Les news d’Ilyeum

LES CINQ ÉTAPES DE L’INTERVENTION SUR INCIDENTS
19-Jan

LES CINQ ÉTAPES DE L’INTERVENTION SUR INCIDENTS

Du point de vue d’une violation de données…

Utilisés partout dans le monde, les jeux de guerre (ou jeux de stratégies) permettent d’affiner les stratégies, de tester des processus et d’optimiser l’exécution. C’est notamment le cas pour les plans de continuité et de reprise d’activité. Dans un contexte de menaces et d’augmentation du niveau des cyberattaques, nous souhaitions présenter la manière dont nous pourrions gérer une intervention sur incident. L’objectif étant de permettre à nos clients de se faire une idée de la manière dont ils devraient procéder en cas d’attaque similaire.

1 – Intervention planifiée et ressources définies

D’après un vieux proverbe samouraï : « les problèmes graves doivent être traités avec légèreté ». Si cela peut sembler paradoxal à première vue, il s’agit en fait de planifier vos actions sur les sujets importants. Vous devez mettre à profit les périodes de calme pour réfléchir et planifier vos interventions. Dans une organisation ou une entreprise, on pourrait parler de planification de la gestion des catastrophes.

Les procédures de continuité d’activité, de reprise après sinistre et d’intervention sur incident doivent être discutées et validées avant qu’un problème ne survienne. La définition de ces processus donne un cadre pour réagir rapidement et calmement en cas d’incident. Ces plans ne doivent cependant pas être enfermés dans un placard et tenus à l’écart. Ils doivent être partagés avec les intéressés dans l’entreprise pour que chacun soit informé des mesures à prendre et de leur mise en œuvre. En cas d’incident, on gagnera ainsi un temps précieux.

En cas de violation des données, votre entreprise doit vous présenter les étapes de l’intervention. Vous devez avoir identifié une ressource dédiée, un responsable de la gestion des incidents par exemple, qui soit parfaitement au courant des procédures d’intervention afin de mener la charge en cas de besoin. Chez nous, il s’agit du Responsable de la sécurité. Un incident pouvant survenir n’importe quand, cette personne doit se tenir prête à tout moment pour intervenir à toute heure du jour et de la nuit.

La préparation est la première étape clé. Quelles sont les autres étapes dans un scénario de violation de données ?

2 – Empêcher toute autre suppression de données ou autre

Des données peuvent se retrouver du mauvais côté du périmètre de sécurité d’une entreprise pour tout un tas de raisons. Première explication, la plus simple : le facteur humain. C’est le cas lorsqu’un ordinateur portable est volé ou qu’une clé USB est égarée. Dans ce cas de figure, la mise en place de formations et de contrôles techniques permettra de limiter les risques. Autre exemple plus complexe : les attaques ciblées menées par des hackers. Les attaquants accèdent ici aux systèmes de votre entreprise pour s’emparer d’informations.

On note déjà que le détail de la réaction dépend du scénario. Prenons pour l’instant le cas d’une attaque ciblée.

La priorité est d’empêcher toute autre intrusion ou perte de données. Il faut donc bloquer le canal de communication utilisé par le pirate et éventuellement couper l’accès Internet. Vous devez vous assurer que rien d’autre ne puisse être ajouté ou supprimé.

3 – Identifier ce qu’il s’est passé

Après avoir bloqué l’accès de vos systèmes aux pirates, vous devez déterminer ce qu’ils ont fait et où ils se sont rendus.

C’est là que la journalisation (création de logs) prend tout son sens. Vos serveurs et vos systèmes fournissent tous des journaux (logs) qui peuvent être configurés pour vous livrer toutes sortes de renseignements – depuis l’incident mineur jusqu’à pratiquement tout ce que vous voulez savoir. Vos logs doivent absolument être correctement configurés et enregistrés à un emplacement sécurisé. Assurez-vous-en au préalable pour être certain d’avoir une visibilité maximale sur toutes sortes d’événements.

Nous recommandons aux petites entreprises de faire appel à un consultant informatique ou un spécialiste de la sécurité pour définir et mettre en œuvre les bonnes pratiques de protection. Un bon consultant IT vérifiera les points suivants : séparation forte entre les jeux de données, mesures en place pour couper rapidement l’accès aux étrangers, et séparation entre les identités des différents pôles. Ainsi, les données de ventes ne doivent être accessibles qu’au département Ventes, les données comptables uniquement au service Comptabilité, etc. Ainsi, en cas de violation des données de ventes, vous limitez les risques que les données comptables soient compromises.

Dans les grandes entreprises plus sensibilisées à la sécurité, des mesures de sécurité renforcées seront en place. Nous prenons la sécurité très au sérieux et effectuons pour cela une surveillance active de tous nos points de connectivité Internet. Ainsi, en cas de besoin, nous sommes en mesure de revenir sur les moniteurs pour comprendre ce qui a été transféré, petit à petit, bit par bit. Nous sommes en mesure de comprendre précisément les commandes exécutées et obtenir la liste détaillée des données compromises.

Ne vous contentez pas d’étudier ce qui a été pris, observez également ce qui est susceptible d’avoir été déposé. Il est tout à fait possible que de nouvelles portes aient été créées pendant l’attaque pour une utilisation ultérieure.

4 – Comprendre les conséquences de la divulgation de données

Lorsque l’on planifie la réaction à avoir face à une violation de données, l’entreprise doit connaître la valeur de ses données et mesurer les conséquences de leur divulgation. Cela varie d’une entreprise à l’autre.

Si le vol porte sur des données d’identification personnelle, vous devrez réfléchir aux personnes à informer. Dans les grandes entreprises, un responsable de la protection des données doit être nommé pour superviser l’utilisation de toutes les données privées. Cette personne doit être au courant des conséquences des vols de ce type de données dans chaque pays ou région géographique. Cette connaissance des particularismes régionaux est essentielle, car les législations sur la protection des données ne sont pas les mêmes partout.

L’entreprise est tenue d’informer les personnes dont des données ont été violées. Le plus gros risque : ne pas être en mesure de déterminer ce qui a été dérobé et devoir supposer que toutes les données des systèmes compromis ont pu être consultées, et se trouvent désormais dans le domaine public ou chez les concurrents.

5 – Reconstruction, sauvegardes et restauration

La restauration dépend beaucoup de ce qu’il s’est passé pendant l’incident.

Lorsque le système de gestion de contenus d’un site Web ou les comptes d’un réseau social sont piratés, la violation a probablement été contenue. Dans ce cas, il faudrait déterminer la manière dont les pirates ont pu accéder aux données afin de pallier la vulnérabilité et empêcher l’incident de se reproduire. On pourrait ensuite s’employer à tout restaurer et à réinitialiser les mots de passe.

