Segula Technologies présente son centre d’expertise digitale

Jean-Luc Laurent, ancien étudiant du MS Big Data (promotion 2016), désormais Head of Data Science & IA, accompagné de Yesmina Jaafra, doctorante en IA et traitement d’images, nous ont présenté lors du séminaire hebdomadaire du Mastère Spécialisé Big Data, les activités de Segula Technologies ainsi qu’un cas pratique de méta-apprentissage par renforcement pour l’adaptation continue.

Segula Technologies est un groupe d’ingénierie français crée il y a 25 ans, présent dans 28 pays, intervenant essentiellement dans les grands secteurs industriels : automobile, aéronautique, énergie, ferroviaire, naval, pharmaceutique, oil & gas. A fin 2018, le groupe compte 12 000 collaborateurs pour plus de 300 clients.

Segula intervient à chaque étape du processus industriel : conception de produit, conception des installations industrielles, expertises transverses ou bien de production et de services.

Le centre d’expertise digitale est une entité transversale au servie des métiers et de la stratégie du groupe et interagit avec les différents domaines d'activité de Segula :

• Matra Automotive
• Engineering Services, qui comprend le pôle Aeronotics Defense

Le groupe est reconnu comme étant un centre de recherche privé où l’innovation est mise au cœur de la stratégie en se basant sur pôle R&I qui effectue plus de 200 projets chaque année.

Dans ce cadre, Yesmina Jaafra, Doctorante au Laboratoire iCube, Université de Strasbourg, nous a présenté la méthode de méta-apprentissage par renforcement qui s'applique à des domaines assez variés, les cas suivants sont des exemples d'utilisation concrète chez Segula.

Dans le cas du véhicule autonome, les objectifs sont de suivre une ligne de référence au milieu de la voie et d'assurer une trajectoire optimale afin de minimiser l’angle de changement de direction. Il faut également assurer le confort des passagers sans freinage ou accélération brusques. Un véhicule autonome doit être capable de contourner des obstacles inattendus sur la voie et aussi d'éviter des piétons inattentifs.

En ce qui concerne la numérisation des installations industrielles, cela s’applique à la reconnaissances d’objets dans des nuages de points 3D pour les raffineries, les plateformes et secteurs pétrochimiques.

Dans le contexte, malgré les progrès réalisés, les algorithmes d'apprentissage par renforcement rencontrent encore certaines difficultés pour traiter les changements inattendus dans l’environnement. D'autant plus que pour apprendre à résoudre une tâche, une grande quantité de données et de nombreux essais sont nécessaires.

Pour résoudre certains de ces inconvénients l'utilisation du méta-apprentissage par renforcement tente de s'inspirer du comportement humain pour une adaptation rapide aux situations qui n’ont pas été rencontrées auparavant.

Le méta-apprentissage par renforcement est une méthode pour simuler le comportement d’adaptation qui se base sur des données provenant de plusieurs tâches antérieures. Il prend en compte également la spécificité de la tâche et le passage d’une tâche à une autre. Le méta-niveau agit principalement sur les prédictions de l’agent en apprenant des règles de mise à jour de ses paramètres.

Pour implémenter ce méta-apprentissage dans les cas concrets vu précédemment, une adaptation du modèle d'intelligence artificielle basée sur un réseau de neurones profonds a été mise en place.

En savoir plus sur Segula Technologies : segulatechnologies.com/fr

Compte-rendu rédigé par Sami Nakouri et Ioan Catana, étudiants du Mastère Spécialisé Big Data promotion 2019.