{"id":12566,"date":"2016-04-17T18:09:56","date_gmt":"2016-04-17T16:09:56","guid":{"rendered":"http:\/\/www.oezratty.net\/wordpress\/?p=12566"},"modified":"2016-09-05T16:03:04","modified_gmt":"2016-09-05T14:03:04","slug":"avancees-intelligence-artificielle-6","status":"publish","type":"post","link":"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-6\/","title":{"rendered":"Les avanc\u00e9es de l’intelligence artificielle – 6"},"content":{"rendered":"

Apr\u00e8s avoir fait le tour des strat\u00e9gies d\u2019IA de quelques grands acteurs du num\u00e9rique dont Google, IBM, Microsoft et Facebook et \u00e0 leurs acquisitions, revenons aux startups du secteur en nous int\u00e9ressant aux fran\u00e7aises.<\/p>\n

Il est clair que l\u2019IA est l\u2019une des technologies cl\u00e9s du num\u00e9rique, aujourd\u2019hui et demain. Donc, au lieu de chercher \u00e0 cr\u00e9er un Google, un Facebook ou un syst\u00e8me d\u2019exploitation fran\u00e7ais, il serait bon de s\u2019int\u00e9resser \u00e0 ce domaine prometteur, surtout dans la mesure o\u00f9 les plateformes correspondantes sont encore en devenir.<\/p>\n

La recherche en IA en France<\/strong><\/p>\n

La recherche en IA est diss\u00e9min\u00e9e dans plusieurs laboratoires et dans des projets collaboratifs associant laboratoires publics et universit\u00e9s. Les deux premiers organismes se focalisant sur l\u2019IA sont l\u2019INRIA et le CNRS.<\/p>\n

Que fait l\u2019INRIA ? Un grand nombre des projets de recherche fondamentale en IA r\u00e9f\u00e9renc\u00e9s sur leur site font appel aux techniques de l\u2019IA, m\u00eame s\u2019ils ne sont pas forc\u00e9ment labellis\u00e9s IA \/ machine learning \/ r\u00e9seaux neuronaux. C\u2019est ainsi le cas du projet Orpailleur<\/a> men\u00e9 \u00e0 Nancy et d\u00e9di\u00e9 \u00e0 la repr\u00e9sentation des connaissances et au raisonnement. L\u2019\u00e9quipe planche sur l\u2019extraction de donn\u00e9es dans les bases de connaissances non structur\u00e9es, et notamment dans le domaine de la sant\u00e9, le m\u00eame que celui qui est investi par IBM Watson et plein de startups. Ils collaborent notamment avec le centre de lutte contre le cancer de Nancy. L\u2019\u00e9quipe Magnet<\/a> travaille quand \u00e0 elle directement sur le machine learning et l\u2019auto-apprentissage.<\/p>\n

Les chercheurs fran\u00e7ais se plaignent<\/a> en tout cas d\u2019\u00eatre d\u00e9laiss\u00e9s en France dans la discipline. Ils ne sont certainement pas les seuls, au sens o\u00f9 de nombreuses disciplines se sentent d\u00e9laiss\u00e9es dans la recherche publique.<\/p>\n

Une association cr\u00e9\u00e9e en 1993 fait la promotion de la recherche en IA, l\u2019AFIA<\/a><\/strong>. Elle organisait en octobre 2014 une conf\u00e9rence<\/a> de promotion de l\u2019IA dans la recherche. On y identifie par exemple Andreas Herzig<\/strong> (IRIT, CNRS, Toulouse) qui travaille sur la mod\u00e9lisation de la logique et du raisonnement, H\u00e9l\u00e8ne Fargier<\/strong> (IRIT, CNRS, Toulouse) qui travaille notamment sur la programmation par contraintes, J\u00e9r\u00f4me Euzenat<\/strong> (LIG, Inria) qui planche sur la repr\u00e9sentation et l\u2019\u00e9change de connaissances et Leila Amgoud<\/strong> (IRIT, CNRS) qui est sp\u00e9cialis\u00e9e dans la mod\u00e9lisation de l\u2019argumentation.<\/p>\n

Le d\u00e9fi pour ces chercheurs et leurs autorit\u00e9s de tutelle est de trouver des applications march\u00e9s de leurs travaux. En consultant la liste des participations d\u2019IT-Translation<\/strong> qui est l\u2019un principaux financeurs de projets issus de l\u2019INRIA, on constate que l\u2019IA est souvent en filigrane de ces projets, mais pas forc\u00e9ment au niveau \u201cplateforme\u201d ou \u201ccouches de base\u201d.<\/p>\n

\"Intelligence<\/a><\/strong><\/p>\n

Dans \u201cEconomic Report or The President<\/a>\u201d, le rapport annuel 2016 sur l\u2019\u00e9conomie de la Maison Blanche, j\u2019ai d\u00e9couvert deux donn\u00e9es int\u00e9ressantes : aux USA, en 2013, les startups ont cr\u00e9\u00e9 2 millions d\u2019emploi et les entreprises traditionnelles 8 millions. Donc 20% ! Une proportion \u00e9norme sachant que dans le m\u00eame temps, l\u2019\u00e9conomie fran\u00e7aise a plut\u00f4t d\u00e9truit des emplois et les startups n\u2019en ont probablement cr\u00e9\u00e9 que quelques milliers. Et surtout : la moiti\u00e9 de la R&D f\u00e9d\u00e9rale est d\u00e9di\u00e9e \u00e0 la d\u00e9fense ! Et au milieu des ann\u00e9es Reagan, elle en repr\u00e9sentait les deux tiers ! Cela explique pourquoi tant de projets autour de l\u2019IA sont financ\u00e9s par la DARPA. Y compris trois d\u00e9fis\u00a0lanc\u00e9s en 2004, 2005 et 2007 sur la conduite automatique, qui ont dynamis\u00e9 les \u00e9quipes de recherche de nombreuses universit\u00e9s sur le sujet. Nombre de ces \u00e9quipes ont \u00e9t\u00e9 ensuite recrut\u00e9es par Google pour ses diff\u00e9rents projets de voitures automatiques.<\/p>\n