Si le problème provient d’un pare-feu mal configuré qui a été exploité pour accéder au CMS du site et modifier des informations en ligne, vous pourriez corriger la configuration, restaurer vos systèmes, récupérer le site Web et restaurer les systèmes internes à l’état de la dernière sauvegarde. Vous réinitialiseriez ensuite les mots de passe et informeriez, si besoin, les organismes compétents.

Une fois l’incident contenu, vous pourriez revoir la procédure d’intervention sur incident, car il est probable que certains points n’aient pas été couverts ou n’aient pas été gérés comme prévu.

Said Achelhaj.  Consultant ILYEUM / SysAdmin / IT infrastructure Manager Certifié: ITIL®; DevOps; MSCA; VMware 6,5; Linux

 

La fusion des tendances technologiques : VO / IoT
16-Jan

La fusion des tendances technologiques : VO / IoT

L’information transférée par les capteurs IoT est souvent traitée dans des serveurs dédiés, ce qui a amplement écartée l’utilisation des caméras, comme objets connectés. Compte tenu de l’importance des données visuelles, comment intégrer la VO dans une solution IoT ? Qu’en est-il des coûts de la bande passante et des caméras par rapport à leurs valeurs ajoutées ?

l’IoT au quotidien

Apparu la première fois aux USA en 1999, Internet des Objets ou IoT est un terme qui servait à désigner un système capable de créer et transmettre des données à travers des capteurs connectés à Internet. Au fil du temps, ce terme a évolué et il englobe, à présent, tout l’écosystème des objets connectés, ce qui peut être considéré comme un éclectisme. Dans l’IoT, les objets sont connectés par des réseaux afin d’alimenter des applications d’exploitations, accessibles via des appareils mobiles. L’explosion du nombre de smartphones et de connexions a créé un marché nouveau aux opportunités quasi-infinies.  En 2010, plusieurs rapports désignent ce marché comme l’une des principales sources de croissance. En 2016, 5,5 millions d’objets sont connectés chaque jour dans le monde et des études prévoient que 26 milliards d’objets seront installés en 2020. Selon le cabinet américain BCC Research, le marché mondial des capteurs IoT représentait 10,5 milliards de dollars en 2017 et il pourrait atteindre 48 milliards de dollars d’ici 2023. Il s’agit là clairement de la naissance de toute une nouvelle industrie de fabrication de capteurs.

La VO au service de tous

La vision par ordinateur (VO) est, de nos jours, omniprésente dans les produits de consommation courante, mais elle a également une longue histoire d’utilisation dans les applications commerciales, gouvernementales ou encore militaires, nécessitant des caméras très performantes. Ces dernières ont été, pendant longtemps, séparées des infrastructures IoT, en raison de leur coût vis-à-vis des exigences temps-réel et haute résolution. Les données visuelles nous offrent des informations précieuses au quotidien, tel que reconnaître des personnes ou détecter des obstacles. Compte tenu de l’importance de la vue, il était naturel d’étendre ses capacités aux ordinateurs, aux systèmes d’automatisation ainsi qu’aux infrastructures IoT. Cela dit, la bande passante, réduite par rapport au volume de données visuelles à transmettre, représente le frein principal de l’intégration de ces capteurs aux solutions IoT.

La VO au service de l’IoT

Parmi les domaines d’applications qui nécessitent l’utilisation de caméras, embarquées, intelligentes et connectées, pouvant traiter des données en temps réel, est la vision industrielle. Cette dernière, basée sur des machines de vision pilotées par des programmes VO, représente l’un des plus gros chantiers de la fusion VO/IoT. Il n’est pas surprenant de voir la vision industrielle vite se démocratiser avec l’émergence de nouvelles entités de fabrication de caméras performantes à faible coût tel que la SC51 Smart camera de Datalogic Automation ou encore la caméra Cheker 3G de Cognex. Ces systèmes de vision industrielle (SVI) ne cessent de gagner en simplicité, ergonomie et accessibilité. Actuellement, il n’est plus difficile d’intégrer au SVI des programmes performants pouvant tourner en temps réel.

La prolifération croissante de la vision industrielle converge avec la tendance à relier les systèmes industriels à l’IoT. Alors que les capteurs deviennent de plus en plus intelligents, lorsque ces derniers sont pilotés par des algorithmes de VO, les données produites offrent des informations précieuses sur le fonctionnement des systèmes industriels. Cela mène à de nouveaux moyens de contrôler les équipements, avec des systèmes robotiques autonomes tels que les machines de vision ou encore des drones connectés à l’infrastructure IoT. Une telle solution permet, à son tour, un fonctionnement plus efficace qui nécessite beaucoup moins d’entrées externes. Identifier des objets via des caméras permet au nœud local d’être plus intelligent et d’avoir une plus grande autonomie, réduisant ainsi la charge de traitement sur les serveurs centraux et permettant une architecture de contrôle plus distribuée.

Cette fusion est aussi d’une très grande utilité pour la sécurité au sein des Smart Cities sur base de l’analyse de données provenant des caméras de vidéosurveillance. Pour le développement urbain des villes, il est devenu possible d’optimiser la gestion et la mise à disposition des ressources de la ville afin d’accroître la qualité et la performance des services envers les citoyens. Selon Multitel, plusieurs projets consistent notamment à améliorer la mobilité par une gestion quantitative et automatisée de l’occupation des ressources tel que les parkings, les voiries ou encore les places publiques.

Des entreprises comme IBM, Intel et Google entrent rapidement dans la « transition connectée », qui suppose de profondes transformations des méthodes de production et de management. Au-delà des opportunités offertes et de la transformation radicale de nos vies qu’entraîne la démocratisation de l’IoT, cette dernière se conjugue également à une réorientation de la chaîne de production de l’envergure de celle séparant taylorisme et toyotisme. Cela dit, les grandes firmes du Web visent non seulement à vendre des objets connectés mais aussi des services liés à ceux-ci, attirées par les prévisions de revenus qui pourraient excéder les 300 milliards de dollars grâce aux services en 2020.

De leurs coté, Amazon a lancé aux USA le projet « Amazon Go », qui consiste, à travers des caméras connectées entre elles, à détecter les produits achetés par le client et d’en déduire la somme à payer directement depuis son compte bancaire. Un tel projet de magasin sans caisse fait aussi l’objet de recherche chez Carrefour France.

La fusion des tendances vers un monde meilleur

L’association VO/IoT nous permettrai de voir un monde fascinant, hors de portée du spectre visible de notre globe oculaire. Le mouvement des particules, invisibles mais réelles, peut être modélisé à travers des capteurs et ainsi projetés par un système de vision. L’affichage de flèches directives pour indiquer l’itinéraire ou le calcul de la distance de sécurité en temps réel, sont des exemples d’utilisation actuelle qui dirigent notre imagination vers des applications encore plus révolutionnaires. Modéliser l’odeur et la transformer en couleur qu’on pourrait visualiser sur téléphone, sur casque VR ou encore à travers des hologrammes, fait aussi parti de ces idées qui seront développées dans un moyen terme.

