, par-google-212584 » « date de dernière consultation : 10/07/19 » Nebia Amelle, CB News, « Datakalab poursuit sa croissance avec de nouveaux clients

«. Reuters and . Facebook-rachète-face, com le spécialiste de la reconnaissance faciale », Journal, vol.20

W. Benalal, A. Gaultier, and «. Ibm, Datakalab séparent le bon grain de l'ivraie avec une IA qui détecte les émotions

J. Destribats, émotion des spectateurs au coeur de la mesure cinéma Médiamétrie », Médiamétrie

D. Matharel and . Lélia, Datakalab dissèque les émotions pour aider les pros à booster leur CA, vol.19

. «-l', avenir du Big Data sera émotionnel » « Influencia » « revue digitale

A. Rouvroy, . Berns, . Thomas, and . Le, Ou quand le contrôle s'exerce sur un réel normé, docile et sans événement car constitué de corps « numériques, Multitudes, vol.40, pp.88-103, 2010.

A. Rouvroy, Pour une défense de l'éprouvante inopérationnalité du droit face à l'opérationnalité sans épreuve du comportementalisme numérique », Dissensus, Revue de philosophie politique de l'ULg, vol.4, pp.127-149, 2011.

É. Sadin, L. Paris, and . Éditions-l'échappée, « disponible à l'adresse, vol.278, p.12, 2015.

A. Sauvageot and . Quand, Baudrillard nous aide à penser le monde contemporain », Mondes sociaux, Magazine de sciences humaines et sociales

E. Souchier, . Voir-le-web, and L. Deviner-le-monde, CNRS éditions, 2013 « disponible à l, pp.213-234

R. Soulié and . Lectures, Le mythe du progrès » Le Figaro

, Est-ce que tu connais les différences entre nos algorithmes et ceux de nos concurrents ?

, Ceux qui s'attaquent à la localisation de points sont plutôt des gens qui viennent de la « vision ». Ils ont des problèmes de « vision » : « comment on détecte un piéton, une chaise, etc. » mais ils en viennent à s'intéresser à la détection de landmarks, des points caractéristiques du visage. Pour détecter ces points du visage, il faut trouver les points des yeux, de la bouche, ce genre de choses. Récemment, il a eu beaucoup de bases de données annotées pour la communauté. Du coup, beaucoup de gens qui faisaient de la « vision » pure s'y sont intéressés parce que ça marche bien sur des algorithmes deep learning, qui ont besoin de beaucoup de données pour apprendre. L'émotion, c'est compliqué, C'est un secret bien gardé. Il n'y a pas beaucoup de publications chez nos concurrents, et elles sont sur des points spécifiques à chaque fois

, Un clin d'oeil est facile à définir, mais pour la joie, c'est plus compliqué. Cela reste sujet à l'interprétation. Même les bases les plus conséquentes sont mal annotées. Les algorithmes sont spécifiques au domaine, et c'est pour ça qu'il y a moins de gens qui travaillent là-dessus

, Pourquoi a-t-on si peu de données entraîner les algorithmes à la détection d'émotions ? Déjà parce qu'il n'y a pas beaucoup de monde qui travaille sur les émotions, les expressions faciales

, Il y a les expressions de Ekman, mais il y en a plein d'autres, on peut « mesurer » les intensités de « valence », ou les intensités de « arousal », « dominance expectance ». Les émotions peuvent être décrites de plusieurs manières. Le modèle des émotions de Ekman est restrictif, « l'arousal » est difficile à annoter, Ensuite, les émotions sont difficiles à annoter parce qu'il y a différentes manières de représenter une émotion et une « expression faciale

A. Entretien-avec and . Dapogny, Paris 17 ème Diplômé de CentraleSupélec, spécialisé en « machine learning » et en « computer vision », Arnaud était Enseignant-Chercheur à Sorbonne Université. Il a rejoint Datakalab fin 2018 et optimise aujourd'hui l'algorithme de détection de points caractéristiques du visage. Son dernier document de recherche rédigé avec Kevin Bailly a été sélectionné pour être présenté à ICCV, Machine Learning Scientist chez Datakalab, 2019.

, Dans les salons, on vous présente toi et Kevin comme « les meilleurs chercheurs au monde ». Comment es-tu arrivé à devenir l'un des premiers chercheurs dans la détection de points ?

