Business & Breakfast : Machine Learning & Mobile
•
1 j'aime•1,205 vues
A-t-on fait le tour de ce que le Mobile peut apporter aux entreprises et à leurs utilisateurs ? Peut-on encore améliorer les services grâce aux applications Mobile ? Les GAFAs et les start-up parmi les plus en pointe associent déjà le Machine Learning et le Mobile. Encore trop peu connue, cette association d'outils permet de repenser l'expérience des utilisateurs. Notre conviction : les stratégies Machine Learning et Mobile doivent se parler. A travers cette présentation sont mis en avant trois opportunités clés : les interactions sont déjà là, par milliards. Il faut passer de millions de consommateurs, à des millions de calculateurs. Et re-innover grâce au Mobile et au Machine Learning.
Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à Business & Breakfast : Machine Learning & Mobile
Similaire à Business & Breakfast : Machine Learning & Mobile (20)
Plus de Fabernovel
Plus de Fabernovel (20)
Business & Breakfast : Machine Learning & Mobile
- 1. MACHINE LEARNING & MOBILE Paris, le 3 Juillet 2018
- 2. 2// 01 // Introduction "Mobilis in Mobile" : les opportunités mobile en 2018 ? Cyril VART Executive Vice President @ FABERNOVEL
- 4. 4// Nous sommes des grenouilles dans une casserole Un changement important a échappé à notre attention Si nous plongeons subitement une grenouille dans de l'eau chaude, elle s'échappe d'un bond ; alors que si nous la plongeons dans l'eau froide et que nous portons très progressivement l'eau à ébullition, la grenouille s'habitue à la température pour finir ébouillantée. “
- 5. 5// 2 700 millions d’humains connectés, et moi, et moi, et moi... 78% de la population possède un smartphone. Dans les pays développées, 36% si l’on considère la population mondiale. source : Statista, Mary Meeker
- 6. 6// Nous interagissons 2617 fois par jour avec nos smartphones source : dscout - 2016
- 7. 7// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards ✖ 〓2 700 millions d’utilisateurs 2 617 interactions quotidiennes 7 065 milliards d’opportunités commerciales par jour 1ère opportunité Les interactions quotidiennes sont déjà là, par milliards
- 8. 8// Il n’y a pas d’Internet Mobile, le mobile est internet 58% 37% Smartphones et tablettes Laptop et PC Part du trafic internet par type de device en 2017 source : Stat Counter, Ofcom, Mary Meeker
- 9. 9// “Mobile first” quelle que soit la catégorie sociale source : Ofcom, arcep
- 10. 10// “Mobile first” quelle que soit la catégorie sociale source : Ofcom, arcep
- 11. 11// Le smartphone est le device le plus approprié pour leurs besoins, malgré un accès potentiellement facile à d’autres types de devices. Attribuent de la valeur au fait d’avoir un smartphone récent ou le dernier sorti. Pour eux la flexibilité, la mobilité et l’immédiateté du smartphone en fait le device de préférence. Catégorie qui utilisent de plus en plus les applications pour effectuer des tâches, personnelles ou professionnelles, plus rapidement: prévoir un voyage, réserver des billets, faire des achats, communiquer, consommer de médias, faire des démarches administratives, etc… Le smartphone est le seul device auquel ils ont accès. En raison du rapport “fonctionnalités apportées/prix” c’est néanmoins le meilleur choix possible pour ces personnes. Considèrent que le smartphone répond à l’ensemble de leurs besoins connectés et son prêt à dépenser une part importante de leurs revenus pour en avoir un. Dépendent fortement de leur smartphone et peuvent être frustré par le manque de données ou de bande passante. Les personnes en plus grande difficulté financière ou sociale considèrent leur smartphone comme “vital” pour certaines de ses fonctionnalités. Deux raisons différentes d’être “Smartphone by default” source : Ofcom - 2016 LES PERSONNES “SMARTPHONE BY CIRCUMSTANCE” LES PERSONNES “SMARTPHONE BY CHOICE”
- 12. 12// Le “Mobile first” n’est plus une question, c’est une évidence 84%des français utilisent leur smartphone tout en regardant un film ou la télévision, et 81% durant les repas de famille ou avec des amis. 30%des américains ont déclaré en 2017 faire l’essentiel de leurs achats en ligne plus via leur mobile que via leur ordinateur. Mais 82% des autres recherchent sur mobile avant d’acheter sur desktop. 69%Des français se déclarent compétent pour l’utilisation d’un smartphone, contre 67% pour l’utilisation d’un ordinateur (+12% en 4 ans). 81%Le taux d’équipement des français en smartphone, premier équipement numérique devant l’ordinateur portable (74%) source : Ofcom, arcep
- 13. 13// Google veut réduire votre addiction au smartphone avec Android P DASHBOARD APP TIMER WIND DOWN Faire prendre conscience du temps passé sur son smartphone. Limiter son utilisation d’une application en mettant en place une alerte au bout de X min. Passer son smartphone en mode “nuit” à partir d’une certaine heure le soir.
