Ce n’est un secret pour personne : le développement rapide du marché de l’IoT génère une croissance exponentielle du nombre de données. Selon les prédictions de l’International Data Corporation, il y aura d’ici 2025 plus de 41 milliards d’objets connectés, soit près de 80 zettaoctets de données. Un afflux de données sans précédent, qui, associé aux progrès de l’intelligence artificielle, est en train de modeler un marché de la mobilité plus performant que jamais.
Utilisée pour automatiser la création de cartes numériques, l’intelligence artificielle (IA) permet aux entreprises de bénéficier de données de localisation beaucoup plus précises et fiables. L’IA est en effet capable de comprendre les propriétés des données de localisation, permettant aux développeurs de les exploiter plus efficacement dans leurs applications et produits, et de générer des cartes HD et des simulations ultra réalistes.
Qu’il s’agisse de comprendre comment les consommateurs se déplacent ou de savoir où il faut précisément forer pour trouver du pétrole, ces visualisations intelligentes offrent un nombre incalculable de cas d’usage dans une multitude de secteurs.
L’intérêt de développer des services de localisation basés sur l’intelligence artificielle
L’IA a considérablement évolué ces dernières années, offrant, grâce à des algorithmes auto-apprenants, la possibilité de construire des modèles complexes et évolutifs pour exploiter toute la valeur des données.
Combinées entre elles, ces données apportent une intelligence sans précédent aux organisations qui les utilisent. Les technologies de localisation bénéficient déjà de cette intelligence, en exploitant les données de capteurs, d’antennes et de satellites. Les développeurs s’en servent pour construire des cartes standards, comme celles que l’on retrouve sur nos smartphones. Aujourd’hui, le marché évolue vers une cartographie haute définition (HD), construite par des machines au service des machines, ce qui permet de déployer ces données pour des cas d’utilisation spécifiques comme la construction de solutions algorithmiques pour la conduite autonome. Cette nouvelle approche permet de confondre plusieurs sources pour reconnaître des caractéristiques et des modèles, en traitant à la fois des événements statiques et en temps réel pour prévoir des comportements et des conditions de circulation.
Grâce à l’IA, les cartes s’actualisent désormais automatiquement en étant nourries en continu d’observations et de caractéristiques cartographiques agrégées. Ces éléments travaillent à l’unisson pour faire évoluer et adapter chaque élément de la carte, comme les panneaux, les voies, les trottoirs, et ce, pour chaque région géographique. Cependant, cette méthode standard d’utilisation de l’IA peut se révéler trop rigide, car elle ne prend pas en compte les nuances entourant la collecte des données. C’est pourquoi les plateformes de données de localisation doivent innover pour créer une intelligence artificielle consciente de la localisation (location aware AI).
Cette intelligence artificielle consciente de la localisation est conçue pour générer et traiter des renseignements plus avancés. Les relations sémantiques en temps réel entre les objets physiques sont un élément clé et peuvent être utilisées pour construire des graphiques de localisation, qui sont des représentations géospatio-temporelles du monde.
Grâce à l’utilisation de données en temps réel (météo, trafic, capteurs), ces représentations peuvent être utilisées pour faire des prévisions beaucoup plus précises et fiables. En se développant, l’IA va faciliter la compréhension de la localisation et du mouvement grâce à cette contextualisation des données qui sont recueillies, représentées et utilisées. En intégrant la dimension localisation dans l’intelligence artificielle, il devient également possible de corréler des données entre elles d’une manière qui n’est pas réalisable avec les approches traditionnelles, comme par exemple prédire la concentration de dioxyde d’azote (NO2) en analysant les données de trafic.
Un avantage pour l’industrie du transport et de la logistique
Les données collectées par l’IA peuvent être utilisées pour prendre des décisions autour d’un problème spécifique. Le secteur du transport et de la logistique, par exemple, est confronté au défi de l’optimisation à grande échelle. L’exploitation de vastes quantités de données dans des chaînes d’approvisionnement complexes crée un problème d’optimisation majeur pour les fournisseurs de données en raison du nombre de fournisseurs, de consommateurs et de modalités impliquées. Bien que des progrès aient été réalisés dans ce domaine, une intelligence artificielle consciente de la localisation s’avère très utile. Cette technologie est de plus en plus souvent intégrée dans les réseaux de chaînes d’approvisionnement, multipliant le nombre d’interfaces de suivi et de contrôle.
L’apprentissage par renforcement (Reinforcement learning – RL) a le potentiel de faire évoluer considérablement l’industrie du transport et de la logistique. Cette technologie permet de créer des modèles et des simulations prédictives. L’apprentissage renforcé peut aider à trouver de nouvelles façons de contrôler les flottes, ce qui permettrait d’en optimiser le trafic. Un exemple de son utilisation pourrait être la planification et la gestion du flux de trafic dans les grandes villes avec l’ambition de minimiser les émissions de CO2, tout en garantissant une mobilité maximale sûre et efficace. Les enseignements tirés de ces modèles permettent de prendre des décisions et d’obtenir des résultats en connaissance de cause pour un réseau de distribution efficace.
Une marge de croissance importante
Le potentiel d’une IA consciente de la localisation ou IA géolocalisée est important, et personne ne peut prétendre en avoir pleinement exploité les capacités dans les domaines du transport et de la logistique, de l’automobile ou des smart cities. Les plus grandes avancées en matière d’IA ne pourront se produire qu’à travers des écosystèmes ouverts.
La collaboration entre les plateformes de localisation et les institutions gouvernementales peut jouer un rôle clé à cet égard, car il devient possible de tirer parti de l’IA ensemble pour faire avancer de nombreux cas d’utilisation pour une « planète plus intelligente ». Les plateformes de localisation peuvent déployer des initiatives de smart cities liées à la sécurité publique, ou fournir des renseignements précieux aux acteurs de l’automobile et de la mobilité. Ces informations peuvent être utilisées pour faire des progrès importants dans la mise en place de services de localisation fiables et essentiels basés sur l’intelligence artificielle en temps réel. Ces services, à leur tour, amélioreront les produits à travers les déploiements dans le cloud, en périphérie et sur les terminaux pour les années à venir.