, Je fais partie de cette seconde catégorie. J'ai fait médecine puis une école d'ingénieurs généraliste qui étudiait les systèmes, l'électronique, le traitement du signal. J'avais des cours de « traitement de l'image » en troisième année à Rennes avec Renaud Séguier. L'un des projets de son cours m'avait beaucoup plu. J'ai décidé de refaire un master après l'école d'ingénieur pour me spécialiser. Je ne me jugeais pas compétent sur ce genre de thématiques au regard de mes anciens stages. J'ai effectué un master de traitement d'images dans les années 2012-2013 à la Sorbonne. C'était le début du machine learning. J'ai fait mon stage à l'École des Mines, puis j'ai fait une thèse à Jussieu avec Kevin. C'est donc une suite de hasards qui fait, Il existe plusieurs types de personnes : ceux qui ont une idée bien précise de ce qu'ils veulent faire, et ceux qui tâtonnent pour trouver leur voie

, Tu t'intéresses aujourd'hui à la détection de points sur le visage

, est celui des thématiques de classification/catégorisation d'objets. Il existe un benchmark avec dix millions d'images et mille catégories : des avions, des voitures, des chats, des chiens, et tu dois les classifier une par une. Ce sont des domaines où il y a énormément de data et les développements architecturaux prestigieux comme Hawaï avec plus de 5 000 personnes

. Justement,

À. , Frank et Xavier me disent des choses qui me font parfois tiquer et je leur explique quand ce n'est pas tout à fait correct

, Du côté marketing/communication, vous devez rendre ces données intéressantes pour le client. L'un de mes amis a fait ses études à Cambridge et travaille sur l'énergie houlomotrice. Cela fait des années qu'il travaille dans sa cave. Comme c'est un vrai scientifique, il ne veut pas avoir à se vendre. De ce fait, Aussi nous devons essayer de créer des systèmes performants

, Est-ce que tu penses qu'avec la « data » propre à la machine, on peut « mesurer les émotions » qui sont propres à l'Homme ?

. Le-paradigme-du-machine-learning, il n'y a pas de raison que la machine ne sache pas le faire. Dans la plupart des cas, les émotions servent à entretenir un lien social, à comprendre les gens. Il y a émotion, ce qui se passe dans ton cerveau, et « expression », comment tu le montres. Cette manifestation-là a aussi un sens. C'est communiquer pour mieux t'intégrer

, Des émotions ne sont pas forcément exprimées par des « micro-expressions

, Tout ne passe pas par ces canaux, mais c'est un vecteur. D'un point de vue scientifique, on s'est concentrés là-dessus parce que sous certaines conditions, si on est globalement de face, qu'on filme bien, c'est mesurable par l'homme et par la machine de manière assez satisfaisante. Ensuite, Oui, pas mal de gens ont fait des recherches sur la manière dont le body langage et la voix expriment des émotions

, On peut perdre de l'information en se concentrant exclusivement sur des visages, plutôt que de prendre en compte le contexte, les mouvements des épaules, etc. Quelles autres « métriques » pourrait-on imaginer, et quelles seraient leur utilité pour Datakalab ? Ça dépend de ce que veut le client et du use case. Dans le meilleur des mondes, on pourrait mesurer beaucoup de choses, comme les micro-mouvements oculaires. Actuellement, on ne va pas jusqu'à ce degré de précision. C'est possible de le faire avec des images de très haute résolution, si on calibre correctement la géométrie du visage. Quand on apprend à analyser les émotions quand on est un bébé, on reconnaît à peine le visage de notre mère

, En grandissant, on voit des milliards et des milliards d'images

, On a des méthodes d'apprentissage qui n'impliquent pas de supervision. Pour schématiser, la supervision c'est « essai-erreur, l'apprentissage non supervisé » on a plein d'images, on ne sait pas quoi en dire, et la question est « Qu'est-ce qu'on en fait ? ». Quand on apprend, on voit beaucoup de visages

, Dans 10 ans, où penses-tu qu'on en sera dans la création d'algorithmes de mesure émotionnelle ?

. Si-on-continue-de-se, Un thésard avait fait le challenge FERA 260 sur la reconnaissance d'Action Unit, où on mesure « l'erreur » par rapport à la « vérité terrain ». Les méthodologies étaient bonnes, voire meilleures que celles de beaucoup de papiers qui sortent actuellement. Certains domaines, comme la voiture autonome

, Facial Expression Recognition and Analysis Challenge Est-ce qu'on les bouge vraiment de manière réflexe ? Je sais que pour Paul Ekman, oui

, Quand tu as une expression, ça te fait un pic, et après il faut savoir si ce pic-là est un vrai pic ou seulement un bruit, La question est de savoir si on montre ou pas nos expressions

