Dictionnaire digital : IA et traitement d'images
Dans ce nouvel épisode du dictionnaire digital, nous revenons sur le traitement d'images par l'IA, reliant ainsi le monde physique au digital, et ce, via les éclairage de Mohamed Amine Hejji, CEO de BlueDove.
Category
🤖
TechTranscript
00:00 Bonjour à toutes et à tous, bienvenue dans ce nouvel épisode du Dictionnaire Digital.
00:04 Aujourd'hui, nous allons aborder une nouvelle fois l'intelligence artificielle,
00:08 mais d'une autre fenêtre, car habituellement,
00:11 nous parlons de l'IA qui fait une transition du physique vers le digital.
00:15 Mais là, ça va être l'inverse. Comment l'IA s'implémente dans le monde physique ?
00:21 Pour en parler, nous recevons Mohamed Amin Hidji, CEO de Bluedoff.
00:26 Merci, Monsieur Hidji, d'avoir accepté notre invitation.
00:29 Merci à vous, c'est un grand plaisir.
00:32 Alors pour commencer, est-ce que vous pouvez nous expliquer comment cette IA
00:38 peut interagir avec le monde physique et ce que vous faites au sein de Bluedoff ?
00:42 Ça peut apparaître un sujet un peu complexe et absurde,
00:46 parce que si on remarque sur le monde digital,
00:50 tout le monde parle de l'IA, mais de l'IA au service du digital lui-même.
00:55 Que ce soit sur du e-commerce, que ce soit sur des différents traitements,
01:01 des processus digitaux, etc.
01:04 Mais rarement qu'on parle de l'implémentation de l'IA pour améliorer la vie physique des humains.
01:12 Et là, ça fait partie de notre ADN, c'est qu'on a un pouvoir de l'intelligence artificielle,
01:21 mais on ne veut pas le garder devant les PC et les téléphones portables,
01:26 mais on veut vraiment impacter la vie physique des gens,
01:30 parce que quand même, ça représente la majorité de notre temps et de notre vécu.
01:34 Est-ce que vous pouvez parler plus en détail du produit que propose Bluedoff
01:39 et de la technologie derrière ?
01:41 Bon, en fait, nous, on travaille surtout avec les grandes entreprises
01:47 qui ont un réseau de points de vente.
01:50 Pourquoi les points de vente ?
01:51 Déjà, ce sont des lieux de rassemblement de beaucoup de personnes
01:54 et qui font vraiment partie du vécu de nous tous.
01:57 Et donc, c'est l'expérience physique au sein de ces points de vente,
02:03 vraiment, ça impacte beaucoup la décision de l'achat ou pas.
02:09 Et donc, c'est un sujet important, que ce soit pour le client
02:13 ou pour les entreprises qui ont ces points de vente.
02:16 Donc, Bluedoff est là pour aider ces entreprises à améliorer
02:22 leurs chiffres d'affaires issus des points de vente physiques.
02:26 Et ce, on le fait à travers trois grands volets,
02:30 à l'aide de l'intelligence artificielle, bien sûr.
02:32 Le premier volet, c'est essentiellement de mesurer et améliorer
02:38 l'expérience physique ressentie par le client.
02:41 Et ce, à travers des données qui sont quantitatives, réelles,
02:47 qui viennent du terrain et qui prennent en considération
02:50 l'aspect de chaque point de vente spécifique.
02:54 Le deuxième grand volet qu'on a là pour améliorer et mesurer,
03:00 c'est l'attractivité des zones de charlon d'Isse.
03:02 Et ça, c'est important pour n'importe quel business
03:05 qui se focalise sur des ventes physiques.
03:07 Et le troisième grand volet, bien sûr, c'est l'amélioration
03:10 du message du marketing dans les points de vente.
03:14 Parce que généralement, le marketing dans les points de vente
03:17 se fait d'une manière assez statique.
03:19 C'est-à-dire, tous les points de vente auront
03:21 les mêmes contenus publicitaires.
03:23 Alors qu'on est là, à travers l'IA, on propose à ces entreprises
03:28 à segmenter leur publicité par rapport à la spécificité
03:34 de chaque point de vente et chaque population qu'ils agrèrent.
03:38 Donc tout ça, ça se fait à travers du traitement d'images,
03:42 en temps réel, bien sûr, et ce, on ne pouvait pas le faire
03:48 sans l'intelligence artificielle.
03:50 Donc classiquement, ces entreprises, ils faisaient appel
03:54 à des boîtes conseil, donc ils faisaient un peu des études
03:58 sur le terrain, sur des échantillons, de quelques points de vente,
04:03 et ce n'était pas trop significatif parce que ces échantillons
04:08 étaient trop limités dans l'espace.
04:10 Donc par exemple, une entreprise qui a 1000 points de vente,
04:13 un échantillon de 50 points de vente, ça peut ne pas être représentatif,
04:20 et donc ça ne représente pas toutes les typologies
04:22 des clients et des populations.
04:24 Et bien sûr, c'est trop limité dans le temps parce que la mission
04:27 peut durer 3 à 4, 5 mois, alors que les attentes des clients,
04:33 elles varient beaucoup selon le lieu et selon le temps.