La vue est le plus développé des cinq sens humains, mais n’est malheureusement pas à disposition de tous. Grâce à une fusion VO/IoT, il est possible d’imaginer un système permettant d’assister les personnes démunies. Un simple accessoire (e.g. casque micro) équipé d’une caméra pouvant exécuter des programmes VO complexes, serait d’une très grande utilité pour les personnes malvoyantes.

Et si tout ceci prenait beaucoup plus d’ampleur jusqu’à devenir à échelle humaine. Donnant suite au projet Neuralink, le nouveau Elon Musk aurait surement l’ambition de créer l’internet des humains, dans une infrastructure spécifique, où les humains seront connectés entre eux à travers des implants.


Références

  1. https://strategyofthings.io/iot-computer-vision
  2. https://www.multitel.be/expertises/vision-par-ordinateur/videosurveillance/
  3. automation.datalogic.com
  4. cognex.com
  5. https://fr.wikipedia.org/wiki/Internet_des_objets

Les Évolutions de l’IA
01-Jan

Les Évolutions de l’IA

Grâce à son fer de lance qu’est le Deep Learning (DL), l’Intelligence Artificielle (IA) est aujourd’hui incontournable. L’IA est en fait un domaine ancien aux multiples facettes, qui vont bien au-delà du DL, tant par le passé… que dans le futur. 

« L’IA est un domaine vaste, fractionné et ancien »

Que ce soit pour effectuer des diagnostics de santé [7] ou battre des joueurs professionnels à leur propre jeu [8,9], il n’est pas un jour sans que l’IA ne fasse parler d’elle. Les récents progrès autour du DeepLearning (DL) ont ouvert des possibilités abyssales et ont rendu la notion d’IA omniprésente dans les esprits. Mais cette dernière ne se résume pas au Machine Learning (ML) et Deep Learning (DL) : l’IA esten effet un domaine vaste, fractionné et ancien, qui peut prendre différentes formes, chacune avec ses forces et ses faiblesses.

« De nombreux sous-domaines de l’IA ont émergé […] et se sont fortement spécialisés »

Même si le concept d’IA est vieux de plusieurs siècles, les premiers travaux majeurs remontent aux années 1950 et à l’apparition des ordinateurs. L’IA va alors progresser à grand pas, dans différentes directions, et connaître des résultats stupéfiants, mais aussi des périodes de blocages, à savoir les« hivers de l’IA »1. Du fait de la variété des problématiques abordées et des méthodes utilisées, de nombreux sous-domaines de l’IA ont émergé au cours de ces décennies et se sont fortement spécialisés,parfois au point de ne plus échanger entre eux. Parmi les principaux domaines, nous pouvons citer les IA symboliques, les IA statistiques et probabilistes, et les IA connexionnistes (et ML), que nous allons aborder à présent.

« L’IA symbolique, bien qu’ancienne […], a permis d’atteindre des résultats importants, ce qui lui a valu le surnom de « Good Old-Fashioned Artificial Intelligence »

Une des premières formes d’IA n’est autre que l’IA symbolique. Celle-ci, bien qu’ancienne, a été prédominante et a permis d’atteindre des résultats importants (en particulier au travers des systèmes experts), ce qui lui a valu le surnom de GOFAI (pour « Good Old-Fashioned Artificial Intelligence ») [4]. L’IA symbolique cherche à répondre à divers problèmes et repose sur l’utilisation de symboles (propositions) et des relations entre ces derniers. Ces symboles et liens modélisent l’environnement et sont analysés au travers de formules logiques, de la logique floue, de raisonneurs ou de règles de production. Par ce biais, les GOFAI sont parvenues à faire leurs preuves dans des applications de planification, recherche d’information et diagnostic automatique. Les IA symboliques reposent souvent sur une base de connaissance riche connue a priori, et donc fournie par un expert humain. Cette caractéristique est à la fois la force et la faiblesse des GOFAI : même si elles sont facilement explicables aux utilisateurs, elles demandent un important effort de préparation et sont dépendantes de l’humain.

« S’appuyant sur des principes mathématiques éprouvés, les IA probabilistes s’adaptent au contexte […] et permettent de faire face aux problèmes d’incertitudes. »

Les approches statistiques et probabilistes ont rapidement émergé afin de pallier le manque de flexibilité des GOFAI face aux problèmes des applications concrètes. S’appuyant sur des principes mathématiques éprouvés, tels que les modèles de Markov ou les Réseaux Bayésien, ces IA s’adaptent au contexte selon des « observations » et permettent de faire face aux problèmes d’incertitudes des données. Ainsi, ces IAont été appliquées dans des applications concrètes et incertaines, comme en robotique domestique [11]ou pour l’aide à la décision [10]. Ces approches statistiques sont néanmoins limitées par leurs modèles et manquent d’explicabilité aux humains.

« Le Machine Learning fonctionne en « boîte noire » et sont difficilement explicables pour l’utilisateur. »

Enfin, avec l’explosion de la puissance de calcul et des volumes de données, le ML et les IA connexionnistes (réseaux de neurones, ou DL) connaissent un renouveau. En effet, même si les concepts du ML et DL ont été développés en parallèle des approches symboliques et statistiques, les résultats atteints à l’époque se sont montrés limités. À présent éprouvés, ML et DL parviennent à répondre à des problèmes concrets et spécifiques, comme le data mining, la vision par ordinateur [12] ou encore la traduction de textes2. Ces derniers s’appuient sur différents modèles qui sont entrainés à partir de jeux de données d’exemple, limitant drastiquement l’intervention humaine dans leur mise en place. De par les volumes considérables de données disponibles, des résultats impressionnants ont été atteints. Cependant, à l’opposé des autres approches, le ML et DL fonctionnent en « boîte noire » et sont difficilement explicables pour l’utilisateur. De plus, ils reposent sur des volumes de données importants, qui ne sont pas toujours disponibles. Une dernière limite est la sensibilité de ces approches à la qualité de la donnée : si le jeu de données d’exemple est incomplet, imprécis ou mal formé, l’IA ne sera ni fiable, ni adaptée aux besoins attendus.

