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.
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
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
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
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
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.
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.