Vers une technologie invisible
et une intelligence omniprésente ?
Bernard Ourghanlian
Directeur Technique et sécurité
Micr...
« Les technologies les plus profondes sont celles qui disparaissent.
Elles se fondent dans la trame de la vie quotidienne
...
Les composants de l’Intelligence Ambiante
Ubiquité
Contextualisation
Interaction naturelle
Intelligence
Satya Nadella – CEO Microsoft
« Je crois que la prochaine décennie
verra l’informatique devenir encore
plus ubiquitaire et...
Optimisent
une action
étant donné
une fonction
d’utilité
Prédisent
de nouvelles
données en
fonction des
données
collectées...
Vous ne pouvez le coder
Vous ne pouvez passer à l’échelle
Vous avez à vous adapter/personnaliser
Vous ne pouvez pas suivre...
15 ans d’innovation
Bing Maps est
livré avec un
service de
prévision de trafic
basé sur du ML
Les ordinateurs
travaillent ...
Scénarios de Machine Learning
Le Machine Learning et les modèles prédictifs offrent de nouvelles possibilités
clés qui von...
Transformer le numérique grâce au
Machine Learning
Notre ambition
Cédric Chamayou
Comment voulez-vous
que je vous appelle ?
Rendre intelligents les ascenseurs…
Réalité augmentée
Olivier Bloch
Senior Technical Evangelist
MS OPEN TECH
 3,2 km de long
 60 GeV
 >1 millions de capteurs
 3,5 GO/s
Le SLAC en quelques chiffres
 6 Prix Nobels
 + 1000 publi...
Surveillance et contrôle prédictif au SLAC
Internet des objets au SLAC:
 Environnement et sécurité
 Transport
 Building...
Détection d’anomalie
avec Azure Machine Learning
 API de détection d’anomalie disponible dans le DataMarket
 https://dat...
Architecture
http://connectthedots.i
o
Altran
Pascal Brier, DGA en charge de la stratégie,
de l'innovation et des solutions
Julien Clausse, Marketing Manager, In...
Terminaux
CAN Bus
Cloud
Smartphone
Tablette
Microsoft Azure
Microsoft HDInsight
Automobile
Adapté au sein de la voiture
50...
Antoine Durieux, PDG et
cofondateur de la société Alkémics
Jérémy Harroch, PDG et
fondateur de la société Quantmetry
Joann...
AUCHAN
8 RUE DU SENTIER
Tel: 01.85.08.61.89
11 Février 2015
Carte de fidélité 6532 2938 2321 3232
TTC
AUCHAN LTR COMPACT 4...
AUCHAN
8 RUE DU SENTIER
Tel: 01.85.08.61.89
11 Février 2015
Carte de fidélité 6532 2938 2321 3232
TTC
AUCHAN LTR COMPACT 4...
AUCHAN
8 RUE DU SENTIER
Tel: 01.85.08.61.89
11 Février 2015
Carte de fidélité 6532 2938 2321 3232
TTC
AUCHAN LTR COMPACT 4...
Hipp
marque
nationale
Pampers
couches
lait de
croissance
bébé
BELL
BLD F
KELLOGS FROSTIES
MAXI PACK
PAMPERS ACTI FIT
X34 T...
Use case : Improve moment of life detection
Methodology
© Quantmetry 2015 | Distribution prohibited without prior authoriz...
Baseline
(logistic regression)
Gradient Boosting
Additional banking data
Feature
engineering
Lift = 2
Lift = 6
+1,8 M€ / y...
Prévoir la demande Prévoir l’offre
Rayon vide ?
Analyser la complexité Anticiper les coûts
Tarif contrats long terme ?
Antoine Durieux, PDG et
cofondateur de la société Alkémics
Jérémy Harroch, PDG et
fondateur de la société Quantmetry
Joann...
Conseil d’état : Le numérique et les droits fondamentaux
Définir un droit des algorithmes prédictifs (3.3.2.)
Source : Bloomberg, 12 mars 2013 "Off The Charts," Scarlet Fu
Dis moi qui tu aimes… je te dirais qui tu es !
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Couleur de peau Fumeur Démocrat...
Les utilisateurs sont-ils conscient de la capacité à déduire
leurs caractéristiques personnelles à partir de leurs traces
...
« Il est important que les organisations utilisant
les données soient réellement tenues
responsables
C’est pourquoi les no...
« Réussir à créer une intelligence artificielle
pourrait être le plus grand événement de l’histoire
de l’humanité. Cela po...
Reinvent productivity
in the
Computers understanding what
is happening in the real world
Computers seamlessly
interacting with people
Computers analyzi...
Deep learning
for image
recognition
0%
20%
40%
60%
80%
100%
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
201...
Computers understanding what
is happening in the real world
Computers seamlessly
interacting with people
Computers analyzi...
The Rise Of the Machines ?
« Les avancées les plus passionnantes du
21ème siècle ne se produiront pas en raison de
la technologie mais à cause de l’i...
The Rise of the Humans
PARTENAIRES PLATINIUM
PARTENAIRES GOLD ET SILVER
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
Prochain SlideShare
Chargement dans…5
×

