Des visualisations aux informations utiles pour l’entreprise grâce à la vision par ordinateur

La vision par ordinateur est un sous-domaine de l’intelligence artificielle (AI) qui permet aux machines d’interpréter des données visuelles et de prendre des décisions à partir de celles-ci. Lorsqu’une application de vision par ordinateur est présentée, elle comprend généralement diverses sorties visuelles, comme des images ou des vidéos annotées avec des boîtes englobantes ou des masques de segmentation pour mettre en évidence les objets d’intérêt. Bien que ces visuels soient impressionnants, ils ne donnent pas toujours une idée claire des informations exploitables qu’ils peuvent fournir.

Prenons l’exemple d’un magasin de détail. Un modèle de vision par ordinateur comme Ultralytics YOLOv8 peut servir à créer une carte thermique indiquant les endroits où les clients passent le plus de temps. La visualisation peut prendre la forme d’une carte colorée indiquant les zones où la plupart des clients se déplacent ou s’attardent. Cependant, l’information réellement obtenue consiste à identifier les sections sous-performantes du magasin. Les détaillants peuvent utiliser cette information exploitable pour réorganiser l’emplacement des produits, optimiser l’espace en rayon ou ajuster les présentoirs promotionnels afin de susciter davantage l’engagement des clients et d’augmenter les ventes.

Fig. 1. Exemple de carte thermique créée pour un magasin de détail avec Ultralytics YOLOv8.

La valeur réelle de la vision par ordinateur réside dans la transformation de ces sorties visuelles en informations métier pertinentes, capables d’améliorer et d’optimiser directement les opérations afin de favoriser la croissance et l’efficacité. Dans cet article, nous examinerons ce que la vision par ordinateur peut apporter aux entreprises et comment elle peut avoir un impact concret sur leurs opérations. Nous aborderons également des stratégies permettant d’aller au-delà des sorties visuelles afin d’exploiter des informations exploitables qui produisent des résultats concrets. Commençons !

Visualisations et informations dans l’AI : une idée reçue courante#

Commençons par comprendre la différence entre les visualisations et les informations. En vision par ordinateur, les visualisations comme les boîtes englobantes et les cartes thermiques sont importantes pour comprendre la sortie du modèle. Ces sorties visuelles servent de point de départ pour illustrer ce que la vision par ordinateur peut et ne peut pas faire. Les informations, en revanche, vont au-delà de ces visuels et fournissent des éléments précieux qui peuvent servir à prendre des décisions éclairées, à améliorer les processus ou à comprendre plus profondément les tendances. Elles transforment les données visuelles brutes en conclusions pertinentes qui aident à révéler des tendances, à prévoir des résultats ou à optimiser des stratégies.

Par exemple, un système de suivi des entraînements par vision par ordinateur peut utiliser l’estimation de pose et des modèles comme Ultralytics YOLOv8 pour suivre les mouvements du corps en identifiant des points clés tels que les articulations et les membres. La sortie visuelle, comme des squelettes animés montrant les mouvements d’une personne, peut être intéressante à regarder. Cependant, la véritable valeur vient des informations quantifiables fournies par ces données, comme le nombre de pompes ou de squats effectués, la durée de chaque exercice, la régularité des répétitions et la qualité de la posture maintenue pendant toute la séance.

Les entraîneurs peuvent utiliser ces informations pour analyser la posture de leurs clients pendant les exercices, repérer les mouvements incorrects susceptibles de provoquer des blessures, suivre les performances au fil du temps et comprendre les habitudes d’entraînement. Ces informations aident les entraîneurs à fournir de meilleurs retours, à concevoir des programmes d’entraînement plus efficaces et à aider leurs clients à atteindre leurs objectifs de forme physique de manière plus sûre et plus efficace.

Fig. 2. Utilisation d’Ultralytics YOLOv8 pour suivre les mouvements du corps.