« Les Intelligences Artificielles Générales visent à pouvoir comprendre et répondre à n’importe quel problème. »

Même si aujourd’hui l’IA se résume le plus souvent au DL, elle peut reposer sur différentes approches qui s’avèrent être assez complémentaires. À ce titre, même si les sous-domaines restent très cloisonnésentre eux, de plus en plus de travaux explorent des solutions combinées ou hybrides [3,6] qui s’appuientsur les forces de chaque approche tout en comblant leurs lacunes. Par exemple, une approche symbolique combinée à du DL peut avoir une forte explicabilité, malgré une faible intervention humaine a priori, ce qui est idéal dans un contexte robotique. De manière plus globale, ces travaux récents contribuent à s’approcher vers un nouveau type d’IA : les Intelligences Artificielles Générales (AGI). Là où les approches actuelles se cantonnent à un domaine ou une application bien spécifique (au point de nécessiter des outils de généralisation particuliers3 [5]), les AGI visent à pouvoir comprendre et répondre à n’importe quel problème. Ces IA pourront se baser sur leurs expériences précédentes et leur connaissance pour identifier la sémantique du problème et pour proposer (et justifier !) une solution, un peu comme un humain le ferait. Les verrous restent nombreux et la technologie d’IA actuelle ne permet pas d’atteindre les AGI. Certains chercheurs indiquent tout de même que la probabilité que les AGI émergent dans le siècle courant est supérieur à 50% [1,2] : l’Histoire de l’IA est en train de s’écrire.


Références

  1. https://www.theverge.com/2018/11/27/18114362/ai-artificial-general-intelligence-when-achieved-martin-ford-book
  2. Ford, Martin. Architects of Intelligence: The truth about AI from the people building it. PacktPublishing Ltd, 2018.
  3. Garnelo, Marta, and Murray Shanahan. « Reconciling deep learning with symbolic artificial intelligence: representing objects and relations. » Current Opinion in Behavioral Sciences 29 (2019): 17-23.
  4. Haugeland, John. Artificial intelligence: The very idea. MIT press, 1989.
  5. Cobbe et al. “Leveraging Procedural Generation to Benchmark Reinforcement Learning”, 2019
  6. Sfar, Hela, et al. « AGACY monitoring: a hybrid model for activity recognition and uncertainty handling. » European Semantic Web Conference. Springer, Cham, 2017.
  7. https://www.forbes.com/sites/nicolemartin1/2019/09/30/artificial-intelligence-is-being-used-to-diagnose-disease-and-design-new-drugs/#692866b044db
  8. https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning
  9. https://www.numerama.com/tech/575685-lia-ne-peut-etre-vaincue-le-champion-de-go-qui-avait-affronte-alphago-arrete-sa-carriere.html
  10. Laskey, K. B. (2008). MEBN: A language for first-order Bayesian knowledge bases. Artificial intelligence, 172(2-3), 140-178.
  11. Ramoly, N. (2018). Contextual integration of heterogeneous data in an open and opportunistic smart environment: application to humanoid robots.
  12. Voulodimos, A., Doulamis, N., Doulamis, A., & Protopapadakis, E. (2018). Deep learning for computer vision: A brief review. Computational intelligence and neuroscience, 2018.

Pour Aller Plus Loin

L’IA, un vrai boost pour la Vision par Ordinateur
03-Jun

L’IA, un vrai boost pour la Vision par Ordinateur

La vision par ordinateur (VO) est une branche pluridisciplinaire liée aux mathématiques et à l’intelligence artificielle (IA). La VO traite de la façon dont les ordinateurs peuvent acquérir une compréhension du monde qui les entoure à partir d’images ou vidéos numériques. Son objectif principal est de permettre à une machine au travers d’algorithmes et modélisations, d’interpréter un contenu visuel tel un humain. Cependant, la VO pourra-t-elle répliquer avec succès les capacités humaines, voire les dépasser ? Les progrès de l’IA permettront-ils à la VO d’automatiser et rendre ainsi obsolètes certains métiers ?

La vision par ordinateur est un ensemble de technologies qui permet à une machine de voir et surtout de comprendre ce qu’elle voit et d’en tirer des conclusions. Les outils et méthodes mis en œuvre peuvent être matériels et logiciels. Lors de l’acquisition, le principe est d’imiter la vision humaine ou animale en fabriquant des dispositifs complexes pouvant avoir une vision à larges champs (i.e. comme pour certains oiseaux) ou encore une vision nocturne (e.g. infra-rouge, ultraviolet, rayon x, etc.), dépassant ainsi les longueurs d’onde que l’œil humain perçoit. Parfois, l’image est acquise par des capteurs spéciaux adaptés à des milieux extrêmes tel que l’intérieur d’installations nucléaires. Cela dit, outre la perception visuelle, la VO vise à automatiser et intégrer une vaste gamme de processus afin de permettre une meilleure analyse et compréhension de la scène perçue.

Par ailleurs, pourquoi donner des yeux à une application ? En quoi un ordinateur qui « voit » pourrait-il bien être utile ? Et quels sont les domaines d’application de la vision ?

Les domaines d’application de la vision sont très vastes, que ce soit en imagerie ou pour le traitement de vidéo. En tant que discipline scientifique, la vision traite la reconnaissance de formes, de visages ou de personnes, la détection de zones d’intérêts et de points caractéristiques dans une scène. Par la suite, dans l’industrie, ces travaux de recherches mènent à différents cas d’usage et peuvent s’appliquer à la sécurité, biométrie, sport (Foxtenn et Hawk-eye) ou encore à l’imagerie médicale, qui représente l’une des plus grandes promesses de la VO. Un radiologue assisté par un logiciel de détection d’anomalies ou de tumeur permet un gain de temps pour le radiologue et un gain en sécurité pour le patient. En traitement vidéo, on retrouve les méthodes de suivi d’objets, de cibles ou de personnes ainsi que les techniques de reconstruction d’objets ou de scènes 3D.

Néanmoins, malgré la variété des applications qui entrent dans la VO, identifier des formes ou suivre une cible dans une vidéo n’est plus suffisant de nos jours. La complexité mathématique à concevoir des algorithmes plus utiles a longtemps freiné la progression des techniques de vision. Ainsi, certaines applications comme la reconnaissance d’émotions ou d’événements ont pendant longtemps été des verrous pour la VO. Aujourd’hui, la vision fait face à d’importantes problématiques d’interprétation de scènes complexes en vidéo ; comme la détection d’activités, la reconnaissance de sentiments, la suggestion d’actions ou encore l’émission d’alertes en cas de danger.

Alors qu’elle est restée sans évolution conséquente avant les années 2000, comment la vision a-t-elle pu franchir ce cap ?

Le domaine d’intelligence artificielle (IA) et plus particulièrement les techniques de Machine Learning (ML) et Deep Learning (DL), ont permis aux ordinateurs d’effectuer plusieurs traitements, longtemps considérés comme impossible. Le ML progresse d’une façon impressionnante et son impact sur l’industrie est indéniable. Il faut reconnaitre que les techniques du ML ont été déterminantes pour lever plusieurs verrous scientifiques sur des sujets qui étaient jusqu’à présents inaccessibles, et la VO en fait partie bien évidemment. En effet, cette dernière connait un développement spectaculaire, grâce aux avancées matérielles et au souffle donné par le ML, apportant à son tour (i.e. VO) une forte valeur ajoutée à multiple domaines d’applications de plus haut niveau tels que la biométrie, la médecine, la sécurité, la surveillance, etc. Un algorithme conçu pour identifier des voitures et des personnes comme des objets distincts est maintenant capable grâce à l’IA, de prédire ce que ces objets seraient susceptibles de faire l’instant suivant. Cela nécessite, bien évidemment, l’analyse des interactions entre les objets et le développement de modèles statistiques décrivant ces interactions.

