search mail facebook github rss twitter google + cross linkedin slack
Cobot

Cobot

Mettre les petites contributions numériques au service de l'intérêt général

Le produit est en alumni.
  • Les statistiques d'usage ne sont pas encore disponibles.
  • Le code source n'est pas encore ouvert.
  • Le porteur administratif est .
  • L'incubateur est .
  • Contacter l’équipe.

Calculer un potentiel solaire grâce à la qualification automatique de l’orientation des toits des bâtiments, faire du contrôle des pêches dans les outre mer grâce à des données satellitaires européennes disponibles en opendata, identifier rapidement des espèces de plantes….

Nous assistons, au sein de l’administration publique, au développement de projets basés sur la qualification de données photographiques qui permettent d’améliorer ou de créer de nouveaux services d’intérêt général.

Ces projets deviennent désormais possibles grâce à l’exploitation d’une nouvelle capacité d’analyse reposant sur les contributions digitales du grand public ou d’experts (on parle de “crowdsourcing”). Ces contributions humaines qualifient des petites quantités de données sur lesquels sont ensuite entraînés des algorithmes d’intelligence artificielle permettant à terme de démultiplier la capacité d’analyse initiale.

Ces projets sont aussi l’une des réponses possibles au risque de perte d’indépendance de l’état, des collectivités ou d’autres acteurs publics quant à l’accès à des données essentielles pour l’intérêt général. Préserver notre souveraineté numérique impose de bâtir des alliances nouvelles, plus loyales et plus respectueuses, avec les citoyens-contributeurs.

Le problème ?

Le potentiel de l’application de l’intelligence artificielle à la reconnaissance d’images est immense pour l’administration publique. Citons, à titre d’exemple, le soutien au déploiement des véhicules autonomes grâce à l’analyse automatique des panneaux routiers, la facilitation de la publication massive de données ouvertes grâce au floutage automatique des visages ou à l’anonymisation automatisée des décisions administratives.

Tous ces projets reposent sur notre capacité à entraîner des algorithmes d’intelligence artificielle (qualification d’images, analyse sémantique). Le principal frein actuel est de disposer d’un volume suffisant d’images correctement qualifiées (par des humains) pour ensuite pouvoir entraîner les modèles disponibles et mettre à profit le potentiel de l’intelligence artificielle au profit de nos politiques publiques.

Dans le cas du projet d’opensolarmap les plus de 130 000 contributions ont permis d’entraîner un modèle qui a permis de démultiplier les capacités d’analyse du potentiel de production d’énergie solaire grâce à l’intelligence artificielle.

Les pratiques contributives liées au numérique se développent en France. Selon l’Agence du Numérique, en 2015, 26 % des Français ont donné sur internet une note, une évaluation ou un commentaire sur un produit. En 2017, plus de 100 000 citoyens ont contribué ou participé à des consultations publiques en ligne .

Cependant la majorité des projets existants reposant sur des micro-contributions de qualification d’images ont du mal à trouver le nombre suffisant de contributeurs pour faire levier sur l’intelligence artificielle. Le premier cercle de contributeurs est constitué de passionnés ou de l’écosystème immédiat du projet. Mais réussir à recruter et à fidéliser des contributeurs plus éloignés est souvent coûteux en temps et en énergie. L’animation des communautés est clé mais ces compétences en community management restent rares dans le secteur public. De plus, la fidélisation des contributeurs est d’autant plus complexe que la contribution demandée est simple. Enfin, les budgets de communication ne permettent pas à ces projets de se faire connaître facilement auprès du deuxième cercle de contributeurs et au-delà.

Notre solution

Cobot permet aux porteurs de projets de recourir de façon simple à la contribution citoyenne pour entraîner l’intelligence artificielle sur des jeux d’images disponibles, au profit de nos politiques publiques.

Une plateforme destinée aux porteurs de projets qui ont des images à classer ou à faire qualifier permettra de déposer simplement leurs données et de choisir leur besoin de qualification et gérer la fréquence et l’animation des contributions souhaitées. Un agent conversationnel, cobot, qui propose une qualification d’images simple et ludique en s’adressant aux contributeurs sur des outils ou des services que les citoyens utilisent au niveau professionnel dans un premier temps (eg : Slack), personnel dans un second (eg : Facebook).

Un produit minimum viable va être déployé en s’appuyant sur le projet OpenSolarMap de calcul automatique du potentiel solaire des toits pour tester la contribution supplémentaire qui pourrait être générée. Ce projet dispose déjà de contributions et la qualification demandée est accessible au grand public. Ce PMV repose sur le développement d’un agent conversationnel sur slack qui permettra de tester différentes fréquences, tons de messages et mode de qualification des données afin de maximiser le recrutement de nouveaux contributeurs et fidéliser leurs contributions.

L’expérience acquise sur ce premier projet permettra de déployer ce type d’outils sur de nouveaux enjeux (urbanisme, environnement) avant de se déployer vers de la qualification plus complexe (démultiplication de la capacité d’analyse d’experts, anonymisation) et via d’autres supports (remplacement à terme des Captcha propriétaires sur les sites publics).

Fin du projet

A l’été 2019, faute de solution pour améliorer l’impact de Cobot dans la sphère publique, l’équipe décide d’arrêter les travaux.

Afin d’assurer un atterrissage correct du projet, il a été décidé de finaliser les outils en cours de déploiement jusqu’à la fin du mois de juin, de publier les codes associés et la documentation afin qu’ils soient accessibles à toute personne intéressée dans le public ou le privé. Le travail engagé par l’équipe de Cobot a cependant permis d’essaimer dans la sphère privée, puisque une collaboration avec l’entreprise Streetco a permis de multiplier par 4 à 5 la capacité d’identification de parcours pour les personnes en situation de handicap sans même passer à la phase d’entraînement d’une IA.

L’équipe reste à disposition de tout projet qui serait intéressé par cette solution dans la sphère publique.

L'équipe