, mais alors qu'est-ce que c'est que ça exactement ?
00:06Ben justement ça va être notre sujet, j'ai peut-être un peu plus de trois
00:09questions à poser à mon invité. Bonjour Thibault, Lucas.
00:12Bonjour. Vous êtes le CEO cofondateur de Pixelia, jeune startup française qui est
00:16dédiée à l'intelligence artificielle et la vision par ordinateur. Alors quelles
00:20sont aujourd'hui les capacités de vision des machines ?
00:24Elles sont assez grandes, je dirais, c'est-à-dire qu'il y a énormément
00:28d'industries aujourd'hui qui utilisent la vision par ordinateur et
00:31l'intelligence artificielle. On pense notamment à l'inspection de
00:35l'infrastructure énergétique par exemple qui peut se faire par des drones
00:38et de l'intelligence artificielle, ou le tri de déchets ou encore l'analyse dans l'algorithme.
00:42Qu'est-ce qu'elles sont capables de voir exactement les machines à travers le
00:45logiciel ? Alors c'est en fait c'est assez simple, une image ça peut être
00:50représentée via des pixels et c'est ces pixels là qu'on va donner aux
00:54algorithmes pour qu'ils comprennent les images. Donc quand on dit qu'il y a
00:57voix, une image, en fait ce qu'elle fait c'est analyser la valeur de pixels dans
01:01une image. Et elle compare à d'autres images similaires ? Exactement, c'est le
01:05principe de l'intelligence artificielle, c'est en fonction de données qu'on lui a
01:07montré par le passé, on va être capable d'analyser les données futures. Et donc
01:11elle peut, si on commence un peu à avancer sur le champ des applications,
01:16elle peut par exemple comparer quelque chose en bon fonctionnement et
01:21quelque chose d'abîmé, de détérioré, quels sont les types d'applications ?
01:25Exactement, ça c'est des cas d'applications qu'on supporte avec nos
01:28clients, c'est-à-dire la détection de défauts sur des lignes de production, par
01:31exemple on a dans la métallurgie, on peut voir des défauts quand on usine une
01:36pièce, cela apparaît sur une image, donc on peut le détecter automatiquement
01:41avec de l'IA. Et en France on est plutôt bien positionnés sur ces technologies
01:45de vision par ordinateur ou en retard ? Je dirais que d'un point de vue de la
01:49recherche, on est très bien positionnés, on le voit un peu en ce moment, c'est dans
01:53l'actualité, en IA, on est très bon, on a des très bons mathématiciens. Le sujet
01:57maintenant c'est d'arriver à passer de la recherche et du laboratoire aux
02:01applicatifs métiers qui génèrent de la valeur et là dessus c'est un travail en
02:05cours qui est assez... où il y a un gros challenge et c'est vraiment tout le sujet
02:11de Pixelia, c'est comment industrialiser l'intelligence artificielle, faire en
02:14sorte que ces algorithmes qui sont très performants en laboratoire puissent
02:18réellement générer de la valeur pour les entreprises.
02:21Ça fait quelques années qu'on en parle quand même de ce sujet sur les chaînes
02:24logistiques en particulier. J'ai en tête des exemples de grandes
02:30entreprises logistiques qui utilisent ces caméras justement pour repérer des
02:34problèmes sur des chaînes industrielles. Est-ce qu'on a
02:38véritablement progressé ? On en est où de l'état de l'art ?
02:41Oui vous avez raison, ça fait quand même un certain temps aujourd'hui qu'il y a
02:45ce qu'on appelle des preuves de concept autour de la computer vision et de l'IA
02:48qui fonctionnent, qui ont fait leurs preuves. Et le sujet maintenant c'est
02:52comment passer à l'échelle, c'est-à-dire faire en sorte de ne plus analyser qu'une
02:55usine logistique qui serait une usine témoin par exemple mais d'aller
02:59déployer ça sur l'entièreté d'un parc logistique. Et ça, ça pose des
03:03problématiques un peu différentes comme n'importe quel logiciel. On veut
03:07s'assurer qu'il fonctionne bien et quand il ne fonctionne pas on puisse l'améliorer
03:10et le réparer rapidement et s'assurer que tout le monde a accès à l'information
03:13au bon moment. Et donc ça c'est ce qu'on fournit à nos clients pour passer à
03:17l'échelle en fait de ces applicatifs. Et alors question, est-ce que si on avance un
03:21petit peu lentement, parce que moi c'est ce que je constate et c'est ce que j'entends
03:24aussi dans ce que vous dites, est-ce que c'est lié à une certaine
03:27anxiété qui est nourrie aussi au sein de la société vis-à-vis de ces caméras
03:34qui sont capables justement de faire de la reconnaissance d'objets mais aussi de
03:38visages, de mouvements de population ? On pense tout de suite en fait à des
03:42applications aussi de surveillance ? Ah oui vous avez raison, la technologie peut
03:47être appliquée à des fins très différentes notamment des fins qui
03:50peuvent être peu éthiques. En réalité dans un entrepôts ce qu'on filme c'est
03:55un carton en général donc ces problématiques là apparaissent pas
03:58réellement. J'irais que l'explication de pourquoi ça a été relativement lent
04:03au déploiement c'est que chacun a initié des expérimentations dans son coin avec
04:10des manières de faire différentes, avec des objectifs différents et on n'avait
04:15pas réellement de standards de développement et de standards de
04:18déploiement et c'est un petit peu la nouvelle tendance aujourd'hui c'est
04:22comment avoir un process commun de déploiement à l'échelle de
04:28l'intelligence artificielle. Et ça ça veut dire qu'il faut que les startups de
04:31l'IA, de la computer vision se mettent autour de la même table et décident
04:34ensemble de standards ? Entre autres c'est faire en sorte que tous les ingénieurs
04:39de la communauté de la computer vision aient les mêmes manières de travailler donc ça
04:44passe évidemment par une discussion mais aussi l'adoption d'outils dirait
04:48standards de marché et c'est l'ambition de Pixelia c'est d'être le standard des
04:52outils de développement de modèles d'intelligence artificielle. Mais est-ce qu'on peut vraiment être
04:55autonome sur ce marché en France ou en Europe parce que ça nécessite de
04:59collecter énormément de données pour faire fonctionner ces algorithmes j'imagine
05:03ça nécessite aussi d'importance puissance de calcul ? C'est vrai mais ça
05:10peut être nuancé c'est à dire que pour les modèles qu'on appelle de Generative AI
05:13qui sont les modèles le plus à la mode en ce moment effectivement il
05:17faut énormément de puissance de calcul il faut énormément de données mais dans
05:20l'industrie c'est pas nécessairement l'approche qu'on va privilégier
05:23aujourd'hui on va essayer de faire ce qu'on appelle du small data donc faire
05:26de l'IA avec des données ultra spécialisées sur un cas d'application et
05:30dans ce cas là qui est le cas majoritaire aujourd'hui ces problématiques
05:34s'effacent c'est à dire qu'il y a besoin de beaucoup moins de puissance de calcul
05:36et beaucoup moins de données donc c'est un problème qu'on peut gérer je dirais.
05:40Bon ben Thibault Licquard on va continuer la conversation pas avec vous mais avec le
05:45directeur monde de BCGX qui va nous parler justement de ces avancées qu'on
05:50fait aujourd'hui dans le domaine de l'intelligence artificielle donc je vous
05:53invite à rester à l'écoute de Smartech je rappelle que vous êtes le CEO
05:57et cofondateur de Pixelia merci beaucoup.