Avec ce boost donné par les techniques de ML, la vision se voit-elle dépasser l’humain ?

Aujourd’hui, grâce à la vision, un robot (ou drone) peut voir, analyser, éviter des obstacles, comprendre, apprendre et même expliquer. Une fois tout ceci acquis, le robot peut effectuer différentes tâches très utiles que l’humain ne peut ou ne veut réaliser. Outre les corvées quotidiennes, un robot peut reconnaitre visuellement la personne qui sonne à votre porte et exécuter d’autres tâches ultérieures, tel qu’un humain pourrait le faire. Cowa-Robot est un robot valise qui, grâce à une caméra, peut vous suivre partout en évitant les obstacles. Un autre prototype similaire permet une forte assistance aux personnes démunies, particulièrement les malvoyants. Les véhicules autonomes font aussi partie de ces avancées technologiques qui suscitent à la fois de l’émerveillement et de la crainte. Ils ouvrent la voie à d’importantes questions juridiques et éthiques. Les voitures intelligentes et autonomes peuvent, en étant connectées, communiquer entre elles et circuler seules en toute sécurité. Par exemple, un carrefour pourrait alors être dirigé par une machine connectée aux autres véhicules : cette dernière, équipée d’une ou plusieurs caméras embarquées, compterait le nombre de véhicules provenant de chaque voie et adapterait le comportement des véhicules afin d’optimiser au mieux la circulation.

D’un point de vue scientifique, la vision cherche à automatiser des tâches que le système visuel humain peut effectuer, partant de l’acquisition à la compréhension et l’analyse. En tant que discipline technologique, la vision fait plutôt référence à une combinaison de techniques d’analyse d’image et de mise en correspondance afin d’inspecter des objets ou des lieux, de façon automatique. L’évolution rapide des techniques d’IA a permis à cette branche pluridisciplinaire de donner un élan sans précédent à plusieurs domaines applicatifs de plus haut niveau telles la robotique et les voitures intelligentes. La possibilité de combiner la vidéo HD, le traitement d’images, l’analyse et la connectivité est devenue une fonctionnalité essentielle pour la création d’applications intelligentes de nouvelle génération. Dans l’industrie, les projets innovants nécessitent une maitrise des techniques de VO et de ML afin de développer des applications qui répondent aux besoins d’aujourd’hui.

Cela dit, quel que soit l’avancement futur que connaîtront la vision et l’intelligence artificielle, une machine n’égalera jamais la perception et la réflexion d’un humain. Enfin, n’est-ce pas Albert Einstein qui disait que « Les machines un jour pourront résoudre tous les problèmes, mais jamais aucune d’entre elles ne pourra en poser un »

 

INFO + :

Le Lab Inno ILYEUM travaille sur une application d’assistance technique des personnes dans différents domaines comme le bricolage, la maintenance et l’assemblage, basée sur la vision par ordinateur et le Machine Learning.  Vous êtes intéressez par la VO et les projets du Lab Inno d’ILYEUM ? Contactez-nous :  labinno@ilyeum.com

 

Pour aller plus loin :

 

Liens

https://vision.i2s.fr/fr/57-objectif-vision-360

https://www.scriptol.fr/robotique/vision.php

https://www.youtube.com/watch?v=_qah8oIzCwk

https://interstices.info/histoire-du-traitement-dimages/

https://www.scriptol.fr/robotique/robots-humanoides.php

https://machinelearningmastery.com/what-is-computer-vision/

https://machinelearningmastery.com/applications-of-deep-learning-for-computer-vision/

 

Références:

  • Kavitha, D. N. Chandrappa, « Comparative Review on Video Based Vehicular Traffic Data Collection for Intelligent Transport System« , International Conference on Recent Advances in Electronics and Communication Technology (ICRAECT) 2017, pp. 260-264, 2017.
  • Shanghang Zhang, Guanhang Wu, Joao P. Costeira, Jose M. F. Moura, “FCN-rLSTM : Deep Spatio-Temporal Neural Networks for Vehicle Counting in City Cameras” The IEEE International Conference on Computer Vision (ICCV), pp. 3667-3676, 2017.
  • Rajalingappaa Shanmugamani “Deep Learning for Computer Vision: Expert techniques to train advanced neural networks using TensorFlow and Keras” Packt Publishing, January 23, 2018.
  • Roland Siegwart, Illah Reza Nourbakhsh, Davide Scaramuzza, “Introduction to Autonomous Mobile Robots” The MIT Press; 2nd Edition, Kindle Edition, February 18, 2011.
  • Richard Szelisk “Computer Vision: Algorithms and Applications” Springer; 2011 edition (November 24, 2010).

 

Automatiser l’Automatisation !
08-May

Automatiser l’Automatisation !

Véritable vitrine de l’IA, le Machine Learning (ML) a changé notre vision de la donnée et de son traitement, si bien que de nouvelles professions ont émergé pour répondre aux opportunités nouvelles et vastes. Néanmoins, le ML n’est-il pas (déjà) lui-même sujet à une révolution ? C’est la question qui se pose face à l’émergence récente de l’Automatic Machine Learning (AutoML), ou apprentissage automatique… automatique !

Alors qu’il est longtemps resté dans l’ombre des systèmes experts, le Machine Learning (ML) connait un formidable essor depuis une quinzaine d’années grâce aux avancées matérielles et à l’explosion des données. Aujourd’hui omniprésent, les récents progrès et son impact sur la société sont indéniables, comme souligné par le dernier prix Turing qui a récompensé des pionniers du ML. Il faut dire que le ML ouvre des possibilités qui étaient jusqu’à présent verrouillées. Comme son nom le suggère, le ML permet aux ordinateurs d’apprendre par eux-mêmes à réaliser une tâche à partir de données. Rien que ça !
En effet, au cœur des solutions de ML se trouve la phase d’apprentissage où La machine va s’entrainer à partir d’un jeu de données (dataset) à déterminer une sorte de fonction de transfert logique qui va traduire les différentes corrélations entre les données. Le dataset peut être annoté dans ce cas on parle d’apprentissage supervisé ; ou non supervisé dans ce cas on parle d’apprentissage non supervisé. Aujourd’hui, plus qu’une discipline, le ML constitue un domaine à part entière et regroupe un vaste ensemble d’outils et de méthodes. Il existe dans ce sens, différents algorithmes d’apprentissage, parmi lesquels se trouvent les réseaux de neurones (qui peuvent être profonds, on parle alors de Deep Learning), machines à vecteur de support (SVM) ou encore les forêts aléatoires.

le ML est appliqué et s’est illustré dans de nombreux domaines allant de la vision par ordinateur au business intelligence en passant par la recommandation de contenus 

Une fois l’apprentissage achevé, le modèle entrainé peut être utilisé pour effectuer la tâche sur des données de production. Les données d’exemple sont clefs pour le ML, mais ce dernier peut tirer avantage des larges quantités de données entreposées par les applications au cours de ces dernières années. Ainsi, les possibilités sont grandes, le ML permet de valoriser les données pour créer des systèmes intelligents, de mieux comprendre les données et leur relations (en particulier avec les approches non supervisées), de prédire des tendances, mais aussi de créer des œuvres de toutes pièces. A ce titre, le ML est appliqué et s’est illustré dans de nombreux domaines allant de la vision par ordinateur au business intelligence en passant par la recommandation de contenus.

