Comment les cyclistes choisissent-ils leurs itinéraires ? Préfèrent-ils emprunter les voies cyclables ou le chemin le plus court ? Sont-ils prêts à faire des détours si la route est plus sûre et fluide ? Voici les premières questions posées par Lucas Magnana dans le cadre de ses travaux de thèse intitulée « De la ville intelligente à la ville prédictive : applications et modes de transports actifs ». Au sein du laboratoire Citi¹, il étudie les segments préférentiels des cyclistes pour pouvoir proposer un nouveau type d’infrastructure cyclable dynamique. Grâce à l’intelligence artificielle, il souhaite inciter les citoyens à utiliser davantage le vélo en ville. Explications.  

Lucas Magnana est formel : prédire le chemin préféré des automobilistes pour aller d’un point A à un point B est assez simple. « En voiture, on choisit souvent le chemin le plus court ou le moins cher. Pour les cyclistes, la prédiction est moins aisée car beaucoup de facteurs implicites, comme le sentiment de sécurité (qui est très subjectif) conditionnent le choix d’un itinéraire à vélo. », explique Lucas Magnana.

Le comportement des cyclistes, pourtant très documenté, est un champ d’étude complexe. Lorsque Lucas se penche sur la question, il émet plusieurs hypothèses, confirmées par l’étude d’une base de données de 2532 traces GPS générées par 40 cyclistes lyonnais et stéphanois. « Nous avons remarqué que les cyclistes ne prenaient pas forcément le chemin le plus court entre leur origine et leur destination ; 95 % des cyclistes sont prêts à faire des détours de moins de 2,5 km pour atteindre leur destination. » Pour reproduire les comportements des cyclistes, le doctorant a développé un modèle qui s’appuie sur un réseau de neurones. En l’entraînant, il a retrouvé des segments de route spécifiques. « Nous avons pu confirmer à travers notre analyse et le comportement de notre modèle qu’il existait certains segments de route plus régulièrement empruntés que d’autres, sur lesquels beaucoup de vélos se rassemblent. » 
Cette information est capitale pour la suite de l’étude de Lucas Magnana. « Lorsque l’on prend son vélo pour se rendre quelque part, il y a une fonction mathématique qui se fait dans notre tête, et selon certains facteurs qui nous sont propres, on va choisir un itinéraire. Notre objectif serait d’inciter les cyclistes à emprunter des segments de route qui seraient optimisés pour leur passage », explique le doctorant du Citi.

En créant des sortes de pistes cyclables dynamiques, le passage des vélos en serait fluidifié et plus sûr. « Aujourd’hui, il existe deux grands types d’infrastructures cyclables : les pistes en blanc ou les pistes délimitées en dur comme sur les berges du Rhône ; puis il y a l’urbanisme tactique qui prévoit des marquages temporaires, en jaune. Nos travaux s’attachent à évaluer la possibilité de proposer un troisième type d’infrastructure cyclable, une sorte de piste virtuelle qui s’adapterait grâce aux feux de signalisation notamment, à l’arrivée d’un peloton de cyclistes. » 
Le but serait donc d’inciter les vélos à se rassembler sur plusieurs segments de route connectés, sans pour autant y construire une infrastructure physique. « Lorsqu’un peloton de cyclistes se trouverait sur ces segments, il serait détecté. À leur approche, les feux de signalisation passeraient au vert, leur permettant de traverser les croisements de manière sécurisée et de ne pas perdre leur allure. » 

Le regain d’intérêt pour le vélo ces dernières années pour ses avantages écologiques, économiques et de santé publique pousse les décideurs et urbanistes à réfléchir à de nouvelles tactiques urbaines. Lucas prévient : pour l’instant, il n’est pas encore question d’applications concrètes. « Il reste encore plusieurs freins à lever. Par exemple, l’adaptation de la voirie dynamique passe par de la collaboration entre des usagers qui n’interagissent pas entre eux. C’est un projet pluridisciplinaire qui mêle transport, intelligence artificielle et sociologie d'une certaine façon. »

Si l’idée n’existe pour le moment qu’à titre expérimental, Lucas Magnana et ses directeurs de thèse, Hervé Rivano et Nicolas Chiabaut, espèrent que ces outils permettront à terme, d’envisager les infrastructures urbaines non plus comme un partage de l’espace statique mais comme une commodité reconfigurable à la demande.

[1] Centre d’Innovation en Télécommunications et Intégration de service (INSA Lyon/INRIA)

Pour approfondir : L'intelligence artificielle - IA - au coeur de l'enjeu "information et société numérique" de l'INSA Lyon, le numéro n°7 du Magazine #57 traite de l'intelligence artificielle.



