Depuis le lancement de ChatGPT par la start-up Open AI, le potentiel de l'intelligence artificielle est au cœur de toutes les conversations. 
Le spécialiste des objets domotiques intelligents, Netatmo, explique comment l'intelligence artificielle contribue au fonctionnement des caméras et des thermostats intelligents. 

Le développement des technologies connectées a connu un essor fulgurant ces 5 dernières années et n’est pas près de s'arrêter. La plateforme de collecte de données Statista estime que le nombre de ménages équipés d’objets connectés pour la maison atteindra 672 millions dans le monde d'ici à 2027. 
Dans le même temps, l'IA est de plus en plus souvent intégrée dans les objets connectés pour la maison. 

Une assistance personnalisée pilotée par l'IA

L'Intelligence Artificielle permet d'améliorer le confort des utilisateurs des produits domestiques intelligents en analysant leurs habitudes et en leur offrant une expérience utilisateur personnalisée adaptée à leurs besoins et à leurs préférences. Grâce à l'IA, certaines caméras intelligentes peuvent, par exemple, faire la distinction entre les mouvements d'un arbre, d'un animal et d'une personne. « Ainsi, l'utilisateur n'est pas surchargé de notifications, mais reçoit une alerte via l'application uniquement si nécessaire. Si l'utilisateur remarque une erreur dans l'identification des objets, il peut également la signaler, contribuant ainsi à l'amélioration de l'algorithme et des performances locales et globales du modèle », explique-t-on chez Netatmo.

L'intelligence artificielle minimise également les efforts que l'utilisateur doit consacrer à la gestion quotidienne de ces systèmes. Par exemple, lorsqu'une caméra intelligente et une sirène intelligente fonctionnent ensemble, il est possible de régler le système d'alarme pour qu'il ne se déclenche que lorsqu'il détecte un visage inconnu alors qu'aucune personne connue ne se trouve à la maison, et ce sans connexion internet. 

De plus, le système peut être automatiquement activé par géolocalisation lorsque l'utilisateur sort de la maison et éteint lorsque l'utilisateur est reconnu par la caméra. Quant à la gestion de l'énergie, l'IA peut intégrer des paramètres de calcul complexes dans un programme de chauffage. « Par exemple, s'il gèle dehors, il faudra plus de temps pour atteindre une température confortable à l'intérieur et le chauffage doit être programmé de manière appropriée. L'IA peut également détecter si une fenêtre est ouverte et éteindre le chauffage dans la pièce concernée ».

Confidentialité et reconnaissance faciale

La reconnaissance faciale des caméras s'est également considérablement améliorée grâce à l'Intelligence Artificielle. Par exemple, les méthodes basées sur l'apprentissage automatique nécessitaient des ressources en mémoire et en énergie dont les caméras ne disposaient tout simplement pas. Aujourd'hui, l'IA peut également garantir la protection de la vie privée en matière de technologies de reconnaissance faciale en identifiant les visages connus dans un foyer et en n'enregistrant et en ne signalant que les visages inconnus.

« Nos caméras fonctionnent désormais avec les dernières technologies de reconnaissance faciale basées sur l'apprentissage profond, ce qui constitue une amélioration significative par rapport à ce qui existait auparavant », explique Florian Deleuil, Vice President of Product Management chez Netatmo.

De plus, le traitement des données est effectué par tous les algorithmes de reconnaissance d'images dans la caméra intelligente elle-même. En d'autres termes, il n'est pas nécessaire d'envoyer des fragments à nos serveurs. 
Tout cela contribue à garantir la confidentialité de l'utilisateur, ainsi qu'une meilleure réponse lorsqu'un événement inhabituel est détecté et une meilleure utilisation locale d'accessoires tels que la sirène intelligente », poursuit l’expert.

Pour toutes les méthodes basées sur l’apprentissage statistique, le « set » de données de base peut biaiser les résultats. C'est par exemple le cas pour la question de la couleur de peau, mais également pour une quantité considérable de facteurs. 
« Identifier et contourner la présence du biais dans les data sets est un domaine de recherche à part entière et les pistes sont multiples ».

Adapter la modélisation peut donc aider à réduire le biais?: « il est par exemple possible de forcer un réseau neurones à ignorer certaines caractéristiques. Il est aussi possible corriger partiellement le biais grâce à des étapes d’entraînement supplémentaires, et d’en éliminer grâce à une correction manuelle par les utilisateurs ».