Problématique Métier : Les étudiants master au CRIOBE avaient besoin d’une introduction accessible à l’intelligence artificielle et ses applications pour recherche marine. Bien qu’ils possèdent solides formations biologie et écologie, plupart manquaient exposition concepts IA et outils pratiques. La formation a comblé écart entre théorie sciences marines et pratique IA, démontrant applications directes surveillance récifs coralliens et recherche conservation.

Format & Approche Formation : Durée : 4 heures (2h cours magistral + 2h session pratique)
Date : 10 décembre 2024
Format : Présentiel station recherche CRIOBE Moorea
Participants : Étudiants master Biologie Marine et Sciences Environnementales

Curriculum Dispensé :

Fondation Théorique (10:30–12:30) :

• Histoire & Évolution IA : Aperçu complet développement intelligence artificielle (~45 minutes)
• Vocabulaire & Concepts Clés : Terminologie IA essentielle et concepts fondamentaux
• Démystification : Aborder idées fausses communes capacités et limitations IA
• Fondamentaux Machine Learning : Introduction principes ML essentiels et applications (~1h15)

Session Application Pratique (13:30–15:30) :

• Outils IA Générative : Démonstrations pratiques ChatGPT, Midjourney, et LaMa inpainting
• Modèles IA Discriminative : Expérience pratique YOLO pour détection objets
• Applications Recherche Marine : Application directe outils IA analyse imagerie récifs coralliens
• Exercice Pratique : Détection automatisée grilles quadrat photographies études coraux

Résultats Quantifiables :

• Engagement Complet : 100% étudiants ont réussi avec succès tous exercices pratiques
• Maîtrise Technique : Étudiants ont acquis expérience première main outils IA génératifs et discriminatifs
• Satisfaction Élevée : Note satisfaction moyenne 4,7/5 (collectée informellement)
• Intégration Académique : Plusieurs étudiants ont exprimé fort intérêt intégrer méthodes IA projets thèse à venir
• Compétences Pratiques : Étudiants ont démontré capacité appliquer outils IA scénarios recherche récifs coralliens réels

Impact & Applications Académiques : La formation a introduit étudiants CRIOBE techniques IA état de l’art avec pertinence directe recherche récifs coralliens, leur fournissant fondation pratique explorer IA dans travail académique. Suite formation, étudiants ont commencé considérer applications IA pour :

• Classification Coraux : Identification automatisée espèces études récifs
• Automatisation Surveillance Récifs : Analyse rationalisée photographie sous-marine
• Détection Motifs Écologiques : Analyse données environnementales alimentée IA
• Efficacité Recherche : Traitement et analyse données accélérés

Valeur Recherche Long Terme :

• Capacités Recherche Renforcées : Étudiants équipés outils IA pointe recherche marine
• Innovation Académique : Intégration méthodes IA projets thèse biologie marine
• Qualité Recherche : Précision et efficacité améliorées surveillance et analyse récifs coralliens
• Transfert Connaissances : Étudiants positionnés faire progresser applications IA conservation marine

Cette formation a démontré avec succès comment formation IA spécialisée peut améliorer capacités recherche académique, comblant écart entre technologie avancée et applications sciences marines tout maintenant focus implémentation pratique et pertinence recherche.

Notre solution de suivi des coraux exploite des photos de quadrats recueillies sur des sites de la Polynésie française afin de fournir des évaluations détaillées, au fil du temps, de la santé des récifs coralliens. En utilisant des techniques avancées de vision par ordinateur et d’apprentissage automatique, le système détecte et classe automatiquement les espèces de coraux et suit l’évolution du recouvrement au fil du temps. La mise en œuvre consiste à prendre des photos sous-marines haute résolution sur des sites coralliens spécifiques, à traiter les images recueillies via une plateforme d’analyse alimentée par l’intelligence artificielle puis à afficher les résultats sur un tableau de bord centralisé.