. Justement, . Qu'appelle-t-on-le, and . Bruit, Si par exemple la personne se tourne, l'algorithme pense que ça génère un pic, mais ce pic n'est pas une vraie émotion. C'est juste un bruit, quelque chose auquel l'algorithme ne s'attendait pas, et du coup il croit que ça a un sens et nous dit que c'est un pic. Un signal qui a du bruit, c'est un signal qui a plein de points qui n'ont pas de sens. Comment faites-vous alors pour savoir que c, Cela correspond aux pics qui n'ont pas de sens

. Oui and . Ça, En gros on considère qu'un pic est un vrai pic si l'orientation de la tête est bonne

, Il faut déjà que la personne soit bien en train de regarder le contenu. Ensuite, il faut savoir si le

J. Sais-que-tu-travailles-en-binôme-avec and L. , avez-vous chacun votre spécialité ? Je pars de ce qui a été fait à la base par Lucas, et je rends le code plus propre, en ajoutant quelques fonctionnalités. J'ajoute des tests. J'ai créé des choses tout en m'inspirant de ce qui existait

S. Le and . Qu, Au tout début je faisais beaucoup d'études et de graphes, on les montrait à nos clients et partenaires, Éram et OpinionWay. Je faisais de la data analysis : des graphes et des stats pour donner du sens à nos données

A. Lucas, Lui a plus travaillé sur la création de features, et moi sur l'intégration de ces features notamment avec des tests et des pipelines assez clairs de manière à ce que si plus tard on veut ajouter des éléments

, Grâce à cela, on sait qu'on vient de créer un bug. Plus on met de tests, et plus on est sûrs que lorsqu'on crée une fonctionnalité, elle ne va pas faire planter ce qui existe déjà, En faisant plein de tests, si on change quelque chose et que ça conduit à un bug, il faut qu'on ait un test qui plante

, Suite à l'entretien avec Lucas, j'ai compris qu'on pouvait envisager d'ouvrir la plateforme à tous les utilisateurs, comme le font Affectiva et Real Eyes

. Oui, Comme nous utilisons la plateforme uniquement en interne pour l'instant, s'il y a un problème de sécurité par exemple, nous pouvons le régler facilement et rapidement. Je pense que pour les utilisateurs, c'est plus intéressant de pouvoir analyser directement leurs contenus

, Quelle est l'importance de la plateforme pour Datakalab ?

, La plateforme a une grande importance, dans la mesure où elle lie toutes les parties de l'équipe : celle qui travaille sur l'algorithme et son amélioration, celle qui travaille sur la plateforme, celle qui travaille sur le traitement de la donnée

». Lucas-me-parlait-de-«-back-end-»-et-de-«-front-end, expliquer ces termes plus en détail ? Le front-end, c'est la partie que tu vois sur ton écran, le back-end, c'est plutôt la partie « serveur ». Les deux communiquent, mais ils n'ont pas les mêmes droits. La partie front-end envoie des informations à la partie back-end. Par exemple : « Qui s'est connecté ? C'est telle personne ». À ce moment là

, En ce moment on se concentre sur l'analyse de l'image. Si on enregistre une personne en train de parler, elle ne va pas forcément sourire, parce qu'elle s'adapte aussi à son interlocuteur. Mais quand tu es face à la publicité, mais on peut aussi penser aux films, Pour l'instant, je me suis rendu compte qu'on pouvait uniquement « mesurer les émotions » exprimées, qui ne sont pas forcément les émotions ressenties

. Entretien-avec-lucas-lugão-guimarães, Software Engineer chez Datakalab

, Comment as-tu connu Datakalab et pourquoi as-tu choisi cette start-up ?

J. Connu, Datakalab par un ami qui m'a parlé du projet. C'était l'un des projets de XProjet à

. Polytechnique, Puis on a commencé à travailler ensemble et ça a bien marché. J'ai fait un stage à Datakalab durant ma deuxième année à Polytechnique. Pendant la troisième année j'ai fait un stage chez Verily Life Science, une filiale de Google. J'ai travaillé avec des interfaces biologiques

J. Dans-une-start-up and . Dans-une-grande-entreprise, On peut choisir , c'est grâce à lui qu'on récupère les données. On a une liste de problèmes, issues, à résoudre. Dès mon arrivée à Datakalab, je regarde la liste pour prioriser et pour réfléchir à quelles solutions proposer. Je travaille en binôme avec Alexandre, qui me dit ensuite s'il est d

