Smile couvrant de nombreuses activités liées aux services digitaux, de la conception amont, au design, en passant par le développement, l’industrialisation et la maintenance, notre service de R&D concentre ses efforts sur des sujets de recherche collaboratifs. Nous développons dans ces articles, trois thématiques de recherche pour présenter nos activités de R&D : l’orchestration de ressources, l’apprentissage machine et le slicing 5/6G.
Automatisation de l’apprentissage machine
L’apprentissage machine, connue aussi sous le nom de Machine Learning ou ML, est la capacité pour un programme d’apprendre, en analysant des données, en testant une API ou bien les deux, ce qui est connu sous le nom d’apprentissage renforcé. Le domaine logiciel de l’intelligence artificielle, ou IA, se base sur des techniques ML, motorisées le plus souvent par des solutions open source, comme ScikitLearn ou Tensorflow.
Au quotidien, l’IA supporte de nombreux besoins métiers, en fournissant par exemple des recommandations, des services digitaux intelligents ou bien du contenu pour les éditeurs ou les utilisateurs finaux. L’IA profite aussi à la programmation, avec des algorithmes utilisés pour améliorer les moteurs de base de données ainsi que par des outils intelligents mis à disposition des développeurs dans leurs IDEs ou dans les chaînes d’intégration continue.
Une des fonctionnalités clé de l’apprentissage machine est la transformation d’interfaces. Qu’elles soient linguistiques, comme c’est le cas du TAL (traitement automatique du langage), ou visuelles, à travers la vision par ordinateur, l’apprentissage machine fournit la possibilité d’analyser n’importe quel type d’interface ou medium, pour la transformer dans une autre. En prenant pour exemple le texte, cela pourrait être d’une langue vers une autre, ou bien d’une source audio vers un fichier texte. De nos jours, on peut facilement transformer du texte en image, et même en vidéo !
Chez Smile R&D, nous poursuivons un effort de recherche visant l’automatisation de la capacité d’un programme à en comprendre un autre, ainsi que sa capacité à interagir avec l’utilisateur. Pour qu’un programme puisse en comprendre un autre, ou son utilisateur humain, il doit traduire les instructions logicielles ou bien les requêtes utilisateurs dans sa propre API.
Nous avons exploré les possibilités d'automatiser la découverte de connaissances et la traduction d’APIs à travers plusieurs approches : transformation média à média , visualisation 3D, chaînage de services intelligent, et pour différents cas d’usages : amélioration des catalogues e-commerce, qualification automatique de tickets helpdesk, supervision de systèmes distribués…
Vous trouverez la plupart de nos résultats de recherche open source dans le GitHub de Smile : https://github.com/Smile-SA
Pour plus d’informations, envoyez-nous un mail à : rnd@smile.fr.