 

Industrie, médecine, applications de rencontres ou même justice : l’intelligence artificielle (IA) inonde divers aspects de notre vie quotidienne. Seulement, certaines erreurs plus ou moins graves, sont régulièrement relevées dans le fonctionnement de celles-ci. En cause ? Des biais de représentativités présents dans les jeux de données. 
Virginie Mathivet, ingénieure INSA du département informatique (2003) et docteure du laboratoire Liris¹, est engagée sur la question. Pour l’auteure et conférencière, un maître-mot pour que l’IA ne soit pas un outil de duplication des discriminations déjà vécues dans la vie réelle par certaines minorités : la diversité. Récemment nommée experte IA de l’année 2022, Virginie a partagé son savoir à la communauté dans le cadre de « la semaine des arts et des sciences queer » organisée par l’association étudiante Exit+. Elle alerte sur l’extrême nécessité de porter une attention particulière à l'inclusion dans l’intelligence artificielle. Interview.

On connaît l’importance de la diversité pour faire une société plus égalitaire ; pourquoi est-elle aussi importante dans les jeux de données utilisées par les IA ? 
Les intelligences artificielles sont des machines apprenantes : grâce à des bases de données, que l’on appelle des « datasets », des modèles sont fabriqués par des développeurs dans un but précis, par exemple pour détecter des défauts sur les chaînes de fabrication industrielles et pour lesquelles ils donnent de très bons résultats. Cependant, ces dernières années on a vu exploser les applications entraînant des prises de décisions sur les humains : l’accès à un crédit, le recrutement, des décisions de justice… On a aussi vu que ces IA étaient capables d’erreurs systématiques. On se souvient du logiciel de recrutement discriminant d’Amazon dont l’objectif était de faire économiser du temps aux ressources humaines en étudiant les candidatures les mieux notées par la machine. Il s’est avéré que l’algorithme sous-notait les profils féminins fréquemment car les jeux de données utilisés pour modéliser le logiciel s’appuyaient sur les CV reçus les dix dernières années, dont la plupart étaient des candidatures masculines. C’est ce que l’on appelle « un biais » : la machine ne fait jamais d’erreur aléatoire ; elle répète les biais -conscients ou inconscients- que les expérimentateurs ont commis en choisissant les données. Sans diversité, qu’elle soit de genre, culturelle, de génération, l’IA restera une extension des inégalités vécues dans la vie réelle.

Avez-vous d’autres illustrations de ce risque que représente le manque de diversité dans les jeux de données ? 
Un exemple assez parlant est celui du système de reconnaissance faciale utilisée par les iPhones. La première version de FaceID n’était pas capable de reconnaître les propriétaires asiatiques car le dataset initial ne comptait pas assez de visages de ce type et l’algorithme n’avait tout simplement pas appris à les reconnaître ! Mais il existe des exemples aux conséquences beaucoup plus graves comme les systèmes de détection automatique des cancers de la peau : l’intelligence artificielle est tout à fait capable de reconnaître des mélanomes sur les peaux blanches, beaucoup moins sur les peaux foncées. Cela occasionne des problèmes d’accès aux soins considérables, en omettant une partie de la population. Pour aller plus loin encore dans l’illustration, de nombreuses applications ne considèrent pas les minorités sexuelles : aujourd’hui, on considère que l’on est soit un homme, soit une femme. Qu’en est-il pour les personnes transgenres, intersexes ou même non-binaires ? C’est le vide intersidéral, notamment lorsqu’il s’agit de traitements médicaux grâce aux IA.

Comment ces biais sont-ils remarqués ou relevés ? Ne peuvent-ils pas être détectés plus en amont ?
Aujourd’hui, les erreurs systématiques sont relevées car certaines personnes en sont victimes et dénoncent les manquements. Souvent, on a la très forte impression d’attendre des conséquences potentiellement graves pour analyser le dataset et tester le modèle. C’est ce qu’il s’est passé avec une voiture autonome d’Uber à Tempe (Arizona) qui a tué un piéton. La raison de l’accident s’est révélée après l’enquête : le dataset n’avait pas permis à l’IA d’apprendre à reconnaître les piétons hors des passages cloutés. La victime, qui marchait à côté de son vélo, a été percutée par la voiture qui arrivait trop vite malgré l’identification tardive de la personne comme un piéton. Il faut croire que les questions financières et les retours sur investissements sont plus importants pour ces entreprises que les dégâts que ces IA peuvent causer, par manquement ou négligence.