Utilisation d’une solution de deep learning pour compter les holoturies juvéniles. Avoir une solution robuste aux changements d’illumination et aux ombres nécessitent un traitement plus avancé que les techniques traditionnelles de seuillage. Une méthode IA popularisée dans le comptage
des cellules en micro-biologie a été reprise pour compter les holoturies et fournir un logiciel de comptage.

Problématique Métier : De nombreux professionnels en Polynésie française étaient curieux de l’IA mais manquaient de compréhension pratique pour l’appliquer dans leur travail quotidien. Les défis communs incluaient des idées fausses sur les capacités IA, incertitude sur les bénéfices métier concrets, et besoin de formation pratique avec outils accessibles pour améliorer efficacité et innovation au travail. La formation a abordé l’écart entre sensibilisation IA et implémentation pratique.

Format & Approche Formation : Durée : Formation intensive de 4 heures
Format : Présentiel au centre de formation PÉPITES
Participants : Groupe mixte de professionnels divers secteurs (administration, business, éducation) — environ 12–15 participants par session

Curriculum Dispensé :

• Fondamentaux IA : Introduction concepts et évolution IA (aperçu non-technique)
• Vocabulaire & Démystification : Clarification terminologie et déboulonnage idées fausses communes sur IA
• Démonstrations Pratiques : Expérience pratique avec outils IA générative (ChatGPT, Midjourney)
• Applications Locales : Exploration solutions IA développées “pour le fenua” (adaptées localement)
• Exercices Interactifs : Participants ont identifié applications monde réel pertinentes leurs contextes professionnels
• Discussions Groupes : Réflexion collaborative sur intégration IA workflows individuels et pratiques organisationnelles

Résultats Quantifiables :

• Renforcement Confiance : 90% participants rapportent confiance significativement améliorée utilisation outils IA
• Application Pratique : Participants ont identifié au moins 2 cas d’usage concrets directement pertinents travail quotidien
• Note Satisfaction : Retours post-formation moyenne 4,6/5 toutes sessions
• Succès Implémentation : Plusieurs participants ont implémenté ChatGPT pour rédaction documents, amélioration communication client, automatisation tâches dans un mois
• Rétention Connaissances : Participants ont démontré compréhension claire limitations IA et risques potentiels

Retours Participants & Impact : Les participants ont souligné la clarté des explications et équilibre efficace entre théorie et application pratique. Beaucoup ont apprécié découvrir l’IA dans environnement non-intimidant et ont acquis compréhension précieuse capacités et limitations IA. La formation a transformé avec succès concepts IA abstraits en outils travail actionnables.

Valeur Métier Long Terme :

• Développement Main-d’œuvre : Littératie IA renforcée secteurs professionnels divers Polynésie française
• Implémentation Pratique : Application directe outils IA workflows participants en quelques semaines
• Sensibilisation Risques : Approche éduquée adoption IA avec compréhension claire limitations et considérations éthiques
• Impact Marché Local : Contribution construction compétences IA écosystème professionnel polynésien

Cette formation a démontré l’efficacité de la formation IA pratique et culturellement pertinente pour développement professionnel, comblant avec succès l’écart entre technologie IA et application pratique travail.

Création d’une solution de comptage automatique par IA des micro-plastiques dans les bénitiers dans le cadre de la thèse d’Irène Godere (sous la direction de Nabila Gaertner-mazouni) afin d’étudier la contamination plastique en Polynésie Française.

La saisie comptable des factures est une tâche fastidieuse et de nombreuses solutions existent sur le marché pour accélérer le processus. Les méthodes traditionnelles de traitement d’image combinées à des algorithmes basés sur des règles connaissent des difficultés face la grande diversité des modèles de factures. C’est pourquoi les solutions basées sur l’apprentissage profond et l’apprentissage continu sont aujourd’hui les technologies de pointe, car elles peuvent s’adapter à de nouveaux modèles, à condition de voir suffisamment d’exemples. Dans ce travail, un service générique d’OCR de pointe a été déployé. Par ailleurs, un modèle de recherche d’informations clef-valeur a été entraîné pour déduire les différents champs comptables de la facture en sortie d’OCR.