Vers une technologie invisible et une intelligence omniprésente ?

1 563 vues

Publié le

Aujourd’hui, sans le savoir, nous utilisons déjà le Machine Learning au quotidien : via les moteurs de recherche, la traduction en ligne, la détection de spams, de fraudes, les consoles de jeux qui reconnaissent nos mouvements… Les réalisations permises vont déjà rêver et les promesses sont extraordinaires. Quels sont les scénarios business que permettra la mise en œuvre du Machine Learning et quelle sera la valeur créée par ces nouveaux scénarios ? En quoi le Machine Learning nous permettra-t-il de vivre mieux ? Permettra-t-il l’avènement de technologies réellement invisibles ? Faut-il craindre le remplacement de l’homme par la machine ? Dans la mesure où le Machine Learning repose sur l’utilisation massive des données, comment le citoyen pourra-t-il contrôler ce qui est fait de toutes ces données ? Telles sont quelques-unes des questions auxquelles cette conférence tentera d’apporter de nouveaux éclairages.

Publié dans : Technologie
0 commentaire
3 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 563
Sur SlideShare
0
Issues des intégrations
0
Intégrations
52
Actions
Partages
0
Téléchargements
99
Commentaires
0
J’aime
3
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Vers une technologie invisible et une intelligence omniprésente ?