Créer de la valeur métier grâce à la vision par ordinateur#

À mesure que la technologie progresse, les entreprises cherchent constamment des moyens de garder une longueur d’avance sur la concurrence, et la vision par ordinateur est un excellent moyen d’y parvenir. En intégrant les informations issues de la vision par ordinateur à leurs workflows existants, elles peuvent obtenir des résultats mesurables concrets.

Ces informations peuvent fournir des éléments précieux dans différents domaines de l’entreprise, notamment :

• Indicateurs de performance : données quantitatives mettant en évidence les indicateurs clés de performance et les tendances.
• Analyse des tendances : comprendre les tendances émergentes et les évolutions du comportement des clients ou des conditions du marché au fil du temps.
• Informations prédictives : prévoir les résultats futurs ou identifier les problèmes potentiels à l’aide de données historiques et en temps réel.
• Alertes en temps réel : notifications instantanées concernant les événements importants, les anomalies ou les changements nécessitant une intervention.

Par exemple, dans le secteur pétrolier et gazier, la détection des incendies ou des fuites de gaz provenant des fours reposait traditionnellement sur une surveillance manuelle ou des systèmes de capteurs élémentaires. Ces méthodes manquent souvent de rapidité et de précision pour détecter suffisamment tôt les risques potentiels. La vision par ordinateur peut améliorer ce processus en utilisant des caméras et des modèles de détection d’objets comme Ultralytics YOLOv8 pour surveiller en continu les fours et repérer rapidement les problèmes tels que des flammes inhabituelles, une fumée excessive ou des fuites de gaz.

La sortie visuelle de cette application peut apparaître sous la forme de boîtes englobantes sur les images, mettant en évidence les zones où un incendie est détecté. Cependant, le véritable bénéfice vient de la transformation de ces indices visuels en informations exploitables. Ces informations peuvent aider à déterminer la cause d’un incendie, à prévoir les problèmes d’équipement et à planifier la maintenance pour éviter de futurs incidents. En utilisant ces informations, les entreprises industrielles peuvent réagir rapidement aux incendies potentiels, éviter des dégâts coûteux, réduire les temps d’arrêt et améliorer la sécurité et l’efficacité.

Fig. 3. Utilisation d’Ultralytics YOLOv8 pour détecter un incendie.

Prendre des décisions fondées sur les données avec l’AI#

Les sorties visuelles d’un modèle entraîné peuvent être transformées en informations organisées dans des tableaux de bord et des bases de données pour permettre une analyse plus approfondie. Les tableaux de bord, en particulier, peuvent aider les dirigeants d’entreprise à obtenir une vision claire des indicateurs de performance, à repérer les anomalies et à prendre des décisions fondées sur les données en temps réel.

Par exemple, pour la surveillance du trafic, un modèle de vision par ordinateur comme Ultralytics YOLOv8 peut servir à analyser des images de trafic en direct afin de détecter et de suivre différents véhicules, comme des voitures, des fourgonnettes et des bus, sur la route. La visualisation produite peut afficher les véhicules étiquetés et suivre le nombre de véhicules entrant dans des zones spécifiques ou en sortant. Ces informations peuvent également être affichées sur un tableau de bord qui fournit une ventilation du nombre de véhicules par zone et calcule des indicateurs clés comme le nombre total de véhicules et la vitesse moyenne.

Fig. 4. Utilisation d’Ultralytics YOLOv8 pour détecter et suivre le trafic.

Ces informations aident les équipes de gestion du trafic à comprendre la circulation, à identifier les points de congestion, à prévoir les embouteillages et à ajuster les feux de circulation ou les itinéraires pour fluidifier les déplacements. En transformant les données visuelles en informations exploitables, ce système aide les urbanistes à prendre des décisions pertinentes pour améliorer la circulation et réduire les problèmes sur les routes.

Combler le fossé entre l’AI et les besoins métier#

Maintenant que nous avons abordé l’impact métier des informations exploitables issues de la vision par ordinateur, examinons les stratégies permettant de combler le fossé entre la visualisation des données et les informations métier. Lors du développement de solutions d’AI, ces considérations sont essentielles, car elles permettent d’aller au-delà des simples tâches de vision par ordinateur pour comprendre le contexte et les relations au sein des données. Une analyse approfondie permet de créer des informations plus pertinentes et plus utiles pour les besoins métier.