La numérisation des Single Line Diagrams (SLD) est un processus long et coûteux en raison de la grande diversité des symboles et du nombre élevé d’occurrences. Les progrès récents en matière de détection d’objets et de classification fine d’images offrent de bonnes solutions pour détecter et reconnaître automatiquement les symboles électriques à partir de schémas. Une base de données propriétaire a été construite pour entraîner et évaluer les solutions de pointe permettant de repérer puis de reconnaître chaque symbole.

Les progrès récents en matière d’IA ont démontré un grand potentiel pour le comptage de foule à partir d’images 2D. Alors que plusieurs solutions nécessitent des caméras dédiées (2d ou 3d) pour un comptage de haute précision, les méthodes récentes exploitent les caméras de surveillance existantes et atteignent des performances décentes autour de 90% de précision. L’occlusion sévère dans les espaces bondés reste un défi, mais des performances prometteuses sont obtenues dans des environnements intérieurs. Des approches basées sur la densité ainsi que des approches de détection de têtes ont été évaluées sur des scènes vue de haut dans les aéroports et en vue rasante dans les bus.

Les timelapses constituent un excellent outil de suivi de chantier. La présence de véhicules de construction est un bon indicateur de l’état d’avancement de la construction et les statistiques sur la durée fournissent des informations précieuses pour le suivi du chantier. Bien que les véhicules de construction ne comptent que quelques classes (camion à benne, compacteur, tractopelle, bulldozer, grue), leur apparence change beaucoup en raison de leur structure articulée et de la présence de nombreux disctracteurs sur la scène. Une étude de performance a été menée pour évaluer l’état de l’état de l’art des solutions de détection d’objets sur cette tâche.

Problématique Métier : La mission du client était de surveiller les appels d’offres de travaux publics d’une ville donnée et détecter les chevauchements entre projets ciblant les mêmes routes. L’objectif était d’identifier les cas où différents fournisseurs de services (opérateurs télécom, compagnies des eaux, etc.) planifiaient d’excaver la même route dans des délais rapprochés. En alertant les fournisseurs de ces chevauchements, ils pouvaient synchroniser leurs interventions, évitant répétition creusage et remblayage routes, économisant temps et argent tout en réduisant gêne citoyens.

Processus de Diagnostic : Notre atelier diagnostic en 3 sessions comprenait :

• Session 1 : Processus surveillance appels d’offres actuels et analyse formats documents différents fournisseurs services
• Session 2 : Évaluation technologies IA pour traitement langage naturel et analyse géospatiale documents appels d’offres
• Session 3 : Stratégie d’implémentation détection automatisée chevauchements et système alerte fournisseurs

Principales Découvertes & Recommandations :

• Traitement langage naturel (NLP) et extraction d’informations identifiés comme technologies clés pour parser descriptions appels d’offres et extraire localisation, délais, types travaux
• Techniques IA géospatiale et cartographie recommandées pour associer appels d’offres segments routes spécifiques et détecter chevauchements temporels/géographiques
• Scénario exemple : Système pourrait signaler quand opérateur télécom planifie remplacement câbles souterrains rue en juin pendant qu’service public eau programme maintenance canalisations même rue en juillet
• Système alerte basé règles proposé pour notifier fournisseurs opportunités collaboration et aider ville coordonner travaux voirie
• Défis d’implémentation : Variabilité formats documents appels d’offres, données géolocalisation incomplètes, besoin intégration données à l’échelle ville

Résultats Quantifiables :

• Investissement implémentation : Estimations budgétaires €200K–€350K pour solution pilote selon complexité intégration géospatiale
• Améliorations efficacité : 15–25% réduction travaux voirie redondants grâce planification coordonnée
• Économies coûts : Économies significatives pour fournisseurs services publics grâce interventions synchronisées
• Optimisation temps : Plusieurs semaines économisées par projet chevauchant grâce planification coordonnée
• Impact citoyen : Amélioration satisfaction due perturbations travaux moins nombreuses et plus courtes