Existe-t-il une façon pour les expérimentateurs de se prémunir contre ces biais ?
Il existe une seule solution : diversifier les jeux de données au maximum. Est-ce que toutes les populations sont bien représentées par rapport à la réalité ? C’est la question qu’il faudrait se poser à chaque apprentissage, mais il faut penser à toutes les situations donc c’est extrêmement difficile. Si l’équipe chargée d’implémenter l’IA est composée de personnes venant de tous horizons, on peut arriver à limiter les biais. Chacun arrivant avec sa vision des choses, son quotidien et les situations quotidiennement vécues : celui ou celle dont la mère se déplace avec un déambulateur pensera à telle situation ; ou dont le mari est en fauteuil roulant à d’autres ; ceux avec des enfants penseront autrement, etc. Ça n’est pas tant que les modèles conçus contiennent des biais volontaires, mais il y a forcément des minorités auxquelles on pense moins car nous n’en avons pas de représentations dans nos vies quotidiennes. Autre piste, pour éviter que la technologie ne divise encore plus et ne cause plus de dégâts, un brouillon de loi européenne est actuellement en cours de validation. L’Artificial Intelligence Act doit être voté en 2022 pour une application en 2023.

Quelles seront les grandes lignes de ce règlement ? 
Cette loi décompose l’utilisation de l’intelligence artificielle selon trois catégories : les « applications interdites » ; les « applications à haut-risque » ; et les « applications à faible risque ». Pour les « applications à haut risque », comme celles utilisées pour l’autorisation de crédit bancaire ou la justice, elles seront soumises à un certificat de conformité CE avant la vente et l’utilisation du modèle. Ces types d’IA seront certainement les plus surveillées car ce sont les plus propices à reproduire des biais discriminants. Cette législation permettra un premier pas vers l’inclusion, je l’espère, en Europe. 

[1] Laboratoire Informatique en Images et Systèmes d’Informations

Dans les couloirs du BF2i, la blouse blanche est de mise. Derrière les portes vertes du bâtiment, des salles d’expérimentation hébergent des colonies de petits insectes verts, logés dans des boîtes cristal. Le puceron du pois, s’il est l’espèce mascotte du laboratoire, est le cauchemar des agriculteurs et des jardiniers. Il aime s’installer à l’abri du soleil, sous les feuilles pour prélever tranquillement la sève des plants, et malgré sa couleur verte harmonieuse, il est capable de réduire des récoltes à néant.
Depuis 2017, des chercheurs de l’INSA Lyon ont uni leurs forces pour combattre ces ravageurs grands de quelques millimètres, en mettant l’intelligence artificielle au service de l’agronomie. Focus sur une innovation qui pourrait bien s’avérer être le futur de l’insecticide durable.

Un projet ambitieux et aventureux
Le printemps 2020 a été marqué par des chiffres exceptionnels de présence de pucerons dans les champs de betteraves. Virulents, car transmetteurs de maladies, ces organismes sont habituellement éloignés des cultures au moyen de néonicotinoïdes, un type d’insecticide puissant largement controversé pour son danger sanitaire sur la biodiversité. En octobre dernier et en dépit de l’interdiction de 2018, les betteraviers avaient obtenu une dérogation pour faire face à l’infestation de pucerons, relançant la controverse. « Pour donner un ordre d’idée de l’efficacité des pesticides aériens, seuls 0,3 % vont réellement toucher leur cible. Les produits phytosanitaires atteignent les insectes pollinisateurs sans lesquels tout le système de reproduction des plantes s’effondre ; impactent les prochaines descendances de nuisibles qui se transforment pour résister aux produits ; sans parler du danger qui pèse sur la santé des consommateurs. La lutte chimique est utilisée depuis très longtemps, et ses ravages sont de plus en plus mis en lumière. Il est temps de trouver des alternatives durables et applicables à grande échelle », explique Pedro Da Silva, enseignant-chercheur et directeur-adjoint du laboratoire BF2i.
C’est ainsi qu’est né en 2017, faute de solution alternative crédible pour pallier les difficultés des agriculteurs, le projet Green Shield, entre les murs de trois laboratoires de l’INSA Lyon. « François Feugier est arrivé avec une invention brevetée, un laser robotisé. Il nous a demandés si nous pouvions travailler ensemble à une preuve de concept. Le robot était une invention ambitieuse, et cela nous plaisait. Depuis, le projet a pris beaucoup d’ampleur, avec la création d’une start-up Green Shield Technology, et la participation de quatre laboratoires : l’INL¹, Ampère² et BF2i ³ et Femto-st », explique Arnaud Lelevé, responsable scientifique du projet ANR – Green Shield 2017-2021.

