Les entreprises Kereon Intelligence et Mydataball interviendront le 13 février prochain à Bordeaux, dans le cadre de la 3ème journée de l'événement Dataquitaine _ IA, RO et Data Science, un événement immanquable pour les ingénieurs, chercheurs, entrepreneurs qui s'intéressent à la datascience. L'occasion de décrypter ces sujets avec nos adhérents.
S.C. : « MyDataBall, c’est une solution qui combine une approche interactive entre les personnes de métiers et le patrimoine des données, et une algorithmie de détection de règles multidimensionnelles dans les données. Nous proposons ainsi une co construction d’une machine learning guidée par les questions réponses métiers et des données qui génère des IA temps réelles de grande qualité à très fort ROI. Nous travaillons dans le secteur de la finance (risks management, marketing et commercial, contrôleur de gestion, finance, et SAv) et de l’énergie, notamment celui de la réduction de l’empreinte carbone. »
S.C. : « Toujours avec plus de nouvelles applications et de nouveaux sujets, un donneur d’ordre nous a demandé en quoi nous pouvions adapter notre technologie dans le domaine comportemental de la smart building. C’est ce que nous allons présenter à cet évènement. Nous avons créé des IA dans les IoT dans un premier temps, pour prédire les défaillances et les alertes, et des IA au niveau de lieux, d’appartements, de maison, pour détecter a priori des changements de comportement et générer des alertes au niveau d’un habitat dans sa globalité, en prenant en compte de multitudes mesures réparties. Nous proposons ainsi, d’apprendre les liens systémiques qu’il peut y avoir dans l’ensemble d’un immeuble par exemple et d’en déduire des actions prioritaires de maintenabilité de la consommation de fluides (eau, gaz, électricité, …). On peut retrouver le résumé de mon talk ici «
S.C. : « La machine learning se compose de deux parties : en premier c’est avoir des cas de test qui nous permettent de reconnaitre ce que nous voulons savoir (par exemple, récolter tous les évènements qui concourent à expliquer une alerte) et en second, un algorithme qui permet d’entreposer et de paramétrer un modèle de représentation des cas de tests (apprentissage). Le résultat est un exécutable qui répondra en temps réel à toutes les questions sur le périmètre de son apprentissage. »
S.C. : « LE besoin d’automatisation de certaines tâches humaines apparait nécessaire. Cependant, notre capacité à prendre des décisions est souvent très complexe et conjugue la notion systémique et non linéaire des éléments. Ainsi, on parlera d’IA faible (pour résoudre des problèmes assez simples) et d’IA fortes, qui elles, combineront de très nombreux éléments voire même qui combineront des IA faibles. Cette méthodologie permet de prendre en compte les liens systémiques d’une ville qui sont considérables. Son applicabilité au smart building, smart city, empreinte carbone, est primordiale pour assurer et accompagner dans l’harmonie les changements que nous devons opérer dans notre monde de plus en plus complexe et auquel, l’humain semble ne pas avoir la capacité à y répondre de manière pertinente et efficace. L’IA s’applique là où les besoins sont les plus pressants : développement durable, réduire les coûts énergétiques de l’activité humaine, améliorer la sécurité notamment la cybersécurité pour lequel nous travaillons avec la DGA en ce moment. »
S.C. : « La mesure de l’empreinte carbone est sujette à de nombreuses formules qui sont souvent propres à 1 domaine d’activité humaine spécifique. La « compilation » de toutes les mesures et calculs est complexe. L’IA peut quant à elle prendre un très ensemble de paramètres et, par l’analytics, et notamment avec MyDataBall qui nativement prend plusieurs milliers de données, déterminer des combinaisons d’actions qui auront un très fort impact de réduction de l’empreinte carbone. C’est ce que nous avons proposé pour le projet de La Rochelle, validé par l’état avec une subvention conséquente, afin de réduire à 0 la consommation carbone en 2040, en détectant, dans une masse de données mesurant l’activité humaine (entreprises, zone littorale, citoyens, l’immobilier, l’activité des collectivités), les leviers multidimensionnels à très fort impact positif des changements de nos usages et coutumes. »
M.K. : « Kereon Intelligence est une société de conseil et réalisation dans le domaine de la Data. La mission de Kereon est d’aider ses client à valoriser leur patrimoine des données.
Nous intervenons sur l’ensemble du cycle d’un projet data : de l’émergence de cas d’usage à la mise en place de solution, en passant par des expertises d’architecture, de data science, d’Iot…. »
M.K. : « Notre intervention portera sur le rôle de la visualisation des données (dataviz) dans le contexte des Smart Cities. Nous expliquerons pourquoi la dataviz est un outil indispensable pour donner un sens aux données générées par les villes connectées. Nous analyserons les aspects clés de la dataviz nécessaires à la création de visualisations qui révèlent la valeur des données pour les citoyens et génèrent de nouvelles informations jusque-là inconnues. Le rôle clé de dataviz est illustré par deux démonstrations utilisant des données réelles collectées dans des villes intelligentes. »
M.K. : « Il existe un grand nombre d’exemples de villes intelligentes et, de nos jours, la plupart des grandes villes expérimentent avec des cas d’usage classiques ou sont déjà en train de développer des services intelligents pour les citoyens.
En règle générale, les grandes villes comme Singapour, New York et Londres sont citées comme exemples de villes intelligentes, principalement en raison de leurs lourds investissements dans des domaines spécifiques tels que les transports publics, le haut débit, etc. Cependant, les premiers à adopter le concept de ville intelligente étaient de plus petites villes grâce à leurs avantages en termes de flexibilité ainsi que de mise en œuvre et d’évolutivité plus façile. Les exemples incluent Santander en Espagne et Milton Keynes en Angleterre. Dans notre exposé, nous présenterons des projets Smart City à Melbourne, en Australie ainsi qu’à Rennes en France.
Les cas d’usage les plus fréquents que les villes mettent en place visent à optimiser les transports publics et à améliorer la sécurité des citoyens. Pour ce faire, les premières étapes des villes intelligentes sont généralement dédiées au suivi en temps réel de la disponibilité des places de stationnement et des vélos. D’autres exemples incluent la surveillance du trafic en temps réel, les services de navigation urbaine et l’éclairage intelligent. »
M.K. : « Dans le context Smart City, la dataviz s’adresse essentiellement aux citoyens. Une dataviz bien adaptée est essentielle pour créer de nouveaux services perspicaces offrant une valeur supplémentaire aux citoyens. Les interfaces et outils de dataviz standards tels que les tableaux de bord et les notifications manquent souvent d’informations contextuelles nécessaires non seulement pour interpréter correctement les données collectées à partir des capteurs, mais surtout pour utiliser ces informations pour prendre les décisions adéquates. »
M.K. : « Le projet Synchronicity (https://synchronicity-iot.eu) fournit des informations sur les développements en cours des villes intelligentes dans les villes européennes. Pour plus d’informations sur les initiatives actuelles de Smart City, consultez le réseau international à but non lucratif de Smart City appelé Open & Agile Smart Cities (OASC) (https://oascities.org/about-oasc/). »
Merci à Milan et Stéphane d’avoir répondu à nos questions.
Propos recueillis par Anne-Céline Henault.
Vous souhaitez partager votre expertise ?
Envoyez-nous
votre publication !
Vous souhaitez nous soumettre un article à publier ?