Intelligence artificielle : Fujitsu innove avec son outil de sécurisation de la conduite automobile, basé sur le « deep learning »

Les technologies de reconnaissance basées sur les capteurs étaient jusque-là limitées aux applications dédiées à la santé ou au fitness. Les voilà exploitées d'une manière inédite. Ce nouvel outil de sécurisation de la conduite est basé sur une analyse des comportements du conducteur. Elle repose elle-même sur des données recueillies à l’aide d'un simple bracelet accéléromètre. Plutôt que d’enregistrer des activités comme la marche, la course ou le vélo, le dispositif se concentre sur des « micro-interactions » tels que le fait de fumer, de boire ou d'utiliser son téléphone portable. Ces outils permettent l’analyse en temps-réel de la vigilance du conducteur.

Fujitsu mise sur l’innovation centrée sur l’Humain. Cette approche d’un monde hyperconnecté couvre aussi bien les infrastructures informatiques innovantes que les objets connectés.
« Ce nouvel outil montre comment récolter des données via des appareils connectés et pour y appliquer ensuite une analyse basée sur le deep learning. Nous sommes persuadés que cette nouvelle approche possède un véritable potentiel, et ce dans de multiples domaines, comme l’énergie. Grâce à de nombreux capteurs intelligents, mesurant l'humidité, le CO2 ou encore la température, il est par exemple possible de savoir si une pièce est occupée ou non (et de la chauffer si nécessaire). Cette même approche pourrait également profiter à la finance. Les phénomènes de spéculation pourraient être représentés sous forme de signaux temporels, puis analysés par « imagification ». Pour une configuration donnée, l'analyse en temps réel reposerait sur des milliers de situations similaires qui ont eu lieu par le passé », affirme Le Dr Adel Rouz, vice-président exécutif des Fujitsu Laboratories of Europe.

Cette technologie innove par une analyse proche du fonctionnement humain. Plutôt que de réaliser des prédictions à partir de données numériques brutes, elle se base sur des représentations visuelles. Elle fait ensuite appel à des systèmes de reconnaissance de pointe enrichis par le « deep learning ».