- 14. 14// “Mobile” ne veut pas dire en mobilité 66% À la maison et en dehors Où utilisez-vous internet sur votre mobile ? 16% Surtout à la maison 8% Seulement à la maison 9% Surtout en dehors de la maison 9% Seulement en dehors de la maison source : Ofcom, Statista, HBR
- 15. 15// Tout et n’importe quoi, mais surtout sur des applications Pourquoi utilise-t-on son smartphone ? 9% Facebook 14% Messageries Réseaux sociaux 3% Youtube 14% Musique Médias & Divertissement 11% Gaming 9% Utilities 5% Lifestyle & Shopping 4% Productivité 3% Actualité & Météo 2% Sport 8% Navigateur internet 8% Autre 92% 8% Apps Navigateurs source : flurrymobile
- 16. 16// La chose la plus importante que les migrants et les réfugiés emportent avec eux est un smartphone Quartz, 2015 “
- 17. 17// Le smartphone est devenu un bien satisfaisant jusqu’à nos besoins les plus importants 1 BESOIN DE S’ACCOMPLIR 2 BESOIN D’ESTIME 3 BESOIN D’APPARTENANCE 4 BESOIN DE SÉCURITÉ 5 BESOIN PHYSIOLOGIQUES Faim, soif, survie, sexualité, repos, habitat. Développer ses connaissances, ses valeurs. Se sentir en sécurité, faire confiance. Être aimé, écouté, compris, estime des autres, faire partie d’un groupe, avoir un statut. Sentiment d’être utile et d’avoir de la valeur, conserver son identité.
- 18. 18// Quel est le point commun entre ces 4 sociétés ? Uber Instagram Snapchat WhatsApp
- 19. 19// Quel est le point commun entre ces 4 sociétés ? Uber Instagram Snapchat WhatsApp Ce sont des “mobile-only” companies
- 20. 20// Uber a mis des smartphones dans des voitures et en a fait des voitures connectées LA PRINCIPALE CONNEXION AU MONDE UN SIMPLE ACCESSOIRE SMARTPHONE UNE VOITURE CONNECTÉE 〓+ In the networked world, the three most important things are connections, connections and connections. Marc Andreessen & Venkatesh Rao “
- 21. 21// Qu’est-ce qu’un smartphone en 2018 ? = 1m de fois la puissance de calcul de la NASA en 1969 Un appareil photo pro il y 10 ans Une caméra HD 4K à 60 image par seconde Un point de connexion 4G, wifi, bluetooth Un portefeuille et une CB Un authentificateur biométrique Un téléphone et une centre de messagerie Une console de jeux au gameplay multiple Une boussole et un GPS universel Un accéléromètre et un gyroscope numérique Une suite bureautique et un agenda Un podcast player et une télévision HD source : zmescience - 2017
- 22. 22// En 1991, un smartphone aurait coûté 2,6 millions d’euros source : aei.org - 2014
- 23. 23// Les capteurs présents sur les smartphones en 2018 Accéléromètre Gyroscope Magnétomètre Altimètre Baromètre Podomètre GPS Boussole Sonomètre Capteur de proximité Capteur de reconnaissance faciale Scanner d’empreinte digitale Microphone Appareil photo 12Mpx Caméra 4K à 60 i/s Lecteur NFC Thermomètre Hydromètre Liaison Bluetooth Luxmètre Capteur d’impulsion cardiaque
- 24. 24// Des capteurs capables de rivaliser avec des instruments de mesure spécialisés La qualité des capteurs présent dans les smartphone et leur évolution constante ouvre la voie à de nouveaux services, inimaginables il y a 10 ans. La précision des diagnostics possibles grâces à ces capteurs, présent dans la poche de milliards de personnes, favorisent par exemple l’accès à la médecine : ● À l’aide des micros il est possible de mesurer les capacités pulmonaires et détecter une crise d'asthme ou une broncho-pneumopathie chronique obstructive. ● La caméra utilisée avec le flash permet de mesurer, sur un doigt le taux d'hémoglobine dans le sang et déterminer si la personne est anémique ou manque de fer. ● Les capteurs de mouvement dans les smartphones peuvent faciliter la détection de l'ostéoporose, une diminution de la densité osseuse normalement diagnostiquée par un scanner. Il suffit de tenir le téléphone dans une main et de taper sur son coude pour créer des ondes détectées par le capteur de mouvement de la caméra. Une diminution de la densité de l'os se traduit par un changement de la fréquence des ondes. source : Science Direct