  1. 1. Vers une technologie invisible et une intelligence omniprésente ? Bernard Ourghanlian Directeur Technique et sécurité Microsoft France
  2. 2. « Les technologies les plus profondes sont celles qui disparaissent. Elles se fondent dans la trame de la vie quotidienne jusqu’à en devenir indiscernables » Informatique Ubiquitaire Mark Weiser
  3. 3. Les composants de l’Intelligence Ambiante Ubiquité Contextualisation Interaction naturelle Intelligence
  4. 4. Satya Nadella – CEO Microsoft « Je crois que la prochaine décennie verra l’informatique devenir encore plus ubiquitaire et que l’intelligence deviendra ambiante… Ceci sera rendu possible grâce à un réseau toujours plus dense d’appareils connectés, à la capacité de calcul incroyable du Cloud, à la perspicacité que nous donne le Big Data et à l’intelligence apportée par le Machine Learning »
  5. 5. Optimisent une action étant donné une fonction d’utilité Prédisent de nouvelles données en fonction des données collectées S’adaptent en fonction des données collectées Extraient une structure cachée des données Résument les données en des descriptions concises Champ d’études qui donne aux ordinateurs la capacité d’apprendre sans avoir besoin d’être explicitement programmés Qu’est-ce que le Machine Learning ?
  6. 6. Vous ne pouvez le coder Vous ne pouvez passer à l’échelle Vous avez à vous adapter/personnaliser Vous ne pouvez pas suivre Quand l’ordinateur doit-il apprendre ? Quand…
  7. 7. 15 ans d’innovation Bing Maps est livré avec un service de prévision de trafic basé sur du ML Les ordinateurs travaillent pour le compte des utilisateurs en filtrant le spam Microsoft Kinect : « vous êtes la manette » SQL Server permet la fouille de données Le moteur de recherche de Microsoft est construit sur du Machine Learning Traduction en temps réel Microsoft lance Azure ML, mettant à disposition des années d’innovation en ML 1999 2004 2005 2008 2010 2012 2014 « Si vous faites une percée en intelligence artificielle, de sorte que les machines puissent apprendre, cela vaut 10 Microsoft » Bill Gates Microsoft et le Machine Learning
  8. 8. Scénarios de Machine Learning Le Machine Learning et les modèles prédictifs offrent de nouvelles possibilités clés qui vont tout changer dans notre nouveau monde d’applications intelligentes et d’intelligence ambiante… Analyse des réseaux sociaux Prévision du temps Effets sur la santé Maintenance prédictive Publicité ciblée Exploration de ressources naturelles Détection de fraude Analyse de données de télémétrie Modèles d’intention d’achat Analyse de taux de désabonnement Recherche en sciences de la vie Optimisation d’applications Web Détection d’intrusion réseau Surveillance de compteur intelligent
  9. 9. Transformer le numérique grâce au Machine Learning Notre ambition
  10. 10. Cédric Chamayou Comment voulez-vous que je vous appelle ?
  11. 11. Rendre intelligents les ascenseurs…
  12. 12. Réalité augmentée
  13. 13. Olivier Bloch Senior Technical Evangelist MS OPEN TECH
  14. 14.  3,2 km de long  60 GeV  >1 millions de capteurs  3,5 GO/s Le SLAC en quelques chiffres  6 Prix Nobels  + 1000 publications scientifiques /an  Quelques découvertes réalisées au SLAC  1976 - Quark charm  1990 - Structure en quarks du proton et du neutron  1995 - Lepton tau, aussi appelé tauon
  15. 15. Surveillance et contrôle prédictif au SLAC Internet des objets au SLAC:  Environnement et sécurité  Transport  Building intelligent  Energie  Sécurité  Maintenance préventive Besoin de surveillance et contrôle prédictif:  $45k-$90k / heure d’opération  Coût moyen d’un incident: $250k  Contrôle actuel: réglage manuel des alertes Machine Learning:  Ajustement dynamique des niveaux d’alarme  Apprentissage  Détection d’anomalies
  16. 16. Détection d’anomalie avec Azure Machine Learning  API de détection d’anomalie disponible dans le DataMarket  https://datamarket.azure.com/dataset/aml_labs/anomalydetection  Détection d’anomalie sans saisie manuelle de limites
  17. 17. Architecture http://connectthedots.i o
  18. 18. Altran Pascal Brier, DGA en charge de la stratégie, de l'innovation et des solutions Julien Clausse, Marketing Manager, Intelligent Systems
  19. 19. Terminaux CAN Bus Cloud Smartphone Tablette Microsoft Azure Microsoft HDInsight Automobile Adapté au sein de la voiture 500 000 Voitures simulées dans le Cloud Environnement synthétique développé par Intelligent Systems / Altran basé sur le projet Orleans de Microsoft Une vraie voiture Hardware Intel pour l’unité principale Plateforme d’info-divertissement développée Par Intelligent Systems / Altran
