Intelligence artificielle STREAMER : un programme permettant d'intégrer et de tester facilement des algorithmes...

Pour approfondir le sujet

Sur le même thème :

SystemX lance le troisième projet de son programme de recherche sur l’IA sur l’exploitation des données multi-sources

SystemX, l'Institut de recherche technologique (IRT) dédié à l’ingénierie numérique des systèmes du futur, lance le projet "Sémantiques Métier pour l’exploitation de Données multisources"...

Confiance.ai : 13 institutions se réunissent pour mettre en place une IA de confiance dans l’industrie

Le 1er juillet 2021, le programme Confiance.ai a été lancé avec pour objectif de relever le défi de l'industrialisation de l'IA. Treize entreprises industriels...

Recevez le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle

Le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle, arrive en kiosques et en version numérique le 21 septembre 2021 ! Recevez-le directement chez...

Le défi des scieries : optimiser le rendement matière tout en opérant une une transition vers l’industrie 4.0

Le rendement matière est l'une des principales problématiques des scieries. C'est notamment le cas de Tarteret Philippe SA, spécialisée dans les bois durs comme...

STREAMER : un programme permettant d’intégrer et de tester facilement des algorithmes de machine learning

Des chercheurs du CEA List (Université Paris-Saclay, CEA) et du laboratoire DAVID (Université Paris-Saclay, UVSQ) ont uni leurs forces dans le cadre du projet StreamOps, financé par l’Institut DATAIA, pour enrichir la plateforme STREAMER. Cette plateforme est la réponse à une problématique liée à l’apprentissage automatique en continu.

En 2018, l’idée déjà évoquée quelques années auparavant, de développer une plateforme capable de simuler un contexte de flux continus de données, permettant d’être dans les conditions adéquates pour tester des algorithmes automatiques d’apprentissages, est utilisée afin de donner naissance au projet StreamOps. Ce projet est porté par Cédric Gouy-Pailler, chef de laboratoire à l’institut CEA List (Université Paris-Saclay, CEA), et Karine Zeitouni, professeur à l’UVSQ et responsable de l’équipe ADAM du laboratoire Données et algorithmes pour une ville intelligente et durable (DAVID – Université Paris-Saclay, UVSQ). Leur objectif est de permettre à des utilisateurs d’intégrer et de tester facilement des algorithmes d’apprentissage automatique dans des contextes réalistes de flux de données. Karine Zeitouni précise dans l’optique de cet objectif qu’il est intéressant « de développer des algorithmes faisant l’interface entre une communauté qui voit l’Internet des objets (IdO ou IoT en anglais) comme un flux de données, qu’elle analyse de manière dynamique au fur et à mesure de leur enregistrement, et une communauté qui voit les données comme des séries temporelles, qu’elle analyse d’un point de vue historique ».

Le STREAMER est la première plateforme de recherche et d’intégration pour la récupération, la manipulation et l’analyse de données en flux dans des contextes opérationnels de streaming réalistes. Le STREAMER est sous licence « open source », utilisable sur l’ensemble des systèmes d’exploitation (Windows, Linux, MacOS) et fournit une interface gratuite qui facilite la surveillance et accepte l’intégration d’algorithmes dans n’importe quel langage de programmation (Python, C, C++, Javascript, etc.). Désormais opérationnelle, STREAMER s’adresse à ce jour à deux cibles d’utilisateurs principaux. Dans un premier temps, les data scientists souhaitant tester leurs algorithmes dans des contextes de flux de données réalistes et dans un second temps, réussir à toucher les industriels, qui sont très intéressés par la possibilité de disposer d’outils automatiques de traitement des données qui arrivent en flux.

Si la création du STREAMER en lui-même constitue l’avènement de l’objectif que le projet StreamObs s’était fixé, celui-ci continue d’exister à travers les nouvelles utilisations du STREAMER mais aussi par la création de nouveaux outils. En 2021, STREAMER sera utilisée comme plateforme d’expérimentation d’algorithmes de détection de requêtes Internet suspectes, en vue de prises de décisions rapides dans le domaine de la cybersécurité. Permettre la génération de données en flux à l’aide de STREAMER semble donc quelque chose de nécessaire afin d’obtenir des résultats satisfaisants. De nouvelles applications au STREAMER sont d’ores et déjà envisagées, qu’elles soient dans le domaine de la santé, avec le suivi (monitoring) de patients et la détection de risques, ou dans celui de l’industrie 4.0 en vue de la détection rapide de défauts sur une chaîne de production Pour ce qui est de la création de nouveaux outils, l’équipe du projet StreamObs aura l’occasion de travailler dans le cadre du grand défi IA de confiance, Confiance.ai, géré par l’IRT SystemX, afin de développer de nouveaux outils capables d’augmenter la confiance accordée aux algorithmes d’IA ou encore de s’exporter dans le domaine de l’environnement où des algorithmes permettront prochainement de caractériser l’exposition individuelle à la pollution de l’air pour le projet ANR Polluscope.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Zacharie Tazrout

Partager l'article

Laurent Félix devient Directeur Général France d’Ekimetrics

Ekimetrics, spécialiste européen en data science et intelligence artificielle au service des entreprises, a annoncé cette semaine la nomination de Laurent Félix au poste...

Forum de l’évaluation de l’intelligence artificielle : Créer la confiance et valider les performances, ou comment définir un environnement favorable au développement de...

Le Laboratoire national de métrologie et d’essais (LNE) organise le premier forum d'évaluation de l'intelligence artificielle (IA). Cet événement sera l'occasion d'échanger autour du développement de...

Zoom sur l’automatisation des rapports COVID-19 de Santé Publique France par Dynacentrix

L'agence Santé publique France, en charge de la surveillance épidémiologique du covid-19, pilote le système national de veille et d’alerte et de surveillance sanitaire...

Retour sur le lancement de MAESTRIA, plateforme numérique de diagnostic intégratif de la cardiomyopathie auriculaire

Le projet de recherche MAESTRIA (Machine Learning and Artificial Intelligence for Early Detection of Stroke and Atrial Fibrillation) a été officiellement lancé fin septembre....