- 25. 25// ● ALIMENTATION ● VOYAGES PRÉVUS ● LIEUX VISITÉS ● DIVERTISSEMENTS ● DONNÉES BIOMÉTRIQUES ● VIE PROFESSIONNELLE ● LOCALISATION ● ÉMOTIONS L’humain qui possède un smartphone, ce hub de données en mouvement ● DONNÉES DE SANTÉS ● IDENTITÉ ● SITUATION FINANCIÈRE ● AGENDA ● AMIS ET RÉSEAUX ● PRÉFÉRENCES D’ACHAT ● SITUATION FAMILIALE ● ACTIVITÉ SPORTIVE ● OBJETS POSSÉDÉS ● PHOTOS ET VIDÉOS ● RYTHME DE VIE ● DONNÉES DE PAIEMENT ● OPINION POLITIQUE ● ORIENTATION RELIGIEUSE
- 26. 26// Des données et des “super-ordinateurs” dans la poche des utilisateurs = 3 Deep Blue d’IBM (1996) Samsung Galaxy S6 (2015) source : Ubispark Project
- 27. 27// Des données et des “super-ordinateurs” dans la poche des utilisateurs < iPhone X (fin 2017) MacBook Pro (début 2017) source : geekbench - 2016
- 28. 28// 90 smartphones peuvent remplacer un groupe de serveurs Amazon Ubispark Project
- 29. 29// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards2ème opportunité Passer de millions de consommateurs, à des millions de calculateurs La puissance de calcul cumulée des smartphone des utilisateurs d’un service surpasse bien souvent celle du système d’information de l’entreprise qui le propose. Repenser son service et son architecture pour déporter les calculs côté client pour : + + - DE PRÉCISION DES RÉSULTATS D’INSTANTANÉITÉ DES RÉSULTATS D’UTILISATION DU RÉSEAU - DE CONSOMMATION CÔTÉ SERVEUR + DE SOUPLESSE D’ÉVOLUTION - DE COÛTS DE MAINTENANCE + DE POSSIBILITÉS D'INTERACTIONS SI MIDDLEWARE USERS
- 30. 30// Des données et des “super-ordinateurs” dans la poche des utilisateurs GFLOPS Cray-2 TMC CM-2 Deep blue Tianhe-2 33,86 pétaFLOPS Nokia 9000 Communicator Apple iPhone Nexus 5 Samsung Galaxy S6 Artik 10 Samsung Refrigerator source : Ubispark Project
- 31. 31// Nouvelles architectures, Mobile Edge Computing et Fog Computing L’idée : Traiter les données à la périphérie du réseau, là où les données sont générées, et non dans un entrepôt de traitement de données centralisé. Cela repose sur une architecture informatique distribuée ouverte, au sein duquel les données y sont traitées par le périphérique lui-même (smartphone / objet connecté), par un ordinateur ou un serveur local au lieu d’être transmises à un datacenter. SMARTPHONES OBJETS CONNECTÉS CLOUD DATACENTER ACCESS POINT, SERVEUR MEC ET/OU SITE FOG PROCHES CORE NETWORK PLUS “RESPONSIVE” RÉPONSE RAPIDE, POSITIVE ET ADAPTÉE PLUS DE PUISSANCE ET DE CAPACITÉ DE STOCKAGE
- 32. 32// La puissance du réseau pour faire avancer la science À la fin des années quatre-vingt-dix, le projet SETI@home avait été créé pour conjuguer la puissance de calcul inutilisée de millions d’ordinateurs dans le monde afin d’aider à découvrir d’éventuels signaux de vie extraterrestre. Avec le développement de la puissance de calcul des smartphones et l’amélioration des réseaux de communication, de nombreuses initiatives visant à utiliser conjointement des millions de puces inactives ont vu le jour. Leur but étant de créer des clusters de calcul locaux composés de