Néanmoins derrière ce formidable potentiel, qui peut paraitre utopique, se trouve une expertise. En effet, il ne s’agit pas là de magie : préparer un modèle d’apprentissage est tout un art. Il convient de bien sélectionner les données, de correctement les préparer, de sélectionner un algorithme adéquat et de régler avec précision les hyperparamètres. C’est une tâche qui est loin d’être aisée, qui demande temps, expérience et intuition ; d’où l’apparition du domaine qu’est la data science. Pour répondre aux besoins grandissants, de plus en plus d’entreprises font appel à des data scientists, si bien que des départements entiers de data science se forment. En bref, le ML est très populaire, mais sa mise en place demande une expertise particulière.

La contrepartie principale de l’AutoML n’est autre que son besoin en ressources, temporelles comme matérielles

Toutefois, si le ML se popularise à grande vitesse, les choses pourraient changer tout aussi rapidement. Comme nous l’avons dit, mettre en place une solution de ML n’est pas évident, or, si par le ML les machines peuvent apprendre à faire certaines tâches, pourquoi ne pas les laisser faire cette mise en place par elle-même ?

C’est la tendance que nous observons actuellement avec l’émergence de l’Automatic Machine Learning (AutoML). Le principe est donc simple : automatiser la mise en place de solution de ML et rendre trivial son utilisation. Inutile de dire que cela peut apparaitre comme une solution miracle. C’est pour cela que plusieurs acteurs majeurs proposent des solutions en ce sens, parmi lesquels Google, Microsoft, H2O ou encore Dataiku. On dénote également un bon nombre de solutions open-source, comme TPOT, MLBox, auto-sklearn, Auto-WEKA ou Auto-Keras, pour n’en citer que quelques-unes. La simplicité d’utilisation de l’AutoML est déconcertante : créer un modèle ne prend que quelques lignes de code, voir quelques clics seulement sur une interface dédiée, sans voire une ligne de code. Les techniques AutoML vont évaluer et tester différentes configurations, algorithmes, paramétrages et optimisations de manière intelligente en s’appuyant sur des techniques de pointe comme l’optimisation Bayésienne, l’apprentissage par renforcement ou la programmation génétique. Chaque approche a ainsi ses caractéristiques et ses spécialités ; certaines abordent exclusivement le paramétrage de réseaux de neurones, quand d’autres fournissent un pipeline complet avec des algorithmes classiques de ML par exemple. La contrepartie principale de l’AutoML n’est autre que son besoin en ressources, temporelles comme matérielles. L’AutoML est en effet demandeur en puissance de calculs et/ou en temps (parfois plusieurs jours) pour préparer un modèle. Cependant, l’émergence des solutions Cloud à la demande, qui offrent un accès a de forte puissance de calcul selon le besoin, permet de pallier ce problème, moyennant finance. Mais à ce prix, le ML devient accessible à tous.

Va-t-on donc (déjà) vers la fin de la data science ?

Pour l’heure, non. Aussi performantes soient les méthodes d’AutoML, elles ne couvrent pas la totalité des challenges et besoins des data scientists. A commencer par la connaissance du métier, qui est clef dans la mise en place du ML, en particulier dans le choix de données et le rôle des modèles. Cette connaissance experte est nécessaire pour orienter et paramétrer correctement le ML en fonction du besoin, or, l’AutoML ne peut prendre en compte cette connaissance assez abstraite par lui-même. Une autre limite d’AutoML est sa faiblesse dans certains types de ML ; alors qu’il excelle dans la classification et la régression supervisée, les apprentissages non supervisés et/ou par renforcement sont plus délicats à automatiser. Enfin, certains types de données, en particulier complexes, sont particulièrement difficiles à considérer automatiquement et requièrent une forte expertise et préparation en amont. Ainsi, le rôle des data scientists reste essentiel dans de nombreux cas. De fait, l’AutoML est plutôt un outil complémentaire, c’est d’ailleurs ce qui est avancé par TPOT qui se présente comme l’assistant du data scientist. De plus, l’AutoML reste un formidable effort de démocratisation et est utilisable par tous les profils. Il est en effet parfaitement adapté pour essayer ou évaluer le ML, au travers de preuves de concept, et ce sans expertise. Mais la mise en place de la solution en production nécessitera toujours l’expertise de data scientists.
L’AutoML ne va pas remplacer la data science, mais va l’enrichir. Son accessibilité lui permet de faciliter et d’accélérer la mise en place de solution de ML. Le ML, et plus généralement l’IA, progresse déjà (très) rapidement, et l’AutoML ne va qu’accentuer cette émergence. C’est une technologie prometteuse qui a encore du chemin devant elle ; et il convient de la surveiller, car nul doute qu’elle sera au cœur de la démocratisation de l’IA dans l’ensemble de la société.

L’équipe du Lab Inno d’ILYEUM


Dans le cadre d’un de ses projets de R&D autour de la supervision intelligente, le Lab ILYEUM a expérimenté pléthore de solutions et de concepts d’auto ML depuis la phase de prétraitement du jeu de données au choix de l’algorithme d’apprentissage et de ses hyper paramètres.
Contactez-nous pour en savoir plus :
labinno@ilyeum.com


Références

  1. Olson, Randal S., et al. « Evaluation of a tree-based pipeline optimization tool for automating data science. » Proceedings of the Genetic and Evolutionary Computation Conference 2016. ACM, 2016.
  2. Olson, Randal S., et al. « A system for accessible artificial intelligence. » Genetic Programming Theory and Practice XV. Springer, Cham, 2018. 121-134.
  3. Kotthoff, Lars, et al. « Auto-WEKA 2.0: Automatic model selection and hyperparameter optimization in WEKA. » The Journal of Machine Learning Research 18.1 (2017): 826-830.
  4. Vasile, Mihaela-Andreea, et al. « MLBox: Machine learning box for asymptotic scheduling. » Information Sciences 433 (2018): 401-416.
  5. Feurer, Matthias, et al. « Efficient and robust automated machine learning. » Advances in neural information processing systems. 2015.