04:37 Alors qu'on est là pour accompagner les entreprises
04:42 et en tenant compte l'aspect temps et espace et typologie
04:47 des clients et populations.
04:49 Est-ce que vous pouvez revenir un peu sur, donner en tout cas
04:51 des exemples de recommandations que vous pouvez faire,
04:54 de remarques ou d'analyses finies, produites par cet IA
04:59 qui peut traiter énormément de données comme ce que vous venez de dire ?
05:04 Alors nous, l'interlocuteur direct, ce sont les équipes commerciales
05:08 et marketing dans les sièges de ces grandes entreprises
05:12 qui ont ces points de vente.
05:15 Concrètement, ce qu'on donne, c'est des KPIs qui sont actualisés
05:23 en temps réel et qui se sont divisés en deux grandes parties.
05:27 La première partie, c'est les KPIs de l'expérience client ressentie,
05:30 c'est-à-dire les KPIs liées au temps d'attente dans n'importe quel point
05:35 de vente, donc on peut savoir la situation du temps d'attente,
05:39 que ce soit les temps d'attente maximale, l'évolution du temps d'attente,
05:44 etc. Les KPIs qui sont liés à la file d'attente,
05:48 les KPIs qui sont liés à l'occupation des points de vente
05:52 et donc les décisions qu'on peut prendre en arrière,
05:55 et des KPIs qui sont liés aux opérations dans les caisses
06:00 ou dans les stations de service. Les deuxièmes types de KPIs
06:03 sont des KPIs qui sont liés à la performance commerciale,
06:09 donc on veut dire par ça votre activité des points de vente,
06:12 les taux de conversion client, et on peut aller même du scoring
06:16 des équipes qui travaillent dans les points de vente.
06:20 Alors à travers tout ça, on a un processus qui est intelligent
06:26 et qui permet de donner des recommandations spécifiques
06:29 à chaque point de vente et qui va permettre d'augmenter le chiffre d'affaires.
06:33 J'aurais une dernière question sur le développement un peu technique
06:36 de cette IA. Comment le processus s'est déroulé ?
06:41 Déjà l'IA c'est tout simplement, en définition,
06:45 c'est de laisser la machine penser comme l'homme.
06:48 Donc l'IA contient plusieurs volets, il y a le deep learning,
06:52 le machine learning, etc. On peut faire fonctionner l'IA
06:55 sur des données de chiffres, par exemple, pour avoir des modèles
06:59 de prédiction, etc. Mais aussi on peut la faire marcher sur des images.
07:03 Et donc l'autre robot, l'IA, il est là pour remplacer l'être humain,
07:09 et qui était là, par exemple, en train de surveiller les caméras de surveillance.
07:13 Alors la machine, ou notre IA, il est là pour remplacer cette personne
07:16 ou il est là pour l'aider à comprendre ce qui se passe dans ces images-là
07:21 et nous donner d'une manière plus rapide des recommandations
07:26 et des informations pertinentes. Donc dans notre cas,
07:29 la technologie en fait, elle a été développée in-house.
07:34 Donc l'histoire a commencé en 2019, avant cette vague d'IA.
07:41 C'était une petite anecdote, en fait, notre histoire a commencé
07:45 dans le campus de l'Université de Montréal Polytechnique,
07:48 dans un restaurant du campus. Et là, en fait, on a été mené à faire
07:54 une petite application, on l'avait appelée "normal waiting",
07:57 et qui était là pour partager l'occupation du restaurant avec le public
08:03 pour que les personnes puissent savoir si c'est plein ou pas avant de venir.
08:07 Et donc, à ce moment-là, pour avoir cette donnée-là,
08:11 on s'est servi par des écrans tactiles à l'entrée et à la sortie,
08:14 où les personnes cliquaient à l'entrée et à la sortie
08:17 pour qu'on puisse avoir cette date, cette information.
08:20 Et jusqu'à un jour, il y avait une visite assez importante sur le campus,
08:25 et on a échangé avec ces personnalités, et ils ont dit "mais là, c'est très important,
08:31 on peut pas vous poser sur l'intervention humaine pour avoir de la date et de l'information".
08:36 On a dit "oui", et ils ont dit "pourquoi pas, pensez à l'intelligence artificielle
08:40 et au traitement d'images". Et donc là, on a rassemblé une équipe de 23 personnes,
08:45 des différents élèves ingénieurs de l'IMIN, de l'Université de Montréal Polytechnique,
08:51 des élèves du coding de l'école 1337 de Montréal et d'autres start-up marocaines.
08:57 On a travaillé pendant 6 mois pour avoir le premier modèle d'intelligence artificielle,
09:02 de traitement d'images. Et bon, après, les choses ont beaucoup évolué,
09:07 petit à petit, pour qu'on puisse avoir des résultats beaucoup plus pertinents
09:12 en accuracy et en utilisation du hardware.
09:15 Merci beaucoup, monsieur Higgy, pour tous ces éclairages.
09:18 Avec grand plaisir.
09:19 Merci à toutes et à tous d'avoir suivi ce nouvel épisode du Dictionnaire Digital.
09:24 À bientôt.
09:25 à tout !
09:25 *Bruit de la musique*