Réseaux de neurones

Un réseau de neurones est un modèle d'intelligence artificielle composé de couches de calcul reliées entre elles, qui apprend à reconnaître des formes dans les données à partir d'exemples. Dans l'automobile, il sert à interpréter les images des caméras, à comprendre la voix et à repérer des comportements anormaux dans les données transmises par les véhicules.

Définition : des couches qui apprennent

Un réseau de neurones artificiels s'inspire de loin du fonctionnement du cerveau. Il est organisé en couches : une couche d'entrée reçoit les données (pixels d'une image, valeurs de capteurs, mots d'une phrase), des couches intermédiaires les transforment, une couche de sortie donne le résultat (« piéton », « panneau stop », « anomalie »). Chaque connexion porte un poids. Pendant l'entraînement, le réseau compare ses réponses aux bonnes réponses et ajuste ces poids, des millions de fois, jusqu'à se tromper le moins possible. Quand le réseau comporte de nombreuses couches, on parle d'apprentissage profond.

Comment ils sont utilisés dans l'automobile

• Perception : la vision par ordinateur des aides à la conduite repose sur des réseaux de neurones qui reconnaissent véhicules, piétons, marquages et panneaux.
• Fusion de capteurs : combiner caméras, radars et autres capteurs pour obtenir une image cohérente de l'environnement.
• Langage : assistants vocaux et agents conversationnels, qui s'appuient sur le traitement du langage naturel.
• Analyse de données : détection de valeurs inhabituelles dans les données de conduite, de consommation ou de diagnostic. En recherche, ils sont aussi utilisés pour la maintenance prédictive.

Enjeux pour une flotte d'entreprise

Le gestionnaire de flotte n'a pas à construire de réseau de neurones. Il en utilise déjà sans le savoir : dans les aides à la conduite de ses véhicules récents et dans les assistants des logiciels qu'il emploie. Deux points méritent son attention. La qualité des données, d'abord : un modèle n'apprend bien que si les données sont complètes et fiables. La transparence, ensuite : un réseau de neurones explique mal ses décisions, d'où l'intérêt d'outils qui montrent les données sur lesquelles ils s'appuient et laissent la décision à l'humain. Le règlement européen sur l'IA encadre ces systèmes selon leur niveau de risque.

Comment Dadycar vous aide

Dadycar, logiciel français de gestion de flotte, intègre Donna, l'agent IA de gestion de flotte, qui s'appuie sur des modèles de langage pour répondre en langage courant à partir des données réelles de votre parc. Donna montre son plan avant d'agir et n'exécute une action qu'après votre accord, avec les droits de l'utilisateur connecté. Elle lit aussi vos fichiers, comme une carte grise photographiée, et vérifie les informations avant enregistrement. Les données sont hébergées en France, chez OVHcloud.

FAQ

Quelle différence entre réseau de neurones et intelligence artificielle ?

L'intelligence artificielle désigne l'ensemble des techniques qui permettent à une machine d'accomplir des tâches dites intelligentes. Les réseaux de neurones sont l'une de ces techniques, aujourd'hui la plus utilisée.

Un réseau de neurones peut-il se tromper ?

Oui. Il donne la réponse la plus probable selon ce qu'il a appris. C'est pourquoi les systèmes sérieux affichent leurs sources et gardent un contrôle humain sur les décisions importantes.

Faut-il beaucoup de données pour entraîner un réseau de neurones ?

En général, oui. C'est pourquoi les entreprises utilisent le plus souvent des modèles déjà entraînés, qu'elles appliquent à leurs propres données.