, Avant on ne pouvait pas changer le script. Donc on a créé la fonctionnalité de pouvoir changer le texte selon chaque intégration, ce que les clients voulaient également. Les features et les « problèmes » sont très proches. Pour un problème il faut faire des corrections dans le code, et pour les features, il faut y rajouter quelque chose

, Il y a plusieurs aspects, ce qui nous oblige à travailler sur différents points. Il faut être organisé et avoir des listes de problèmes. Nous traitons aussi des projets plus expérimentaux, on essaie de créer de nouvelles solutions d'enregistrement. J'essaie d'implémenter cela mais pour ce faire il n'y a pas de guidelines spécifiques. Donc pour résumer je dirais que dans une journée il y a plein de choses à résoudre, à créer, à expérimenter. Il faut aussi aider l'équipe communication à intégrer le script dans les questionnaires. Souvent, on ne travaille pas directement avec le client, c'est plutôt une entreprise qui travaille pour lui, Certains concernent le client, d'autres la plateforme que vous utilisez pour créer des expériences. On a le back-end pour récupérer les vidéos

, Dans ce genre de cas

, On travaille avec les mêmes technologies. J'ai créé tout seul la plateforme donc je connais tous ses détails. Il est arrivé après moi, alors qu'on était dans un refacturing 262 . C'est un terme technique pour qualifier la réécriture d'un code pour le mettre au propre. Quand Alexandre est arrivé, j'étais en train de faire le refacturing du recorder, donc il a pu aussi y assister, Tu travailles en binôme avec Alexandre. Est-ce que chacun a sa spécialité ? Là on essaye de rendre le recorder le plus robuste possible

, Donc on essaye de l'adapter pour qu'elle puisse gérer plus de vidéos en même temps

, Quand les panélistes regardent les vidéos sur la plateforme, ils ne sont pas dans les mêmes conditions que quand ils les voient dans la rue. Penses-tu que cela influence leur réaction, et que cela puisse venir biaiser l'étude ?

. C'est-une-opinion, On ressent ce que la pub veut nous faire ressentir. Pour , les affiches, j'ai l'impression que les données sont moins intéressantes. Mais on voit aussi que plus les vidéos sont longues, plus il y a d'informations

, Peut-être que cela influence la « métrique d'attention

, Il y a une influence, mais elle est réduite, si l'affiche est bien faite et attire d'elle-même l'attention

, On est une jeune start-up, donc nous n'avons pas focalisé tous nos efforts dans une seule et même direction. Aujourd'hui notre propre plateforme est uniquement utilisée en interne. Elle n'est pas encore ouverte à la différence de celle de certains de nos concurrents. Par exemple, tout le monde peut utiliser la plateforme de Affectiva, et de Real Eyes. Il suffit de faire un compte et de s'inscrire pour tester n'importe quel contenu. Nous sommes encore dans la partie « test », où on essaye de comprendre ce qu'on peut faire avec les données et améliorer nos métriques. C'est compliqué de comparer deux technologies, En quoi selon toi la plateforme rend-elle notre technologie plus « scalable » et en quoi nous permet-elle d'avoir un avantage par rapport à ceux qui ne l'ont pas

, Peut-être que sur le long terme c'est ce que Datakalab voudra faire ?

, On n'a pas encore la réponse, mais c'est l'un des objectifs possibles d'être une entreprise très scalable avec une plateforme ouverte, simple à utiliser, et accessible à n'importe qui. Il faudrait alors demander aux utilisateurs de se

. C'est-l'une-de-nos and . Possibilités, Aujourd'hui, on travaille directement avec les clients

J. Qu, on insisterait encore plus le côté « technologique », et moins sur le côté marketing. En faisant cela les utilisateurs pourraient voir directement l

S. Oui and . Doute,

P. Qu, on puisse « mesurer les émotions » qui sont propres à l'homme avec de la donnée, qui elle, est propre à la machine ? Peut-on concilier ces deux domaines ? Quand on parle de machine learning, on fait apprendre la machine. On apprend une notion qui est normalement humaine

, Mais on essaie de faire apprendre la machine pour qu'elle puisse apprendre un texte, et le traduire. La machine peut faire relativement bien quelque chose relatif à l'humain. Si les machines peuvent reconnaître les choses comme les humains, Google Traduction) ne comprend pas bien le langage naturel