Ilyeum s’empare de la pollution digitale
09-Nov

Ilyeum s’empare de la pollution digitale

Dans le cadre d’une soirée afterwork qui a été organisée le 8 novembre. Une soirée qui mêle convivialité et rencontre avec la présence d’un invité sous le nom des “inspirants d’Ilyeum”. Anthony Alfont était notre premier invité de la série. Il est le Chief Operating Officer de DIGITAL FOR THE PLANET la première initiative globale pour l’écologie digitale. Ce soir-là, les consultants et salariés d’Ilyeum ont répondu présent, et en nombre.

« chaque appareil fait parfois quatre fois le tour du monde avant d’arriver en boutique »

La pollution digitale est un enjeu majeur pour le devenir de la planète puisqu’elle représente 16% de la consommation électrique mondiale. Et ce ne sont que les prémisses de ce phénomène puisque ce chiffre aura augmenté de 50% en 2020 ! Ilyeum est convaincu de pouvoir agir à son niveau. L’entreprise de service numérique s’engage donc dans cette prise de conscience. Et il y a fort à faire. Le 8 novembre, dans les locaux d’Ilyeum, Anthony Alfont a commencé par rappeler les conditions dramatiques dans lesquelles les matériaux rares, qui composent les ordinateurs ou autres téléphones, sont, la plupart du temps, extraits. Qui plus est, « chaque appareil fait parfois quatre fois le tour du monde avant d’arriver en boutique », souligne le Chief Operating Officer de Digital For The Planet.

« De l’or dans les portables »

Les usages sont le deuxième facteur de pollution numérique. Il y a ce chiffre, méconnu mais très parlant : le bilan carbone d’un mail envoyé avec pièce jointe s’élève à 18 grammes de CO2. L’équivalent d’une ampoule allumée pendant 24 heures ! « Comment limiter cette pollution tout en sachant que les mails sont indispensables dans notre métier ? », s’interroge Morgane dans une question adressée par… mail justement. Pour Anthony Alfont, ce sont des problématiques que les entreprises ont tout intérêt à se poser dès maintenant, pour anticiper ce qui s’imposera à elles, tôt ou tard. Le Chief Operating Officer de Digital For The Planet a ensuite évoqué le recyclage : « à l’heure actuelle, on ne sait pas recycler un Iphone », rappelle-t’il, « ce n’est pas encore rentable, alors on le jète, puis on le brûle ». Pourtant, dans un téléphone portable, il y a des matérieux précieux dont le recyclage pourrait paraître évident : il y a de l’or notamment. Un autre chiffre évocateur : 100 millions de portables « dorment dans les tiroirs des Français ».

« Image de marque »

« Mais comment convaincre les entreprises de l’importance de la lutte contre la pollution digitale ? » s’interroge Marwen. Pour Anthony Alfont, la réponse est en partie politique. Digital For The Planet a l’intention de travailler avec le gouvernement « pour porter le sujet auprès des Français, puis les entreprises suivront la demande des consommateurs ». L’entreprise devrait y trouver son compte, si l’on induit l’image de marque ainsi que les économies d’électricité engendrées. Et Anthony Alfont de souligner que les développeurs sont précisément au cœur de toute cette problématique. Dans la formation qu’ils ont suivie, le bilan carbone fait souvent l’objet d’un enseignement. Mais pas toujours. Cela n’a pas été le cas pour Anouar, par exemple. L’écologie digitale est un enjeu plus qu’urgent pour ces dix prochaines années, en France et dans le monde. Il y a fort à parier que Ilyeum et Digital For The Planet se recroiseront sur cette longue route.

 

L'équipe d'ILYEUM VOUS SOUHAITE UNE BONNE ANNEE 2019 !
02-Jan

L'équipe d'ILYEUM VOUS SOUHAITE UNE BONNE ANNEE 2019 !

ILYEUM RECRUTE !
20-Dec

ILYEUM RECRUTE !

Good news en cette fin d’année ! Vous êtes passionné(e)s par les #technologiesILYEUM recrute plusieurs profils à Paris :

Développeur #magento2
Développeur CRM #dynamics
Développeur #javajee
Consultant #devops

Candidatures hors Europe acceptées ( Maroc , Tunisie…) Intéressé(e), merci d’envoyer vos CVs à l’adresse suivante : imguil@ilyeum.com

 

Mohammed Chouiter : « L’innovation, c’est notre ADN »
06-Dec

Mohammed Chouiter : « L’innovation, c’est notre ADN »

Les entreprises françaises s’engagent, parfois tête baissée, dans la course à l’innovation numérique. Ce n’est pourtant pas un sprint mais bien une course de fond qui s’engage. Le numérique représente aujourd’hui 5,5 % du PIB français, et sa part pourrait doubler dans les prochaines années. Il s’agit donc d’un moteur stratégique pour l’entreprise. Mohammed Chouiter, CEO de Ilyeum, l’a bien compris. Et ce, depuis le début. D’ailleurs, aujourd’hui, son entreprise confirme son avancée et lance son propre laboratoire d’innovation : le Lab Inno. Interview.

Pourquoi avoir lancé votre propre laboratoire d’innovation ?

Ilyeum est dans le numérique depuis sa création. La technologie, c’est notre métier. Être dans l’innovation, cela fait partie de notre ADN. Nous devons donc toujours être en veille. Pour tous nos clients, la technologie est un élément essentiel de leur existence. Selon la BPI, 3 entreprises françaises sur 5 sont passées au Big Data aujourd’hui. Ainsi, tous nos collaborateurs interviennent aussi bien sur les conseils purs que sur la réalisation de systèmes d’informations, d’applications, cela dans des technologies qui évoluent très rapidement. Jusqu’à présent, nous l’avons fait de manière artisanale : nous organisions des ateliers en interne pour pouvoir développer ces compétences. Au fur et à mesure, nous avons articulé cette compétence autour de projets. Désormais, nous avons décidé de créer notre Lab Inno pour structurer notre démarche.

Quels sont les enjeux pour votre entreprise ?

L’intelligence artificielle, le big data et la blockchain sont de vraies réalités pour les entreprises et donc un vrai sujet de recherche, pour nous. Et il est de notre devoir d’être présents dès aujourd’hui sur ces technologies. Comment rendre ces connaissances utilisables pour nos clients ? Il faut que nous puissions les transformer en valeur ajoutée pour eux et pour nous-mêmes d’ailleurs. C’est une nécessité pour Ilyeum. Nous ne pouvons pas nous permettre de rester sur les technologies que nous maîtrisons à ce jour. Demain, elles seront obsolètes.

« Nous envisageons, à ce titre, des partenariats avec plusieurs grandes universités françaises. »

Lorsque l’on voit les choses de cette manière, on se rend compte que notre démarche est vitale. Il nous faut avoir une longueur d’avance sur la concurrence, si ce n’est pas deux. Depuis quelques mois, nous sommes donc passés à l’action en matière de recrutement de docteurs, pour renforcer nos équipes en matière de recherche, autour de deux axes très complémentaires : l’intelligence artificielle et le traitement de langage naturel pour travailler sur toute la problématique liée aux assistants vocaux. Nous envisageons, à ce titre, des partenariats avec plusieurs grandes universités françaises.

