L’Intelligence Artificielle dans l’analyse de vos échantillons
Qu’est-ce que l’Intelligence Artificielle ?
En 2021, le système d’IA typique a un fonctionnement qui consiste à catégoriser (classer) un évènement à partir de ce qu’on lui a appris pour répondre à une question. Ceci peut être appliqué à tout type d’information : texte, chiffre, son, image… Si on prend le cas de la reconnaissance d’image, une IA c’est un peu comme un petit enfant qui apprend à reconnaître son père ou sa mère à partir de ce qu’il observe jour après jour.
Il en déduit par exemple que malgré des changements quotidiens d’habillement, de coiffure ou la présence d’une barbe ou d’une moustache, de lunettes de soleil ou d’un masque, son père est toujours son père alors qu’il n’a plus la même apparence.
Ainsi, par analogie, éduquer une IA va consister à couvrir le maximum de cas pour obtenir la bonne réponse lorsqu’on l’interroge sur un cas inconnu. Chaque catégorie d’apprentissage va se voir attribuer un label (femme, homme, coiffure courte, longue, etc…). Ce sont ces labels qui permettront au système de produire une réponse (papa=oui ou papa=non) avec un indice de confiance associé. Cette approche repose sur l’utilisation de réseaux de neurones virtuels qui sont capables d’établir des classements à partir de traitements successifs de grandes quantités de données. Des systèmes plus évolués existent à l’état de recherche avancée, comme l’auto-apprentissage, mais ils ne sont pas encore accessibles au grand public.
En résumé, L’Intelligence Artificielle (IA) est l’ensemble des théories et techniques mises en œuvre en vue de réaliser des machines capables de simuler certaines formes de l’intelligence humaine, notamment sur des tâches bien spécifiques comme la reconnaissance vocale, l’analyse de texte ou la détection d’objets.
Où retrouve-t-on de l’Intelligence Artificielle ?
On retrouve l’IA dans les assistants virtuels (Siri, Alexa), la conduite autonome, la proposition ciblée de publicité, la reconnaissance faciale… En bref, tout ce qui manipule de grandes quantités de données informatiques entretient une relation plus ou moins proche avec l’IA aujourd’hui.
En quoi consiste un réseau de neurones artificiels ?
Un réseau de neurones est un système informatique matériel et/ou logiciel dont le fonctionnement est basé sur celui des neurones du cerveau humain.
Les réseaux de neurones artificiels ont été inventés en 1943 par deux chercheurs de l’Université de Chicago : le neurophysicien Warren McCullough, et le mathématicien Walter Pitts.
Le plus ancien algorithme de machine learning fut inventé en 1957 pour effectuer des tâches de reconnaissance de lettre.
Il a fallu attendre 2010 avec l’explosion du Big Data et la disponibilité d’une puissance de calcul suffisante pour voir apparaitre des réseaux de neurones avancés capables de traiter des tâches complexes. En 2012, lors d’une compétition organisée par ImageNet, un réseau neuronal est parvenu pour la première fois à surpasser un humain dans la reconnaissance d’image. *
Ce qui nous a permis aujourd’hui d’utiliser l’IA dans nos analyses : l’IA va permettre de lire les images et détecter les fibres.
*Source : Lebigdata.fr – article du 5 avril 2019 – Bastien L
Pourquoi utiliser l’IA pour l’analyse amiante par MET ?
L’analyse d’amiante par microscopie électronique en transmission est une analyse longue et fastidieuse nécessitant une compétence élevée et une forte concentration pendant une longue durée. L’analyste observe une surface importante à la recherche d’éventuelles fibres qu’il identifie dans un second temps.
Afin de concentrer toute la valeur de nos analystes sur l’identification des fibres, la phase d’exploration à la recherche de fibres est confiée à un système automatisé utilisant l’Intelligence Artificielle.
Comment fonctionne l’Intelligence Artificielle dans le cadre d’analyses ?
Le MET, à l’aide de l’IA, va photographier les échantillons et l’IA va lire les images pour détecter les fibres. L’analyste viendra ensuite apporter son expertise pour identifier les fibres d’amiante et les compter.
Quelles sont les dernières avancées chez ITGA ?
L’intégration de l’Intelligence Artificielle a nécessité un upgrade du microscope électronique avec l’intégration d’un système d’acquisition automatisé des images à haute définition. Plusieurs milliers d’heures ont été ensuite consacrés à la constitution d’une base d’images labellisées et au test de plusieurs réseaux de neurones. Le modèle le plus performant répondant à nos objectifs de qualité et de fiabilité du résultat a été retenu.
Comme dans le domaine médical, l’utilisation de l’IA a montré un renforcement des capacités de détection.
Nous sommes dorénavant accrédités par le COFRAC pour l’analyse des filtres assistée par intelligence artificielle au Laboratoire de Saint Grégoire.
Quels sont les avantages de l’Intelligence Artificielle dans le cadre d’analyses ?
- Cette technologie permet de faciliter les tâches de l’analyste ; elle supprime les tâches fastidieuses, et lui permet de se concentrer sur des tâches à valeur ajoutée.
- L’Intelligence Artificielle permet le tri des données, ce qui engendre un gain de temps.
Quelles sont les prochaines étapes pour ITGA ?
Nous avons été accrédités par le COFRAC pour l’analyse des filtres assistée par intelligence artificielle au Laboratoire de Saint Grégoire.
Une première phase de production en version prototype permettra ensuite de designer le laboratoire du futur