Toni Conde

CEO DE PERSONALCARE SYSTEMS

Passionné depuis son plus jeune âge par les nouvelles technologies, Toni Conde est docteur ès sc. de l’EPFL et EMBA en Innovation et Entrepreneuriat. Toni est l’inventeur d’une nouvelle architecture cognitive. Cette dernière a été développée au cours de ses recherches à l’EPFL, il a été récompensé par le prestigieux Prix de la Ville de Lausanne.

Après avoir fondé deux start-up dont une spin-off de l’EPFL et les avoir vendues à un grand groupe européen d’ingénierie, Toni en est à sa 3ème expérience de création d’entreprise et dirige en tant qu’entrepreneur social la start-up : PersonalCare Systems, dont la mission et de compenser la perte d'autonomie des personnes âgées et d'offrir un maintien à domicile en toute sécurité. Il est lauréat du concours de création d’entreprise Graines de Boss et de la Fondation NOMADS.

Il a aussi cofondé AutonomisHome.org avec son frère en 2015, une Fondation qui a pour objectif principal de rendre ou d’apporter plus d’humanité à des personnes âgées en cas de perte d’autonomie. Pour Toni, les technologies ne sont pas une fin en soi et n’ont de sens que pour l'amélioration du quotidien des gens. Enthousiasmé par les possibilités des nouvelles technologies et leur impact sur la société, et comme expert en réalité virtuelle et intelligence artificielle, principaux sujets qu'il aborde sur Bilan.ch en essayant de les vulgariser. Il est aussi l’auteur du livre « Humains Virtuels » paru en 2015.

Pourquoi le «Deep Learning» révolutionne l'Intelligence Artificielle?

La plupart des entreprises du monde numérique font de plus en plus appel au « Deep Learning » qui booste l'Intelligence Artificielle - IA. Cet outil d’apprentissage, basé sur des « réseaux de neurones artificiels », est utilisé par Google Now, pour la reconnaissance vocale, ou Cortana, pour reconnaître des visages.

Le « Deep Learning » est une méthode d'apprentissage permettant à un programme informatique de reconnaître le contenu d'une image ou de comprendre le langage parlé. Ce sont des défis très complexes, dans le cadre desquels les chercheurs en IA ont longtemps étudié une approche réaliste et pas trop gourmande en temps de traitement par un ordinateur.

Alors, comment fonctionne le « Deep Learning » ? Il apprend en quelque sortes à représenter le monde qui nous entoure, soit la façon dont l’ordinateur va exprimer la parole ou l'image. Et avant, comment faisions-nous ? Il fallait le réaliser tout simplement manuellement, expliquer au programme informatique comment transformer une image afin de la classifier. Avec le « Deep Learning », l’ordinateur apprend à le faire lui-même. Et il le fait beaucoup mieux que les concepteurs des programmes informatiques.

Pour bien comprendre l’enjeu révolutionnaire du « Deep Learning », il nous faut revenir sur l'apprentissage supervisé, une méthodologie courante en IA, permettant aux ordinateurs d'apprendre. Pour qu'un programme informatique apprenne à reconnaître un animal comme un chien, on lui « fournit » des dizaines de milliers d'images de chiens, labélisées comme telles. Cet « entraînement » peut nécessiter des heures, voire des jours. Une fois entraîné, il peut reconnaître des chiens dans de nouvelles images.

Pour en revenir au « Deep Learning », lui aussi utilise l'apprentissage supervisé, mais c'est l'architecture interne de l’ordinateur qui est différente : il s'agit d'un « réseau de neurones ». En quelque sorte, un ordinateur virtuel composé de milliers d'unités (les neurones) qui chacune effectue de petits calculs très simples. L’originalité de tout ceci, c'est que les résultats de la première couche de neurones vont servir d'entrée au calcul des suivantes. Ce fonctionnement par « couches » rend ce type d'apprentissage « profond ».

Comme décrit dans mon introduction, la mise en œuvre du « Deep Learning » concerne, dans un premier temps, les applications de reconnaissance vocale. Désormais, il est notamment utilisé pour reconnaître le contenu des images. L’application Google Maps sur nos smartphones déploie le « Deep Learning » pour déchiffrer le texte présent dans les paysages, comme par exemple les numéros de rue. Le réseau social Facebook s'en sert pour détecter les images non conformes aux conditions générales.

 

Du même auteur

Les newsletters de Bilan

Le cercle des lecteurs

Le Cercle des Lecteurs est une plate-forme d'échanger sur tout ce qui touche votre magazine. C'est le reflet de vos opinions, et votre porte-parole le plus fidèle. Plus d'info

Image Footer

"Tout ce qui compte.
Pour vous."