Prochaines Étapes Recommandées :

1. Phase 1 : Construire preuve concept parser appels d’offres et détecter chevauchements dans un arrondissement ville (6 mois)
2. Phase 2 : Intégrer capacités cartographie géospatiale pour affiner précision détection chevauchements
3. Phase 3 : Étendre solution couvrir base données appels d’offres ville entière et créer tableau bord alertes fournisseurs et planificateurs ville
4. Engagement parties prenantes : Développer cadre collaboration avec fournisseurs services pour planification coordonnée

Ce diagnostic a fourni au client une stratégie complète utilisant l’IA pour optimiser coordination infrastructure à l’échelle ville, réduisant travaux redondants et améliorant efficacité planification urbaine.

Afin de concevoir des écouteurs personnalisés, des scans 3d de l’oreille et de son canal sont nécessaires. Une solution basée sur des CNNs a été développée afin de suivre les points de repère de l’oreille pendant le scan à partir d’un smartphone. Inspiré par la recherche sur les repères faciaux, une solution basée sur l’apprentissage profond a été entraînée sur une base de données propriétaire. La solution a atteint une grande précision et a été déployée avec succès.

Problématique Métier : Réalisé pour une entreprise spécialisée dans l’aide à domicile avec équipements médicaux, ce diagnostic a abordé le défi d’optimisation des routes de livraison pour un grand nombre d’appareils (concentrateurs oxygène, lits, fauteuils roulants) expédiés au domicile des clients. Le client devait réduire les retards de livraison, améliorer la planification maintenance et récupération équipements, et optimiser leurs opérations de flotte sur plusieurs zones de service.

Processus de Diagnostic : Notre atelier diagnostic en 3 sessions comprenait :

• Session 1 : Évaluation opérations de routage actuelles et défis extraction données systèmes ERP existants
• Session 2 : Évaluation algorithmes d’optimisation pour routage livraison/récupération et capacités prévision demande
• Session 3 : Feuille de route d’implémentation pour planification maintenance prédictive et optimisation routes temps réel

Principales Découvertes & Recommandations :

• Optimisation routage temps réel pour livraison et récupération équipements identifiée comme opportunité principale, réduisant significativement temps trajet
• Modèles prévision demande recommandés pour anticiper pics saisonniers (ex : saisons grippes) et optimiser allocation stock entre entrepôts
• Système planification maintenance prédictive proposé pour prévenir pannes équipements et améliorer satisfaction client
• Défis clés identifiés : problèmes qualité données historiques logistique, complexité intégration logiciels planification existants, préoccupations adoption personnel
• Barrière intégration ERP : Données existantes pas facilement extractibles système planification ressources entreprise actuel

Résultats Quantifiables :

• Gains efficacité trajets : 20–30% réduction distance trajets quotidiens, économisant environ 2–3 heures par chauffeur par jour
• Potentiel réduction coûts : 10–15% réduction coûts carburant et logistique sur ensemble de la flotte
• Amélioration utilisation équipements : 20–25% meilleure utilisation stock équipements, réduisant inventaire équipements inactifs
• Fiabilité service : Pannes liées maintenance projetées diminuer 25–30%, améliorant fiabilité service globale
• Optimisation ressources : Meilleure allocation chauffeurs et véhicules basée modèles prévision demande

Prochaines Étapes Recommandées :

1. Phase 1 : Système pilote optimisation routage dans un hub régional pour valider améliorations (3–6 mois)
2. Phase 2 : Déploiement modèles prévision demande utilisant historiques livraison et maintenance
3. Phase 3 : Déploiement système maintenance prédictive exploitant historique réparations et données capteurs IoT équipements critiques
4. Stratégie intégration : Développer solutions extraction données système ERP existant pour permettre implémentation IA

Ce diagnostic a fourni au client une stratégie complète pour exploiter l’IA afin d’optimiser leurs opérations logistiques équipements médicaux à domicile, avec projections ROI claires et priorités d’implémentation.