téléphones et d'autres appareils intelligents (Smart TV, consoles, etc…) capables d'exécuter collectivement des tâches de traitement des données à grande échelle. ● BOINC Exploite la puissance de calcul inutilisée de votre appareil Android et exécute des tâches pour des projets de recherche scientifique. ● UBISPARK Le principe est le même sauf que dans ce cas les appareils à proximité immédiate peuvent partager les résultats intermédiaires et exécuter des tâches de calcul en plusieurs étapes en coopération, indépendamment de tout serveur. ● PowerToGive by HTC ● Power Sleep by Samsung ● Folding@home Calcul sur le repliement des protéines
- 33. 33// Google Map Données de géolocalisation 100% DE CHANCE DE TROUVER UNE PLACE L’application GPS et Transport de Google utilise le Machine Learning pour aider ses utilisateurs à trouver une place de parking. Le modèle a été alimenté par des données de localisation enrichies avec des durées moyennes pour trouver une place de parking. Ainsi lorsque l’utilisateur lance un itinéraire, l’application lui indique directement la difficulté qu’il aura à trouver une place une fois à destination.
- 34. 34// Uber driver Données de géolocalisation SE FIER À LA DONNÉE POUR TROUVER LE MEILLEUR TRAJET L’application Uber côté chauffeur se base sur des données de géolocalisation pour alimenter une modèle de Machine Learning qui suggère aux chauffeurs le meilleur trajet pour aller d’un point A à un point B, considérant le trajet de millions d’autres chauffeurs, l’heure, la date, la pondération par des évènements ponctuels, etc...
- 35. 35// Deliveroo Données de géolocalisation PLUS RAPIDE ET MOINS COÛTEUX L’application de livraison de repas à domicile utilise le Machine Learning et des données de géolocalisation enrichies pour indiquer des temps de livraison plus précis et faire baisser ce temps de livraison en optimisant la répartition et le nombre de livreurs. En plus des données de position partagées par l’utilisateur et les livreurs, les modèles se nourrissent de données très diverses comme le temps de préparation d’un plat, le trafic, la date et s’il s’agit d’un jour férié, etc...
- 36. 36// Keela Mental Resilience Données des capteurs intégrés AMÉLIORER SA QUALITÉ DE VIE AU TRAVAIL GRÂCE AUX CAPTEURS DES SMARTPHONES Cette application à destination des employés propose de collecter des données sur la santé des utilisateurs afin de les analyser, et de proposer des solutions et exercices pour améliorer sa qualité de vie au travail et la gestion de son stress. L’application utilise par exemple les capteurs de mouvement du téléphone pour estimer la qualité du sommeil ou le microphone pour déceler les émotions dans la voix.
- 38. 38// 02 // Le Machine Learning sur Mobile, comment ça marche ? Stéphane COPREAUX Senior Project Manager @ FABERNOVEL TECHNOLOGIES
- 39. 39// Le Machine Learning comme sous-partie de L’Intelligence Artificielle ARTIFICIAL INTELLIGENCE DEDUCTION, REASONING, PROBLEM SOLVING KNOWLEDGE REPRESENTATION PLANNING PERCEPTION: COMPUTER VISION MACHINE LEARNING ROBOTICS: MOTION AND MANIPULATION NATURAL LANGUAGE PROCESSING SOCIAL INTELLIGENCE L’intelligence Artificielle semble déjà être devenu un terme générique, quelque fois un peu “fourre-tout”, notamment parce qu’il regroupe de nombreuses réalités et champs d’applications. Le machine learning ne représente qu’un sous-ensemble de l’Intelligence Artificielle, mais celui qui est le plus porteur pour permettre aux machines de simuler l’intelligence humaine.