Cible en vue : visez, armez
Après 5 ans de travail, un premier prototype a vu le jour. « Nous avons réussi à mettre sur pied un petit robot à 4 roues capable de rouler au-dessus des plants. Il est équipé d’une caméra qui détecte les pucerons, d’un boitier laser à CO2 et d’un banc optique. En arpentant les rangées de champs, il est capable de détecter les pucerons et de les éliminer avec un faisceau laser », explique Arnaud Lelevé. 

Pour arriver à un niveau de détection efficace, les équipes ont longuement étudié leur organisme cible : le puceron des pois, un animal étonnant capable de se faire presque invisible sur des hectares de culture. « C’est un puceron vert, sur une plante verte ! Ces insectes sont particulièrement difficiles à détecter, car ils se placent sous les feuillages et se fondent avec les plantations. Ils sont même capables de faire « les morts », en se laissant tomber au sol, en restant plusieurs jours pour mieux remonter ensuite. Choisir cette espèce n’était pas anodin : nous sommes partis du principe de qui peut le plus, peut le moins. Si notre prototype est capable de détecter et d’éliminer des pucerons, il pourra être efficace sur un grand nombre d’espèces, plus facilement détectables », explique Pedro Da Silva.
Un autre sujet qui a longuement occupé les équipes a fait l’objet d’une publication dans la revue scientifique Nature Scientific Reports. « Il fallait trouver le juste niveau d’irradiation laser pour tuer le puceron, sans endommager le végétal. C’était un travail presque chirurgical, car il ne fallait pas que la solution présente le moindre risque collatéral pour les cultures et le reste de la biodiversité », ajoute Arnaud Lelevé.

Projet Green Shield V.2
Soutenus par l’agence nationale de la recherche depuis 2017, les chercheurs prévoient encore quelques années de travail. « Nous espérons pouvoir réaliser une autre version du prototype avec nos collègues des laboratoires LiRiS et Citi pour améliorer l’intelligence artificielle. Il s’agirait aussi de rendre la solution miniature, pour que le robot soit plus facile à installer et s’adapte à tous les types de champs. Pour le moment, nous n’avons pas encore mené d’études de rentabilité et nous manquons de données expérimentales pour lancer une quelconque industrialisation », ajoute Arnaud.

Le projet transdisciplinaire peut également compter sur l’un des membres fondateurs pour sa future introduction sur le marché du pesticide durable. Depuis, la start-up Greenshield Technology a pu mettre en application les résultats de recherche pour commercialiser une technologie de désherbage haute-précision qui fait les preuves du potentiel des faisceaux laser infrarouges pulsés. Créée en même temps que la labellisation ANR du projet scientifique, la start-up peut se féliciter d’une belle réussite sociale et financière. Arrivé seul dans les laboratoires de l’INSA Lyon, le fondateur et docteur François Feugier a embarqué près d’une quinzaine de salariés à ses côtés, inscrivant le projet ANR Green Shield dans l’une des mutations les plus importantes pour l’avenir de l’homme et son environnement : parvenir à une agriculture durable et respectueuse de sa biodiversité.

¹Institut des Nanotechnologies de Lyon (CNRS/INSA Lyon/Lyon 1/CPE/ECL)
²Génie Électrique, Électromagnétisme, Automatique, Microbiologie Environnementale et Applications (INSA Lyon/ECL/Lyon1/CNRS)
³Biologie Fonctionnelle, Insectes et Interactions (INSA Lyon/UdL/INRAE)

Les écoles doctorales MEGA et Matériaux s'associent pour proposer leur école thématique annuelle "Approches Multi-Disciplinaires en Mécanique".

Cette école thématique pour objectif de proposer une formation scientifique à l’intention des doctorants, postdoctorants, enseignants-chercheurs et chercheurs intéressés par les concepts transversaux à la mécanique et combinant des aspects numérique, théorique et expérimental. Les thèmes abordés cette année concerneront en particulier la mécanique du vivant et les matériaux pour le vivant ainsi qu’une journée sur l’intelligence artificielle commune avec la 4^e semaine Scientifique Interdisciplinaire de l’EUR MANUTECH SLEIGHT.
 