  20. 20. Antoine Durieux, PDG et cofondateur de la société Alkémics Jérémy Harroch, PDG et fondateur de la société Quantmetry Joannes Vermorel, PDG et fondateur de la société Lokad
  21. 21. AUCHAN 8 RUE DU SENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00
  22. 22. AUCHAN 8 RUE DU SENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00 + + Machine learning 800+ brands network
  23. 23. AUCHAN 8 RUE DU SENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00 Hipp marque nationale lait de croissance bébé > 10mois bio biberon 25 cL pack x6 promo suitableFor HIPP CR BIO BIB 6X25CL D10M DT 1GT isPackagedAs isPackagedIn isDiscountedAs …
  24. 24. Hipp marque nationale Pampers couches lait de croissance bébé BELL BLD F KELLOGS FROSTIES MAXI PACK PAMPERS ACTI FIT X34 T3 TIM. SHAMP BLD LUMIERE 300ML Client HIPP CR BIO BIB 6X25CL AUCHAN 8 RUE DU SENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00
  25. 25. Use case : Improve moment of life detection Methodology © Quantmetry 2015 | Distribution prohibited without prior authorization High volume Banking data Unstructured Banking transactions Call center comments Customers & contractsOnline marketing campaigns Web tracking data Insurance data External data Customers, claims & contracts Insurance datamarts Bank datamarts INSEE data Car information + = + Tree 1 Tree 2 Tree 3 Successive trees seek to minimize previous error Multiple data sources used 5 To, 4,500+ variables Algorithm Gradient Boosting (GBM)
  26. 26. Baseline (logistic regression) Gradient Boosting Additional banking data Feature engineering Lift = 2 Lift = 6 +1,8 M€ / year expected incremental margin © Quantmetry 2015 | Distribution prohibited without prior authorization Use case : Improve moment of life detection Results
  27. 27. Prévoir la demande Prévoir l’offre Rayon vide ?
  28. 28. Analyser la complexité Anticiper les coûts Tarif contrats long terme ?
  29. 29. Antoine Durieux, PDG et cofondateur de la société Alkémics Jérémy Harroch, PDG et fondateur de la société Quantmetry Joannes Vermorel, PDG et fondateur de la société Lokad
  30. 30. Conseil d’état : Le numérique et les droits fondamentaux Définir un droit des algorithmes prédictifs (3.3.2.)
  31. 31. Source : Bloomberg, 12 mars 2013 "Off The Charts," Scarlet Fu
  32. 32. Dis moi qui tu aimes… je te dirais qui tu es ! 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Couleur de peau Fumeur Démocrate versus Républicain Gay Lesbienne Surface sous la Courbe Michal Kosinskia, David Stillwella, Université de Cambridge, Thore Graepel, Microsoft Research http://www.pnas.org/content/110/15/5802.full.pdf+html
  33. 33. Les utilisateurs sont-ils conscient de la capacité à déduire leurs caractéristiques personnelles à partir de leurs traces numériques ? S’ils l’étaient, continueraient-ils de rendre publiques ces données ? Les entreprises devraient-elles être autorisées à utiliser ces informations à des fins commerciales ? La technologie peut-elle aider à relever ces défis ? Quelques questions relatives à la vie privée
  34. 34. « Il est important que les organisations utilisant les données soient réellement tenues responsables C’est pourquoi les normes […] d’un monde de données doivent intégrer un principe de responsabilité ». Scott Charney, Microsoft CVP Trustworthy Computing Source : TwC Next, http://aka.ms/twcnextwp Introduire une notion d’éthique de la donnée
  35. 35. « Réussir à créer une intelligence artificielle pourrait être le plus grand événement de l’histoire de l’humanité. Cela pourrait également être le dernier, si nous n’apprenons pas à éviter les risques. » Stephen Hawking Déverrouiller le potentiel de l’Intelligence Ambiante…
  36. 36. Reinvent productivity in the
  37. 37. Computers understanding what is happening in the real world Computers seamlessly interacting with people Computers analyzing data and enabling decisions Computer Vision Speech Recognition Digital Signal Processing Distributed Systems Machine Learning Networking Data Visualization Human Computer Interfaces Security and Privacy
  38. 38. Deep learning for image recognition
  39. 39. 0% 20% 40% 60% 80% 100% 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Word Error Rate % Context- dependent deep neural networks
  40. 40. Computers understanding what is happening in the real world Computers seamlessly interacting with people Computers analyzing data and enabling decisions
  41. 41. The Rise Of the Machines ?
  42. 42. « Les avancées les plus passionnantes du 21ème siècle ne se produiront pas en raison de la technologie mais à cause de l’idée même que l’on se fait de l’humain » JOHN NAISBITT
  43. 43. The Rise of the Humans
  44. 44. PARTENAIRES PLATINIUM
  45. 45. PARTENAIRES GOLD ET SILVER

×