- 40. 40// Snapchat Données visuelles VENDRE DES FILTRES CUSTOMISÉS AUX MARQUES L’une des fonctionnalités qui a fait le succès de Snapchat et qui a été depuis largement copié, est la possibilité de personnaliser ses selfies avec des filtres 3D se calquant parfaitement sur notre visage. Snapchat utilise le Machine Learning pour détecter un visage et ses variations (sourires, etc..) et y appliquer un filtre ou une animation parfaitement adapté à sa morphologie.
- 41. 41// Machine learning est l’idée qu’il y a des algorithmes génériques qui peuvent vous fournir des analyses pertinentes sur des données, sans que vous ayez à écrire du code spécifique à ce problème. Au lieu d’écrire du code, il faut fournir la donnée à l’algorithme générique qui crée de lui-même sa propre logique depuis la donnée fournie.
- 42. 42// Outil : le Réseau de Neurone Artificiel HIDDEN LAYER 1 HIDDEN LAYER 2 W X Y Z A B C D OUTPUT = RÉSULTAT INPUT = DONNÉES
- 43. 43// Entrainement du modèle Durant la phase d’apprentissage le modèle est entraîné: il est confronté à des données d’entraînement préalablement choisies, ce qui permet d’ajuster les paramètres du modèle. W Y B D CAT DOG DOG CAT CATDOG CAT DOG CAT CAT DOGDOG X￫G Z￫S A￫K C￫N
- 44. 44// Exécution du modèle Durant la phase d’exécution le modèle est mis à l’épreuve - par exemple pour prédire l'étiquette d'une nouvelle donnée, connaissant le modèle préalablement appris. W G Y S K B N D ??? DOG
- 45. 45// Le Machine Learning lui-même divisé en sous-domaines Machine Learning Supervised Learning Unsupervised Learning Reinforcement Learning
- 47. 47// Aipoly Vision Données visuelles UTILISER LE ML POUR AMÉLIORER LE QUOTIDIEN DE MILLIONS DE MALVOYANTS Cette application, récompensée par un prix de l’innovation au CES 2017, permet aux personnes malvoyantes d’explorer le monde autour d’elles et d’identifier les objets en temps réel. En se basant sur un modèle de Machine Learning de reconnaissance visuelle, l’application a pour objectif de fournir une plus grande autonomie aux personnes souffrant de troubles de la vue.
- 49. 49// Dango Données textuelles LA BONNE EMOJI AU BON MOMENT Dango utilise le machine learning pour comprendre ce que vous dites quand vous l’ écrivez. A partir de millions de commentaires et messages existants utilisant des emojis, l’application suggère des emojis et GIF appropriés pour chacun de vos messages.
- 50. 50// Reinforcement Learning Critère Nombre de points Partie 1 Défaite en 10s 100 points Ajustement des paramètres Critère Nombre de points Partie n Victoire en 70s 1200 points Ajustement des paramètres Critères Nombre de points + Rapidité Partie p Victoire en 20s 1200 points
- 51. 51// Les concepts clés de l’intelligence sur mobile LE RÉSEAUX DE COMMUNICATION ● Des réseaux plus étendus et plus puissants ● Le Mesh Networking ● La 5G demain LES PERFORMANCES DES DEVICES ● Puissance de calcul ● Capteurs de plus en plus nombreux et performants ● Allumés 99% du temps ● Puces TensorFlow INTELLIGENCE ARTIFICIELLE OPTIMISÉE MOBILE ● Exécution et entraînement des modèles de Machine Learning possibles en local ● Core ML sur iOS et TensorFlow Lite ● Des APIs et SDK dédié au Machine Learning sur mobile (ex: Amazon ML)
- 52. 52// Mobile et Machine Learning : Core ML Annoncé en 2017 et rendu disponible au développement depuis iOS 11, Core ML, et plus récemment Core ML 2 est un framework facilitant l’intégration de modèles de Machine Learning entraînés directement dans les applications iOS. Core ML est le fondement de trois frameworks basiques spécifiques : ● Vision - Détection et analyse d’image ● Foundation - Traitement du langage naturel ● GameplayKit - Développement de jeux Apple propose un certain nombre de modèles de machine learning prêt à l’emploi, mais surtout la possibilité de convertir au bon format ses propres modèles. Core ML repose sur des technologies bas niveau lui permettant d’accéder directement au CPU du téléphone et donc de faire tourner les modèles de manière plus efficace sur mobile.