L’estimation du volume des aliments est un défi important avec de nombreuses applications allant de la mesure des calories dans un programme de contrôle de poids à l’estimation du temps de cuisson en fonction de la nature et de l’épaisseur des ingrédients lorsqu’on suit une recette.

Une étude a été menée pour expérimenter des solutions basées sur la vision puis un prototype a été développé sous la forme d’une application androïde. A partir de plusieurs photos des ingrédients, l’application calcule l’épaisseur et la surface de chaque ingrédient avec une bonne précision.

Les solutions traditionnelles et sur étagère de reconnaissance optique de caractères ne lisent pas correctement les marquages sur cuir en raison des différentes orientations du texte et de la texture particulière de l’image. C’est pourquoi une solution d’OCR sur mesure a été développée et brevetée. En tant que développeur principal, j’ai été désigné comme l’un des inventeurs.

Pour plus d’information, vous pouvez visiter la page projet de Neovision ou bien la page projet du CTC.

Problématique Métier : Le client souhaitait explorer le potentiel de l’IA pour les workflows comptables, motivé par l’intérêt croissant pour l’apprentissage profond et les technologies de compréhension documentaire. L’objectif était d’évaluer quels processus comptables (traitement factures, réconciliation, reporting) pouvaient être automatisés de manière réaliste avec l’IA, tout en fournissant des estimations budgétaires concrètes pour développer un logiciel de parsing de factures et d’autres automatisations IA. Le diagnostic a également examiné les facteurs de risque, contraintes de faisabilité, et domaines métier avec le plus fort potentiel de ROI.

Processus de Diagnostic : Notre atelier diagnostic en 3 sessions comprenait :

• Session 1 : Cartographie des workflows comptables actuels et évaluation infrastructure de données, focus sur goulots d’étranglement traitement factures
• Session 2 : Évaluation technologies IA pour traitement documents, capacités OCR, et extraction de champs basée NLP
• Session 3 : Développement feuille de route d’implémentation avec scénarios budgétaires et cadre d’évaluation des risques

Principales Découvertes & Recommandations :

• Parsing de factures utilisant IA (OCR + NLP) identifié comme point d’entrée le plus prometteur pour l’automatisation
• Catégorisation des dépenses et détection d’anomalies dans reporting financier mis en avant comme opportunités viables à moyen terme
• Réconciliation et vérification conformité identifiés comme cas d’usage à plus long terme, complexité plus élevée nécessitant IA plus avancée
• Risques clés identifiés : problèmes qualité données factures existantes, défis gestion du changement équipes finance, incertitude maturité outils fournisseurs
• Défi annotation données : Bien que nombreuses factures disponibles, annotation seulement partielle, nécessitant préparation supplémentaire pour entraînement modèles IA

Résultats Quantifiables :

• Scénarios budgétaires d’implémentation : €150K–€250K pour déploiement initial logiciel parsing factures
• Gains d’efficacité attendus : 50–70% réduction temps saisie manuelle sur workflows traitement factures
• Timeline ROI : Accélération traitement factures et réduction overhead processing identifiés comme moteurs de valeur principaux
• Stratégies atténuation risques : Cadre décisionnel fourni pour guider choix investissements IA stratégiques

Prochaines Étapes Recommandées :

1. Phase 1 : Développer preuve de concept parsing factures utilisant sous-ensemble restreint factures (3–6 mois)
2. Phase 2 : Évaluer ROI et améliorations qualité données avant passage à l’échelle autres processus comptables
3. Phase 3 : Étendre graduellement catégorisation dépenses et détection anomalies une fois automatisation factures prouvée valeur métier
4. Cadre décisionnel : Approche structurée fournie pour guider futures priorités investissement IA

Ce diagnostic a équipé le client avec attentes budgétaires réalistes, projections ROI concrètes, et stratégie d’implémentation phasée pour intégrer l’IA dans leurs opérations comptables.