Pour commencer, il est essentiel d’améliorer la communication entre les développeurs d’AI et les dirigeants d’entreprise. Les développeurs d’AI peuvent échanger ouvertement avec les parties prenantes de l’entreprise afin de comprendre leurs objectifs, leurs difficultés et ce qu’elles espèrent accomplir. En adoptant le point de vue du dirigeant, il devient plus facile de déterminer comment la vision par ordinateur peut répondre directement à des problèmes précis. Plutôt que de développer des solutions génériques, les développeurs peuvent se concentrer sur la création d’applications de vision par ordinateur qui répondent à de véritables besoins métier.

Par exemple, dans le scénario du secteur pétrolier et gazier évoqué précédemment, discuter directement avec une partie prenante de l’entreprise peut aider un développeur à comprendre des besoins précis, comme l’envoi d’alertes en fonction de la taille et de la gravité d’un incendie détecté. La connaissance de ces détails aide les développeurs à personnaliser la solution afin de donner la priorité aux alertes critiques, de garantir des temps de réaction plus rapides et de réduire les risques, ce qui renforce la sécurité et l’efficacité.

Fig. 5. La communication est essentielle. Source de l’image : Envato Elements.

Une fois une communication claire établie, l’étape suivante consiste à se concentrer sur la qualité et le traitement des données. Les développeurs peuvent s’assurer que les données utilisées pour l’entraînement et l’analyse sont propres, cohérentes et pertinentes pour les besoins du client. La rationalisation du traitement des données peut contribuer à réduire les délais et à fournir des informations précises en temps voulu. De plus, l’intégration des systèmes de vision par ordinateur aux outils métier existants peut améliorer la prise de décision et permettre aux entreprises de réagir rapidement aux informations importantes.

Voici d’autres facteurs à prendre en compte :

• Visualisation conviviale : veiller à ce que les sorties visuelles soient simples et faciles à interpréter pour les parties prenantes non techniques.
• Évolutivité : concevoir des solutions d’AI capables de s’adapter à l’augmentation des besoins de l’entreprise en matière de données et à l’évolution de ses opérations.
• Analyse en temps réel : intégrer le traitement des données en temps réel afin de fournir des informations rapides susceptibles de déclencher une action immédiate.
• Sécurité et confidentialité : protéger l’intégrité et la confidentialité des données, en particulier lors du traitement d’informations sensibles.
• Apprentissage et adaptation continus : mettre en place des mécanismes d’apprentissage continu et de mise à jour des modèles pour s’adapter à l’évolution des environnements métier et des schémas de données.

L’avenir de la vision par ordinateur pour les entreprises#

Bien que les sorties visuelles, comme les boîtes englobantes et les masques, démontrent les capacités de la vision par ordinateur, les entreprises ont besoin de plus que de simples représentations visuelles ; elles ont besoin d’informations exploitables capables d’orienter la prise de décision et d’améliorer les opérations. En comprenant les objectifs métier et en appliquant la vision par ordinateur à des problèmes réels, les développeurs peuvent fournir des informations qui améliorent les opérations, optimisent l’expérience client et réduisent les coûts.

Pour combler le fossé entre la visualisation et les informations exploitables, les développeurs peuvent communiquer clairement avec les parties prenantes, utiliser des données de haute qualité et améliorer le traitement des données. Ces étapes aident les entreprises à tirer le meilleur parti de la technologie de vision par ordinateur en transformant les informations en bénéfices concrets.

Apprenons et explorons ensemble ! Consulte notre dépôt GitHub pour découvrir nos contributions à l’AI, et n’oublie pas de participer à notre communauté. Découvre comment nous redéfinissons des secteurs comme l’industrie manufacturière et la santé grâce à une technologie d’AI de pointe.