En France, la recherche dans l\u2019IA semble mieux financ\u00e9e c\u00f4t\u00e9 civil, m\u00eame s\u2019il est difficile de le v\u00e9rifier par les chiffres. On ne s\u2019en plaindra pas. A ceci pr\u00e8s que la R&D militaire US a une qualit\u00e9 : elle est orient\u00e9e vers des objectifs pratiques selon des cahiers des charges. De son c\u00f4t\u00e9, la recherche civile fran\u00e7aise fonctionne plut\u00f4t de mani\u00e8re tr\u00e8s d\u00e9centralis\u00e9e et sans objectifs pratiques clairs, sauf lorsqu\u2019elle est financ\u00e9e par des entreprises priv\u00e9es, surtout depuis la loi P\u00e9cresse de 2007. A m\u00e9diter !<\/p>\n

Startups \u201chorizontales\u201d<\/strong><\/p>\n

Voici les startups que j\u2019ai pu rep\u00e9rer dans les solutions techniques d\u2019IA plus ou moins g\u00e9n\u00e9riques. Le champ de la reconnaissance audio est faiblement couvert par les startups fran\u00e7aises. Dans celle des images, on eu quelques cas anciens comme LTU qui a \u00e9t\u00e9 rachet\u00e9 par le japonais JASTEC en 2005.<\/p>\n

Il subsiste quelques acteurs sp\u00e9cialis\u00e9s dans la recherche et qui ont int\u00e9gr\u00e9 petit \u00e0 petit des techniques d\u2019IA dans leurs offres. Antidot et Sinequa sont anciens dans le paysage mais, \u00e0 l\u2019instar de nombreux \u00e9diteurs b2b, ils peinent \u00e0 cro\u00eetre pour atteindre la taille critique, m\u00eame s’ils commencent \u00e0 se d\u00e9velopper \u00e0 l\u2019international comme Sinequa qui y r\u00e9alise maintenant 50% de son chiffre d’affaire.<\/p>\n

J\u2019indique comme dans l\u2019article pr\u00e9c\u00e9dent entre parenth\u00e8se l\u2019ann\u00e9e de cr\u00e9ation et les montants lev\u00e9s lorsqu\u2019ils sont disponibles. J\u2019aimerai bien ajouter un troisi\u00e8me indicateur : le chiffre d\u2019affaire, mais il n\u2019est g\u00e9n\u00e9ralement pas disponible.<\/p>\n

Antidot<\/strong> (1999, $3,5m) est connu pour son moteur de recherche pour entreprises. Il propose une fonction de classification automatique de contenus ainsi que d\u2019am\u00e9lioration de la pertinence des r\u00e9sultats de recherche s\u2019appuyant sur du machine learning.<\/p>\n

Sinequa <\/strong>(2002, $5,33m) est un fournisseur de solutions de big data et d\u2019analyse de donn\u00e9es pour les grandes entreprises. Il fournit un moteur de recherche s\u00e9mantique capable d\u2019exploiter les donn\u00e9es issues de nombreux progiciels (ERP, CRM, gestionnaires de contenus, etc). La soci\u00e9t\u00e9 a annonc\u00e9 en 2015 investir dans le machine learning pour am\u00e9liorer la performance de ses solutions.<\/p>\n

Dataiku <\/strong>(2013, $3,5m) fait \u00e9voluer les concepts de business intelligence et de data mining avec son Data Science Studio, un ensemble d\u2019outils d\u2019analyse de donn\u00e9es qui exploitent du machine learning pour la cr\u00e9ation de mod\u00e8les de donn\u00e9es et de simulations.<\/p>\n

Heuritech<\/strong> (2013) propose sa solution logicielle Hakken d\u2019analyse s\u00e9mantique, de tagging et classement automatiques de textes, images et vid\u00e9os sous forme d\u2019APIs. Ils proposent aussi HeuritechDIP qui permet d\u2019am\u00e9liorer sa connaissance des clients et d\u2019anticiper leurs besoins, \u00e9videmment, surtout dans les applications de commerce en ligne. Le tout s\u2019appuie sur force marchine et deep learning. La startup s\u2019appuie sur les travaux de recherche de deux laboratoires publics le CNRS LIP6 and l\u2019ISIR de l\u2019UPMC (Paris VI).<\/p>\n

flow<\/a><\/div>
Les solutions de reconnaissance de visage qui \u00e9valuent l'\u00e2ge sont g\u00e9n\u00e9ralement \u00e0 c\u00f4t\u00e9 de la plaque. L'habit (du visage) ne fait pas le moine ! Ici, sur le stand de Smart Me Up au CES 2016 de Las Vegas.<\/div>
<\/div><\/div><\/div><\/div>