- 53. 53// Mobile et Machine Learning : TensorFlow Lite Google a créé puis open-sourcé le framework de machine learning TensorFlow. Le projet TensorFlow regroupe aujourd’hui un ensemble de fonctionnalités et de librairies qui permettent de créer, d’entraîner, de tester, de monitorer et de mettre en production des modèles de machine learning, le tout sur la plupart des plateformes existantes. TensorFlow Lite permet l’inférence, c’est à dire l’exécution du modèle de machine learning, sur mobile iOS ou Android. De la même manière que Core ML, spécifique à iOS, TensorFlow Lite permet d’accéder à des API bas niveau de l’OS afin d’optimiser les performances des modèles à l’exécution.
- 54. 54// Mobile et Machine Learning iOS Android Web Back-end Training POC Production
- 55. 55// Entraîner un modèle sur mobile ? A B C A B C F B G F K G F K G Téléchargement du modèle MàJ des paramètres du modèle Entraînement du modèle Entraînement du modèle
- 56. 56// Google Translate Données textuelles TENSORFLOW POUR UNE TRADUCTION EN TEMPS RÉEL ET HORS LIGNE Application de traduction pour plus de 100 langues permettant de traduire texte tapé au clavier, conversations orales, et également texte présent sur des photos ou écrit à la main via la reconnaissance visuelle. Le modèle pré-entraîné est téléchargé sur le mobile pour seulement quelques dizaines de Mo.
- 57. 57// AI Accelerator: des puces spécialisées dans le ML sur mobile ● GPU Graphics processing units A la base prévue pour le traitement d’images - très performantes pour la Machine Learning Quasiment tous les nouveaux mobiles en sont équipé ● NPU Neural Processing Units - Deep Learning Chips Unités de calculs optimisées pour le ML Commencent à apparaître sur les mobiles (Huawei, Apple) ○ TPU Tensor Processing Unit Spécifiques à Google, disponibles à tout le monde via Google Cloud La loi de Moore n’est plus respectée sur CPU, mais le besoin dans ce domaine sur mobile est si important que les grands acteurs du marché développent du hardware spécialisé pour rendre le ML sur mobile trivial.
- 58. 58// Quelles étapes pour mettre en place un modèle de Machine Learning? 1 METTRE EN PLACE LE MODÈLE ● Est-ce que le projet appartient à un catégorie : Supervised learning, unsupervised learning, reinforcement learning ? ● Avez-vous les données pour ? Si non, comment les récupérer? ● Y’a-t-il d’autres projets similaires ? ● Est-ce qu’un humain avec autant de données pourrait le faire?
- 59. 59// Quelles étapes pour mettre en place un modèle de Machine Learning? 1 METTRE EN PLACE LE MODÈLE ● Faire tourner le modèle sur serveur ou directement sur le smartphone? 2 ENTRAÎNER LE MODÈLE
- 60. 60// Quelles étapes pour mettre en place un modèle de Machine Learning? 1 METTRE EN PLACE LE MODÈLE 2 ENTRAÎNER LE MODÈLE ● On peut faire tourner les modèles sur mobile Exemple : Microsoft Translate qui fonctionne offline 3 UTILISER LE MODÈLE
- 61. 61// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards 3ème opportunité Re-innover grâce au mobile et au ML ✖ 〓MODÈLE DE MACHINE LEARNING INPUTS “RICHES” SON, VIDÉO, IMAGE, DONNÉES CONTEXTUALISÉES EXÉCUTION DU MODÈLE EN LOCAL SUR UN SMARTPHONE ✖ BEAUCOUP D’OPPORTUNITÉS DE SERVICES INNOVANTS Les 3 - 4 premières sessions sur une application mobile sont essentielles pour accrocher et fidéliser de nouveaux utilisateurs. 50% des applications téléchargées ne sont jamais utilisées ou alors une seule fois. Le machine learning peut faciliter le fait de capter l’attention de l’utilisateur en simplifiant une première utilisation via des suggestions pertinentes, et tirer parti des données captées durant chaque session pour rendre les suivantes plus mémorables encore, car plus personnalisées. Avoir accès aux données des utilisateurs est un privilège, et c’est un devoir envers ces utilisateur que de les utiliser pour améliorer leur expérience à chaque nouvelle session.