Parmi les outils à disposition des équipes de soignants pour mesurer l’avancée d’une pathologie comme la Covid-19, l’imagerie médicale joue un rôle important. Comment passer du diagnostic au pronostic de l’évolution clinique ? En collaboration avec le CHU de Saint-Étienne, une équipe du laboratoire CREATIS¹ s’attelle à développer un programme informatique capable de prédire le risque d’évolution de la maladie chez un patient. Après un an de collecte de données cliniques, biologiques et d’images thoraciques, les chercheurs espèrent pouvoir faire de cette base unique en son genre, nommée « COVID-CTPRED », un outil efficace pour soulager l’accès au soin et la gestion des flux des patients dans les hôpitaux. Explications.

Comprendre la pathologie à travers l’image 
Il se lit parfois dans le marc de café… Ou dans l’imagerie médicale. Lire l’avenir de l’état de santé d’un patient atteint de la Covid, c’est un peu l’ambition du projet « PROFILE » mené par un groupe-projet du laboratoire CREATIS. Source d’information complémentaire pour poser un diagnostic médical, l’imagerie pourrait aider à prévoir l’évolution clinique des patients touchés par la Covid. « C’est une maladie qui présente des particularités visibles à travers un scanner, comme des lésions en périphérie des poumons. Des études ont montré des signatures, comme des changements de calibre des vaisseaux de l’arbre vasculaire pulmonaire. L’idée du projet est de pouvoir prédire, en fonction des images et d’autres sources de données, l’évolution de la maladie au cours du temps. L’imagerie médicale joue un rôle important, non pas unique, mais la prédiction des risques peut être améliorée grâce à elle », explique Olivier Bernard, enseignant-chercheur de l’INSA Lyon, porteur du projet « PROFILE ». Pour cela, l’équipe de recherche s’est appliquée à récolter, en collaboration avec le CHU de Saint-Étienne, un grand nombre d’informations cliniques et des images des patients. L’objectif final ? Développer une intelligence artificielle capable d’intégrer toutes ces données et en faire un modèle prédictif. 

Exemple de signatures caractéristiques de la Covid sur des images
issues de scanner par rayon X - pavage fissure sur l'image de gauche et vaisseaux périphériques dilatées sur l'image de droite

L’intelligence artificielle pour prédire et pronostiquer
Avant de pouvoir faire fonctionner une intelligence artificielle capable de pronostic, un travail de longue haleine a occupé l’équipe pendant près d’un an : la collecte d’informations pour alimenter une base de données qui soit suffisamment complète et prometteuse pour produire de réelles avancées. Les chercheurs et médecins collectent d’ailleurs cette semaine les dernières données nécessaires, celles du 800^e patient volontaire. « Travailler avec une IA suppose de constituer une base de données solide. La richesse de notre base se situe dans la pertinence et la complémentarité des informations que nous avons récoltées, en plus de chacune des images. Nous sommes conscients que l’image n’est pas suffisante : la qualité de vie du patient, ses antécédents médicaux et son profil de santé sont des informations à considérer dans notre modèle prédictif. Nous prenons en compte près de 400 champs, en plus des données issues de l’image », ajoute le responsable de l’équipe MYRIAD².

Croiser les sources d’image
Grâce à des liens forts avec le CHU de Saint-Étienne, les chercheurs du laboratoire CREATIS ont étayé leurs données d’imagerie, avec un protocole particulier auquel les patients volontaires ont accepté de se soumettre. « Aujourd’hui, les scanners à rayons X sont l’une des imageries recommandées pour déterminer l’état des patients atteints de la Covid. Si notre base de données est assez singulière, c’est qu’elle permet d’exploiter différents types de scanner X. En plus d’un scanner classique, si le patient le peut, les médecins doublent les examens avec des acquisitions scanner angiographique en fin d’inspiration et d’expiration. Le scanner classique permet de voir les lésions dans les poumons et localiser les embolies ; l’angiographie permet d’extraire l’arbre vasculaire grâce à des produits de contraste ; et la combinaison des clichés pris en fin d’inspiration et d’expiration permet de caractériser la capacité respiratoire des patients. Toutes ces données prises ensemble renforceront le pouvoir prédictif de notre outil informatique. Chaque détail compte pour un système d’IA efficace », poursuit le chercheur. 

