banniere aubay

< Tous les articles

Jan 28, 2021

Réalisation d’une mission de Mécénat de compétences dans le domaine de l’IA

 

Cet article documente la réalisation d’une mission de mécénat de compétences dans le domaine de l’intelligence artificielle. Mais le mécénat de compétences, qu’est-ce que c’est ?

“C’est un soutien matériel apporté sans contrepartie directe de la part du bénéficiaire, à une association pour l’exercice d’activités présentant un caractère d’intérêt général”

Aubay propose à ses employés en intercontrat de réaliser une mission de mécénat et j’ai donc, pendant 2 semaines, aidé une jeune association à intégrer l’intelligence artificielle dans son produit. Par exemple, sur la totalité de l’année 2020, ce sont 32 associations qui ont été aidées au travers de 75 missions.

Proposition de mécénats

 

Ingénieur IA en période d’inter contrat, j’ai tout d’abord été contacté par la personne responsable du mécénat de compétences chez Aubay. Sachant que j’étais en intercontrat, cette personne m’a demandé si je serai favorable pour participer à un mécénat, et m’a expliqué le concept.

Aubay possède une plateforme web où sont listées les missions de mécénats proposées. J’ai pu prendre contact avec les dirigeants de l’association avec laquelle j’allais travailler. Cette association « Ficha » cherchait à créer une solution de tri des déchets pour les habitations collectives.

  

Figure 1: logo de l’association

Nous nous sommes ensuite mis d’accord sur les dates de la mission et mon manager les a validé. Il ne restait plus qu’à se mettre d’accord sur un cahier des charges pour démarrer.

Mise en place d’un cahier des charges

 

Le but de la mission était donc d’entrainer un modèle de segmentation sémantique. C’est-à-dire un modèle capable d’identifier pixels par pixels différentes catégories d’objets sur une image. Les images suivantes montrent un exemple de segmentation sémantique réalisé sur un sujet similaire de tri sélectif.

Figure 2 : Exemple de segmentation sémantique

Un modèle de segmentation sémantique détecte donc un certain nombre de classes sur une image avec une certaine précision. Pour le projet, différentes classes devaient être détectées. Une classe c’est un type d’objet, par exemple « bouteille en plastique ».

Afin d’entrainer un modèle il est nécessaire de posséder un jeu de données avec des images préalablement annotées par un humain. Ainsi, le modèle pourra apprendre de ces images. Il faut aussi un jeu de test : celui-ci est inconnu du modèle et permet de vérifier que celui-ci fonctionne bien.

La base de données fournie possède donc plusieurs classes parmi les milliers d’objets référencés en tout sur les images.

Pour évaluer un modèle de segmentation sémantique, on utilise un score nommé mAP (mean average precision, et plus précisément le mAP50 sera donné ici). Ce score est borné entre 0 et 100%, la valeur 100% représentant un modèle parfait.

Le cahier des charges de la mission demandait dans un premier temps de reproduire les résultats obtenus puis d’améliorer le modèle.

*Nb : Un score de mAP de 50% ne signifie pas que le modèle détecte un objet sur deux, pour plus d‘informations sur l’entrainement et le scoring d’un modèle d’intelligence artificielle vous pouvez lire l’article de blog « L’intelligence artificielle » rédigé par mon collègue Maxime.

Réalisation de la mission, partie technique

 

La première étape de la mission a été de reproduire les résultats précédemment obtenus par l’équipe en utilisant les mêmes données, mais sans avoir accès à leur code de traitement et d’entraînement. J’ai réussi à dépasser leurs résultats en deux jours. Cette étape a permis de donner confiance à l’entreprise dans la qualité de mon travail.

J’ai ensuite effectué des modifications sur l’architecture du modèle de deep learning utilisé ainsi qu’un finetuning des hyperparamètres pour rendre le modèle encore plus précis. Après cette étape, j’ai atteint un mAP très légèrement supérieur à 80%. Ma mission aurait donc pu se terminer avec ce modèle mais il restait encore quelques heures de travail sur le contrat.

Pour pouvoir obtenir des résultats encore meilleurs, j’ai augmenté la base d’image fournie par l’entreprise. A l’aide des images existantes, j’ai créé de nouvelles images grâce à des zooms découpage et divers filtres, les annotations se font alors automatiquement. Pour cela, j’ai utilisé un outil nommé albumentation. Cela a amélioré la base de données car certaines classes étaient sous-représentées.
Bien évidemment, les images du jeu de test n’ont pas servi à la création de nouvelles images et celui-ci n’a pas été modifié. Cette dernière étape a permis d’obtenir un score (mAP50) de 86% pour le modèle.

Livrables et fin de mécénat

 

Une fois l’entraînement du modèle terminé, j’ai livré celui-ci à l’association, accompagné du notebook ayant servi pour l’entraînement afin de leur permettre de reproduire les résultats.

J’ai aussi rendu un rapport avec les différents tests que j’ai effectué pour améliorer le modèle et les différents résultants de ces tests.

A ce stade, ma mission de mécénat de compétences s’est terminée et j’ai repris le cours de mon travail habituel.
Peu de temps après la fin de la mission de mécénat de compétences, un questionnaire est envoyé à l’association pour statuer de la qualité du travail fourni et l’engagement de mécène. Un questionnaire similaire est rempli par le collaborateur Aubay. De cette manière, Aubay a un aperçu général du déroulement du mécénat de compétences et peut améliorer la qualité des missions proposées.

Conclusion

 

Ces projets de mécénat de compétences permettent à un collaborateur d’exercer ses compétences, d’apprendre et d’aider une association. Comme ces missions sont réalisées dans le cadre d’un intercontrat, elles sont à la fois bénéfiques à Aubay et à l’association.

Faire du mécénat de compétences lorsque vous êtes en intercontrat ne vous empêchera pas de trouver une mission, en effet, si un collaborateur est choisi pour une mission lors de son mécénat, il se fera alors remplacer pour le mécénat par un autre collaborateur et peut commencer sa mission.

D’un point de vue personnel, j’ai beaucoup apprécié réaliser ce mécénat de compétences, j’ai eu le sentiment d’apporter un soutien important dans une association qui œuvre pour une cause juste. De plus, j’ai pu travailler durant une période d’inter contrat sur un projet impliquant ce qui est une bonne chose surtout dans la période actuelle.

Partagez cet article
Antony

Antony

Ingénieur Intelligence Artificielle

< Retour à tous les articles

Aller au contenu principal