logo fullscreen logo
  • Dossier
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
logo fullscreen logo
  • Dossier
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Menu
mobile logo
  • Dossier
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
14 décembre 2017
DAP, Portrait de data scientist

Maël Primet veut rendre les services vocaux plus respectueux de la vie privée

⏱ 2 min

Pour que les données issues des services d’assistance vocale n’échappent pas aux utilisateurs, la société Snips propose des services embarqués sur les machines elles-mêmes que ce soient des appareils électroménagers, des smartphones ou des voitures.

Normalien  term  et ancien du master MVA de l’ENS Paris-Saclay dont il a apprécié la formation théorique poussée, Maël Primet a ensuite effectué une thèse sur le suivi d’objets par méthodes statistiques. Comme il est ingénieur du corps des Mines, il s’essaie d’abord à l’administration, au ministère de l’Industrie, mais cela ne le motive pas. Deux ans après sa thèse, en 2013, avec deux collègues, Maël Primet fonde la start-up Snips. « Entreprendre m’attirait car j’aime créer de nouvelles choses et mettre en pratique des connaissances », raconte-t-il. La jeune société s’est d’abord fait la main en conseillant des grands groupes sur le machine learning pour des problématiques industrielles, puis elle se tourne vers le traitement du langage, car la voix devient aujourd’hui un des principaux moyens d’interaction avec les objets. Avec un objectif : rendre les services vocaux plus respectueux de la vie privée.

Assistant vocal et vie privée

Aujourd’hui, les services d’assistance vocale, comme l’enceinte connectée Google Home ou celle d’Amazon, ou encore Siri sur les téléphones d’Apple, arrivent en masse sur le marché. Ils permettent par exemple de contrôler la domotique, ou d’accéder facilement à des informations par simple demande vocale. Il suffit de dire à voix haute « donne-moi la météo » ou « allume la musique » pour déclencher l’action de l’assistant. « Ces données vocales sont envoyées à des serveurs à l’étranger, explique Maël Primet. Donc lorsqu’il n’y pas de connexion internet, le service ne fonctionne pas. D’autre part, cela pose des problèmes de vie privée : que deviennent ces données ? »

C’est pourquoi Snips propose une solution pour que tout le processus reste privé, localisé sur la machine commandée vocalement.  Le service doit donc être « embarqué » dans chaque machine. Cela nécessite d’optimiser la reconnaissance vocale, pour qu’elle soit utilisable sur des petits processeurs, à faible coût. « Si on intègre une commande vocale à une machine à café, cela ne doit pas trop augmenter son prix », résume Maël Primet. Aujourd’hui, Snips propose une première version de son service vocal, téléchargeable gratuitement. La start-up négocie avec des industriels qui souhaitent intégrer ce service dans leurs produits. Au-delà des appareils électroménagers, ces assistances vocales pourraient apparaître dans les voitures, les magasins…

Apprendre de ses erreurs

Pour Maël Primet, difficile de donner des conseils aux futurs créateurs d’entreprise comme lui, car « créer une société, cela s’apprend en le faisant, il n’y a pas de route toute tracée ». D’autant que chaque société est différente, donc ce qui fonctionne pour l’une peut ne pas marcher pour une autre. Il souligne même qu’il est utile de faire certaines erreurs au départ, plutôt que lorsque l’entreprise a grossi. « Par exemple quand on vient d’une formation technique ou académique, on ne sait pas gérer l’humain, remarque-t-il. Or, communiquer, prendre le temps d’expliquer, c’est plus efficace que d’avancer vite tout seul. J’ai appris cela grâce à mes erreurs. » Il encourage toute personne qui a envie de créer sa boîte à se lancer sans tarder. « Il y a très peu de risque à entreprendre : même si on se trompe, on apprend beaucoup. Il faut cependant être très motivé car cela demande beaucoup de temps et d’énergie. Explorer quelques sujets avant de se lancer, par exemple via une thèse, est aussi très utile. Faire une thèse permet d’apprendre beaucoup sur soi-même. »

Cécile MICHAUT
Termes liés :
  • Données
  • Machine learning
Share:
Posts you'd might like
Repérer les circuits de la désinformation…
Démasquer les images détournées, truquées, forgées…
Détecter les fausses nouvelles grâce au NLP
Des modèles qui reconnaissent de mieux en mieux les plantes
analyse des foules
L’analyse des foules
La reconnaissance des activités
DAP, la newsletter du Data Analytics Post Recevez chaque semaine un éclairage sur les data science

Peut-on laisser un algorithme apprendre tout seul ?

A la différence de l’apprentissage supervisé, le contexte algorithme doit opérer à partir d’exemples non annotés.

En savoir plus

ARTICLES RÉCENTS
  • Repérer les circuits de la désinformation…
  • Démasquer les images détournées, truquées, forgées…
  • Détecter les fausses nouvelles grâce au NLP
  • Des modèles qui reconnaissent de mieux en mieux les plantes
  • analyse des foulesL’analyse des foules

Tout savoir sur…

Le DAP

Comité Éditorial

Partenaires

Équipe


Copyright © Data Analytics Post. Tous droits réservés.

Mentions légales & CGU