- 63. 63// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards ✖ 〓2 700 millions d’utilisateurs 2 617 interactions quotidiennes 7 065 milliards d’opportunités commerciales par jour 1ère opportunité Les interactions quotidiennes sont déjà là, par milliards
- 64. 64// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards2ème opportunité Passer de millions de consommateurs, à des millions de calculateurs La puissance de calcul cumulée des smartphone des utilisateurs d’un service surpasse bien souvent celle du système d’information de l’entreprise qui le propose. Repenser son service et son architecture pour déporter les calculs côté client pour : + + - DE PRÉCISION DES RÉSULTATS D’INSTANTANÉITÉ DES RÉSULTATS D’UTILISATION DU RÉSEAU - DE CONSOMMATION CÔTÉ SERVEUR + DE SOUPLESSE D’ÉVOLUTION - DE COÛTS DE MAINTENANCE + DE POSSIBILITÉS D'INTERACTIONS SI MIDDLEWARE USERS
- 65. 65// 1ère opportunité : Les interactions quotidiennes sont déjà là, par milliards 3ème opportunité Re-innover grâce au mobile et au ML ✖ 〓MODÈLE DE MACHINE LEARNING INPUTS “RICHES” SON, VIDÉO, IMAGE, DONNÉES CONTEXTUALISÉES EXÉCUTION DU MODÈLE EN LOCAL SUR UN SMARTPHONE ✖ BEAUCOUP D’OPPORTUNITÉS DE SERVICES INNOVANTS Les 3 - 4 premières sessions sur une application mobile sont essentielles pour accrocher et fidéliser de nouveaux utilisateurs. 50% des applications téléchargées ne sont jamais utilisées ou alors une seule fois. Le machine learning peut faciliter le fait de capter l’attention de l’utilisateur en simplifiant une première utilisation via des suggestions pertinentes, et tirer parti des données captées durant chaque session pour rendre les suivantes plus mémorables encore, car plus personnalisées. Avoir accès aux données des utilisateurs est un privilège, et c’est un devoir envers ces utilisateur que de les utiliser pour améliorer leur expérience à chaque nouvelle session.
- 66. 66// Time Données textuelles ARRÊTER LA PROCRASTINATION GRÂCE À L’IA L’application ressemble à une application de TO-DO classique et trackeur de temps classique. Sauf que l’application Time repose sur un modèle de Machine Learning et de la reconnaissance textuelle qui lui permet de suggérer des timing pertinent aux nouvelles tâches saisies par l’utilisateur.
- 67. 67// Elsa Speak Données sonores MON PROF D’ANGLAIS PRÉFÉRÉ L’application ELSA combine utilisation du microphone et l’intelligence artificielle pour aider ses utilisateurs à mieux parler anglais, et en particulier à améliorer leur prononciation. Le modèle de reconnaissance sonore de l’application permet de détecter les erreurs de prononciation puis d’indiquer à l’utilisateur comment corriger le mouvement de ses lèvres et de sa langue pour atteindre la bonne prononciation.
- 68. 68// Haven Données des capteurs intégrés SURVEILLER SON APPARTEMENT GRÂCE AUX CAPTEURS DES SMARTPHONES Haven utilise les nombreux capteurs du smartphone pour le transformer en véritable système de surveillance portatif destiné à protéger un endroit. Le micro pour enregistrer le bruit environnant, les caméras situés à l’avant et à l’arrière du téléphone pour voir les alentours, l’accéléromètre qui peut sentir les mouvements et les vibrations, le capteur de luminosité ambiante pour savoir si quelqu’un a allumé dans votre chambre ou bien encore l’indicateur de batterie pour vérifier si on a débranché l’appareil de la prise murale.
- 69. 69// Plantix Données visuelles AMÉLIORER LES RÉCOLTES ET RENDRE ACCESSIBLE L’INFORMATION À TOUS Il s’agit d’une application de conseil pour l’agriculture à destination des fermiers, des consultants et des jardiniers à travers le monde. À l’aide de la reconnaissance visuelle et d’une bibliothèque de connaissance sur les maladies et traitements des plantes, l’application reconnaît la maladie d’une plante lorsque l’utilisateur pointe la caméra de son smartphone sur celle-ci, et recommande alors un traitement adapté.
- 70. Merci. 70// Nicolas BRAUN Operations Director +33 6 42 81 78 39 nicolas.braun@applidium.com Sylvain ARRAMY Sales Director +33 6 52 24 91 42 sylvain.arramy@applidium.com