Exemple d'un arbre vasculaire pulmonaire extrait à partir d'une acquisition scanner angiographique

Un projet « open science » pour répondre à l’urgence
Aujourd’hui en deuxième phase d’évaluation par l’Agence Nationale de la Recherche pour financer le reste des travaux, le projet peut aussi compter sur l’entièreté de la communauté scientifique. « Nous voulons ce projet le plus ouvert possible. En plus de notre collaboration avec le CNAM et l’Université de Bourgogne pour étendre la base de données, nous avons mis en place une plateforme web collaborative pour permettre à tous les chercheurs publics français qui le souhaitent, de travailler sur le sujet, hors cadre de partenariat de recherche. Ce service, rendu possible par un premier financement national, nous permet d’anonymiser les données personnelles et médicales récoltées avant qu’elles ne soient manipulées. Cela répond à l’un des principaux enjeux éthiques de notre démarche : la protection des données personnelles des patients ayant participé à l’étude ». 

Quid de la vaccination ? 
Alors que la campagne de vaccination progresse, une question légitime se pose : le projet « PROFILE » a-t-il encore son utilité ? Pour le chercheur du laboratoire CREATIS, cela ne fait aucun doute. « Nous ne sommes jamais à l’abri d’une mutation d’un virus qui pourrait rendre les vaccins inefficaces. Ce sont des mots certainement difficiles à accepter lorsque la société toute entière n’attend qu’une sortie de crise, mais il est envisageable que cette pandémie soit la première d’une longue série. Et au-delà de la crise actuelle, rien n’est jamais perdu en matière de recherche scientifique. Toutes les méthodes que nous développons en imagerie aujourd’hui pourront être utiles pour d’autres pathologies. Ça n’est jamais du temps perdu, mais du temps gagné » conclut Olivier Bernard.

------

¹ Centre de Recherche en Acquisition et Traitement de l’Image pour la Santé (INSA Lyon/UCB-Lyon 1/UJM/CNRS/Inserm)
² MYRIAD: modeling & analysis for medical imaging and diagnosis

Commerces dits « essentiels » pendant le confinement, les pressings font partie de ces commerces de proximité qui animent les centres villes et quartiers. Pourtant régulièrement sommée d’anti-écologique malgré les nombreuses tentatives de rendre la filière plus durable, l’activité peine à se renouveler et surtout, à minimiser son empreinte carbone. 

Stéphane Cohen est un ingénieur INSA diplômé de 1994. Après une vingtaine d’années au service de multinationales américaines, il revient à la vie locale et reprend deux pressings parisiens. Depuis 7 mois, Hublo propose ses services et promet de belles années de nouveauté aux artisans blanchisseurs. Entre machines et quelques kilos de linge, se profile le portrait d’un homme qui a décidé de mettre la technologie au service de l’environnement et du lien social. Interview.

En 2020, vous vous êtes lancé dans le grand défi de l’entrepreneuriat. Késako Hublo ?

Hublo est une entreprise de pressing dont l’objectif est simple : réduire l’empreinte carbone du nettoyage textile tout en soutenant l’économie de proximité. Pour le client, il s’agit de confier son linge à notre équipe de professionnels à travers l’application mobile dédiée ou déposer son linge en main propre, et on s’occupe de tout ! Une fois récolté et lavé grâce à des techniques de nettoyage écoresponsables, le linge est livré en triporteur électrique jusqu’à la porte du client s’il le souhaite. Il faut dire que l’activité de pressing traîne encore une image incompatible avec l’enjeu environnemental notamment à cause de certains solvants utilisés par le pressing traditionnel. Je veux proposer une transformation de l’activité tout en faisant de mon entreprise, une actrice du changement vers un monde plus vert et socialement responsable. 

Vous avez passé près de vingt années à travailler pour les plus grands noms de la tech mondiale. Vous ont-elles inspiré pour créer Hublo ? Ou êtes-vous au contraire vacciné contre leurs façons de voir le monde ?

Je crois que je n’ai gardé que deux choses. La première, c’est une vision. Après être passé par IBM, Motorola et Google, j’avais rejoint une entreprise un peu plus petite dont le patron était finalement quelqu’un de particulièrement humain, et cet homme m’a marqué. Sa vision était très éloignée des valeurs financières que j’avais connues auparavant. En créant Hublo, j’avais envie d’implémenter ce que j’avais appris de ce dernier directeur. La seconde chose que j’ai acquise de mon expérience, c’est l’outil technologique. Hublo est fondée sur une application et implémente des principes d'intelligence artificielle qui permettent d’optimiser les process, depuis le dépôt de linge, en passant par le lavage et le retour chez le client. Mais au-delà de ça, je souhaite utiliser cette IA pour exploiter les données produites par l’activité pressing pour une chose en particulier : minimiser l’empreinte carbone. Finalement, c’est peut-être ça dont j’ai surtout hérité de ces grosses entreprises : j’ai acquis la conviction que la technologie n’est pas une fin en soi, mais qu’elle doit être au service de valeurs sociétales. J’ai donc choisi que ma société soit au service de l’environnement, de l’être humain, et du développement de l'industrie et de l'artisanat français. Hublo est une société à mission : ces valeurs sont inscrites dans ses statuts.