, Je pense qu'on peut « mesurer les émotions » qui sont montrées par le visage humain. Mais ce n'est pas la même question si tu me demandes : « Est-ce qu'une machine peut mesurer une émotion qui n'est pas montrée ? ». Là ça devient plus compliqué et on ne peut pas « mesurer » ce qui n'est pas mesurable. Le machine learning n'est pas magique, et il n'y a pas de données cachées dans le big data. Les machines peuvent stocker des données immenses. Mais je pense que si un être humain peut comprendre quelque chose, une machine va aussi pouvoir le faire plus ou moins bien. Notre discussion s'approche du test de Turing. Peut-on créer une machine qui peut se faire passer pour un être humain ? Xavier dit tout le temps en pitch de Datakalab : « on ne se souvient pas de toutes les émotions ressenties ». C'est le point clé de nos technologies. L'idée est de « mesurer, Chez Datakalab, on analyse les vidéos pour voir quelles sont les émotions exprimées par les personnes. Pas les émotions vraiment ressenties. Normalement, quand on a une réaction involontaire, elle est directement liée à ce que l'on ressent

. Qu, on exprime de la même façon une émotion en fonction de notre nationalité ? Certains anthropologues disent que certaines émotions ne sont pas associées à la culture

, C'est la même question pour la classification des couleurs. Certaines cultures n'ont pas de vert

, Aujourd'hui le monde est connecté, j'ai l'impression que ça converge pour les pays connectés. Mais pour des personnes sur une île isolée, on ne sait pas comment ils vont réagir. Je suis Brésilien, et je sais qu'on ne réagit pas de la même manière. Par exemple, en France il est rare de voir les gens « rigoler en silence », alors qu'au Brésil c'est assez courant. Les différentes cultures ont différents gestes, Quel pourcentage de nos expressions faciales viennent de notre culture, et de notre côté humain ? C'est une question compliquée

?. Qu'imagines-tu-pour-le-futur-de-datakalab and . Tout, On n'a pas encore fait de levée de fonds pour s'engager dans une direction spécifique 263 . J'ai l'impression que Xavier veut que Datakalab soit plus « tech » que conseil. On va avoir une grande équipe

J. Entretien-avec, . Verres, . Consultante-psychologue, . Arnava, C. Et et al., Consultant-Psychologue chez SBT Human(s) Matter, 05/07/2019, Paris 17 ème Diplômée de Paris Descartes, Jessica est consultante Psychologue chez Arnava. Cette société de conseil et d'évaluation des compétences fait partie du groupe SBT. SBT, Unyck et Datakalab forment ensemble The Brain Place to Be, le premier centre dédié aux neurosciences cognitives

, École de Psychologues Praticiens, PsychoPrat'. Lui aussi Consultant-Psychologue chez SBT Human(s) Matter, il travaille sur des évaluations

, On leur donne des études de cas, on fait des jeux de rôle et des tests psychométriques comme des tests d'aptitudes, de personnalité pour ensuite décrire leur profil. J'analyse ce type de test pour les candidats, je fais le débriefing avec eux et j'écris une synthèse. J'ai suivi une formation scientifique à Paris Descartes. En me concentrant sur la psychologie du travail, je n'ai pas tant étudié le psychisme de l'individu que la façon dont il interagit dans son environnement, Pouvez-vous me présenter votre parcours, vos postes respectifs chez SBT et le rôle de la psychologie dans votre parcours ? Jessica Je suis consultante-psychologue

J. Contrairement-À, On a un ancrage assez psychanalytique et intégratif avec 4 ans de clinique, du RH et de la psychologie d'entreprise en dernière année. J'ai travaillé en insertion Jessica Oui, il y a vraiment beaucoup de possibilités. De mon côté

, L'intelligence émotionnelle se développe aussi en entreprise. C'est le fait d'identifier ses propres émotions, et celles des autres et de savoir y répondre. Peut-être pourrait-on apprendre à s'intéresser aux émotions

, Étude Tractica sur le marché de la donnée émotionnelle : Emotion Recognition and Sentiment Analysis Market to Reach $3.8 Billion by, p.264, 2025.

. «-je-traduis, Le marché de la reconnaissance des émotions et des sentiments devrait atteindre les 3,8 milliards de dollars en, 2025.

, Corpus d'étude -Captures d'écran du site internet de Datakalab

«. Page and . Accueil-»-de-datakalab,

«. Page and . Le-lab-», Rubrique « Nos outils » NB : L'outil « bracelet connecté

, ANNEXE 19

, Photos de la conférence « OpinionWay x Datakalab, Printemps des Études

, Sélection de mails envoyés aux 2000 abonnés à la « newsletter, 2019.

, ! Mail du jeudi 18/04/2019 sur la présentation des algorithmes Datakalab 2.! Mail du 23/07/2019 sur la sélection du papier de recherche Datakalab à ICCV 2019, l'une des deux plus grandes conférences en « computer vision