En somme, vous souhaitez redonner un coup de jeune à un vieux métier grâce à la technologie ?

Le pressing est un métier qui a connu beaucoup d'évolutions jusqu’à l’arrivée des machines automatiques domestiques. Bien sûr, le temps de la lavandière qui frottait le linge dans les ruisseaux est dépassé, mais il reste encore beaucoup à faire en matière de responsabilité environnementale. En France, plus de 7 milliards de lessives domestiques sont lancées et 2,3 millions de machines à laver sont vendues chaque année. Les lessives utilisées ne sont pas toujours éco-compatibles, mais surtout, ce sont les microparticules plastiques déversées dans les océans car trop petites pour être filtrées par les stations d’épuration qui rendent l’impact conséquent. Avec Hublo, il s’agit tout d’abord de mutualiser les machines pour réduire le coût carbone par famille. Puis aussi, de faire prendre conscience à nos clients de l’impact de leurs cycles de nettoyage sur l’environnement grâce aux mesures que nous sommes capables de faire avec l’intelligence artificielle. Faire tourner son lave-linge est devenu quelque chose de si machinal qu’on ne s’imagine pas qu’un geste si simple puisse faire autant de dégâts sur la planète. En tant que « société à mission », je crois qu’il est plus que temps de faire passer ce message.

Vous faisiez le parallèle avec les lavandières dont les quotidiens étaient finalement remplis d’échanges sociaux. Le pressing fait partie de ces commerces de proximité qui favorisent le lien social. Est-ce quelque chose d’important pour vous ? 

C’est primordial, même. Je viens de ces grosses boîtes où j’avais rapidement perdu la valeur de proximité et de la force de l’échange local. En m’implantant sur le marché français, c’est une des valeurs que j’ai voulu continuer à cultiver avec les deux pressings. Ici, le lien social est vraiment partout car c’est un métier où la confiance est indispensable entre l’artisan et le client : les gens vous confient une part de leur intimité à travers le linge à laver. Aussi, je crois que si le confinement a révélé de nouvelles habitudes d’achats, notamment en rapprochant les français avec leurs commerçants de proximité, c’est aussi pour ce besoin de confiance et de convivialité. Ce lien est si étroit que parfois, les clients appellent leurs commerçants par leurs prénoms ! C’est important de continuer à le valoriser. Et vous, connaissez-vous le prénom de votre artisan de pressing ?

Pour approfondir : Le numéro n°6 du Magazine #57 traite de l'ingénieur INSA.




 

IN-SITU est une semaine d’événements dédiée à l’innovation et qui a pour objectif de mettre en valeur tous les services, structures et initiatives des établissements d'enseignement supérieur permettant aux acteurs socio-économiques d’innover en partenariat avec l’Université de Lyon.

Cette semaine thématique regroupera plusieurs dizaines d’événements disséminés sur l’ensemble des campus des établissements de l’Université de Lyon, ainsi qu’un challenge d’innovation, un colloque scientifique, une remise des prix ou encore des campus tours.

Nous listons ici les évènements se déroulant sur le campus de la Doua - Villeurbanne où l'INSA Lyon est particulièrement impliqué.

Mercredi 27 novembre 2019

• Docteurs et entreprises, osez faire le grand saut ! A partir de 18h30
• Journée Ingénierie@Lyon - De 10h30 à 16h
• Le CEI D’INSAVALOR, un lieu propice à votre développement : témoignages - De 18h à 19h

Jeudi 28 novembre 2019

• Innovation et CND : suivi et durabilité des structures - de 9h à 13h
• Visite de PROVADEMSE, plateforme technologique d’INSAVALOR dédiée à la valorisation des déchets et au développement des écotechnologies - de 17h à 18h
• Pratiques de l’innovation : retours d’expériences et approches pédagogiques croisées entre le monde du management et le monde de l’ingénierie - de 13h30 à 16h30
• Au coeur de la plateforme ILMTech-bâtiment AXEL’ONE : Fabriquer et caractériser des matériaux : du médical à l’aéronautique - De 14h à 15h
• Comment les Junior-Entreprises peuvent-elles vous accompagner dans la réalisation de vos projets ? - à partir de 15h
• Campus tour Lyontech-la Doua : accéder aux différents services aux entreprises (r&d, formation continue, hébergement-implantation) - de 13h à 16h30

Vendredi 29 novembre 2019

• Visite du Pôle S.mart RAO – Plateforme technologique académique et Centre technique de l’innovation MECA3D dans l’ industrie du future - de 9h à 11h

Mardi 2 décembre 2019

• Visite guidée de la plateforme CTMU : les spécialistes de la microscopie électronique et confocale - de 8h30 à 10h30 
• Visite guidée de MATEIS, laboratoire de Science et Génie des Matériaux - de 10h30 à 11h30
• Intelligence Artificielle et deep learning : mythes et réalité - 18h à 20h

Mercredi 3 décembre 2019

• Atelier découverte des machines du fablab de la Pré-Fabrique de l’Innovation - de 15h à 16h et de 16h30 à 17h30
• La Blockchain et l’entreprise, promesses et enjeux - de 9h à 17h00

Jeudi 4 décembre 2019

• La créativité comme outil de Management : atelier pratique de découverte des méthodes de créativité à Lyon - de 9h à 12h
• Présentation de la plateforme technologique Nanolyon et visite de l’espace technologique - de 10h30 à 11h30 et de 11h30 à 12h30

L’Institut d’Automne en Intelligence Artificielle (IA2), organisé par le GDR IA, a pour but de proposer une école généraliste en intelligence artificielle, afin d’offrir un panorama des différentes sous-disciplines de l’intelligence artificielle et de leurs principales techniques.

La thématique choisie pour cette école est « intelligence artificielle pour la ville intelligente», faisant écho à l’utilisation massive de techniques d’intelligence artificielle pour ces applications.

• Contact : contact-ia2@gdria.fr

L'équipe GeoMod du Laboratoire d'Informatique en Images et Systèmes d'Information (LIRIS - CNRS/INSA de Lyon/Université de Lyon/École Centrale de Lyon), en collaboration avec l'université de Purdue (USA) et Ubisoft, présentera à la conférence SIGGRAPH Asia 2017 (27-30/11/2017) une nouvelle méthode interactive pour concevoir et éditer des images de terrains.

Cette méthode s'appuie sur des résultats récents d'apprentissage profond pour synthétiser des terrains réalistes à partir de croquis simples et intuitifs et peut également simuler approximativement l'érosion de terrain en quelques millisecondes quand les algorithmes classiques de simulation prennent plusieurs minutes. 

Le processus de création d’image de terrain requiert le tracé de lignes et points caractéristiques (lignes de crête, rivières, marquages d’altitude…). À partir de ce tracé grossier et assez peu dense, il est normalement difficile d’inférer un terrain complet, réaliste et respectant les souhaits de l’auteur.

Pour résoudre ce problème, les chercheurs du LIRIS utilisent des méthodes d’apprentissage profond (deep learning) en apprenant la relation croquis-terrain souhaité à partir d’une base de données qu’ils ont eux-mêmes construite. Toute la difficulté consiste dans la construction de cette base de données. Pour ce faire, ils proposent d’extraire des lignes caractéristiques à partir de données cartographiques de terrains réels, en simulant les écoulements d’eau ou l’érosion des sols. Ainsi ils obtiennent un ensemble de couples croquis-terrain réel, sur lequel ils utilisent ensuite un réseau de neurone appelé conditional Generative Adversarial Network (cGAN) pour apprendre la relation entre les croquis et les terrains.

Même si l’entraînement du réseau peut nécessiter plusieurs milliers d’exemples et quelques heures de calcul, une fois cet apprentissage réalisé, la synthèse de terrain à partir d’un croquis fourni par l’utilisateur ne dure que quelques millisecondes, ce qui rend cette nouvelle méthode utilisable dans une interface interactive.

Publication : LIRIS (Eric Guérin - Julie Digne - Eric Galin - Adrien Peytavie -  Christian Wolf), Department of Computer Science, Purdue University (Bedrich Benes) et Ubisoft (Benoît Martinez) . Interactive Example-Based Terrain Authoring with Conditional Generative Adversarial Networks. ACM Transactions on Graphics (Proceedings of Siggraph Asia 2017), ACM, 2017, 36, Article 228, Nov 2017, 13 pages. 

Pour approfondir : L'intelligence artificielle - IA - au coeur de l'enjeu "information et société numérique" de l'INSA Lyon, le numéro n°7 du Magazine #57 traite de l'intelligence artificielle.