Quels seront les objectifs de ce Lab Inno ?

Nous voulons, en priorité, aboutir au développement de solutions, de méthodologies ou d’algorithmes que nous pourrons packager pour qu’ils puissent servir à nos clients. Pour l’instant, nous nous concentrons sur les domaines de la banque, de la finance, des assurances, des medias ou encore de l’énergie. Ce sont nos principaux clients. Nous souhaitons également, et c’est aussi une priorité, accompagner au mieux nos clients en termes de besoin sur ces nouvelles technologies, et ce, parfois même, en terme de réflexion. Enfin, notre Lab Inno a pour objectif d’impliquer tous nos consultants afin de les former au mieux sur ces technologies.

« C’est un vrai projet d’entreprise fédérateur. »

Nous leur apporterons les connaissances, afin qu’ils puissent les transformer en compétences. Qui plus est, cela jouera en la faveur de la cohésion de notre entreprise. Le but est également de mettre des outils en place afin de pouvoir optimiser l’effort de chacun autour de l’innovation. En somme, notre Lab Inno aura vocation à devenir, à la fois, un vivier de compétences, afin de rendre notre entreprise plus agile, et un portail de partage de connaissances, accessible à tous nos collaborateurs, qui ne se trouvent pas toujours au même endroit, au même moment. C’est un vrai projet d’entreprise fédérateur.

Zoom sur les projets en cours, présentés par Baba Bamba, le responsable du Lab inno d’Ilyeum.

La pérennité du système est primordiale pour nos clients. C’est le cas par exemple des entreprises dans le monde de la finance. Une cessation de service peut amener à des situations problématiques. Pour y répondre : nous travaillons sur la notion de prévision via l’intelligence artificielle. C’est ce que l’on nomme la « maintenance prédictive ». Nous proposons à nos clients d’utiliser des outils d’automatisation, non pas pour remplacer les experts, mais pour permettre d’anticiper au mieux des situations qui, ainsi, pourraient être évitées.

Les assistants vocaux vont bientôt se substituer totalement aux interfaces visuelles, aux écrans. Selon les experts, la moitié des recherches sur Internet pourraient être vocales d’ici à 2020. A ce jour, les assistants vocaux permettent de lancer de la musique ou d’allumer la lumière. Désormais, on peut également faire ses courses par ce biais technologique. En 2022, le commerce vocal devrait peser 40 milliards de dollars dans le monde. Nous voulons anticiper ces besoins. Dès à présent, nous nous demandons comment concevoir le web et les applications de demain ? Nous sommes, sur ce projet, dans une phase de conceptualisation, en travaillant notamment autour de la blockchain.

 

 

Marwen D, Mohamed E et Zaher R. Les consultants d’ILYEUM prennent la parole ! #Episode 3
12-Nov

Marwen D, Mohamed E et Zaher R. Les consultants d’ILYEUM prennent la parole ! #Episode 3

Que signifie le bonheur au travail selon vous ?

Zaher R. (consultant Système) : Pour moi le bonheur au travail c’est quand tu adores ce que tu fais dans ton domaine d’expertise. Aussi, je me sens davantage épanoui lorsque je travaille au sein d’une petite structure : l’ambiance est meilleure et les échanges plus constructifs. Dans les grandes entreprises, tu es considéré comme de la ressource externe, les relations sont plus distantes entre collègues et avec la hiérarchie.

On oublie trop souvent la dimension humaine ! A ce sujet, j’ai une petite anecdote à raconter : lors d’une mission que j’effectuais au sein d’une banque, le premier jour, nous avons fait les présentations avec mes collègues. Ceux-ci m’ont été présentés non pas par leur nom et prénom mais pas leur spécialité.

Enfin, je suis très sensible aussi au temps de trajet pour me rendre au travail. Quand il faut faire de longs trajets, cela impacte sur ton humeur et tu te sens pas très bien en arrivant au travail.

Mohamed E.(consultant webMethods) : Je me sens heureux au travail quand, dans le cadre d’une mission, on me donne la possibilité d’être autonome et de m’organiser moi-même. Un autre facteur qui me rend heureux au travail est lorsque l’on prend en compte ma personnalité et que je ne me sente pas obligé de devoir « rentrer » dans un moule.

Marwen D. (consultant Sharepoint) : Le bonheur au travail c’est se lever en ayant envie de venir au boulot, être enthousiaste et aimer son job ! Je répète souvent le proverbe de Confucius : « trouves un travail que tu aimes et tu n’auras pas à travailler un seul jour de ta vie ».

Qu’est ce que vous appréciez au niveau du bien-être chez IlYEUM ?

Marwen D. (consultant Sharepoint): ILYEUM est une entreprise à taille humaine, on se connaît pour la plupart d’entre nous et c’est important pour moi. J’apprécie le management de proximité de la direction et son écoute.

On ne nous impose jamais de mission : on nous concerte d’abord. Une autre chose que j’apprécie aussi est le suivi des RH et de ma direction lorsque je suis en intercontrat.

Mohamed E. (consultant webMethods) : J’apprécie les relations humaines avec l’équipe interne. Ici, nous ne sommes pas considérés comme des machines qui ne servent qu’à ramener de l’argent mais comme des personnes à part entière.

Zaher R.(consultant Système) : IlYEUM est une entreprise à taille humaine où il est facile d’échanger avec les collègues et la direction. J’apprécie les « after work » organisés par l’équipe : cela permet d’avoir encore plus d’échanges et de renforcer nos relations dans un cadre décontracté. C’est dans cet esprit que j’ai récemment proposé que l’on monte une équipe de foot ILYEUM pour se retrouver de temps en temps après le travail.

Quels conseils donneriez-vous à des collègues pour mieux s‘épanouir dans sa vie professionnelle ?

Zaher R. (consultant Système): Tout d’abord, il ne faut pas hésiter à être dans l’échange et le partage des connaissances. Par exemple, quand je fais une formation, mes supports peuvent intéresser d’autres collègues. Ce qui est important aussi, c’est de maîtriser sa technologie et son environnement. Enfin, je pense que quand tu trouves ton bonheur au travail, pourquoi changer ?

Mohamed E. (consultant webMethods) : Je donnerai trois conseils :

1 : Être compétent dans ce que tu fais, si ce n’est pas le cas, il faut monter en compétences.

2 : Savoir communiquer sur ce que tu fais et sur l’avancement de ton travail pour éviter les malentendus.

3 : Avoir un bon comportement avec les autres et mieux connaître les collaborateurs directs et indirects.

Marwen D.(consultant Sharepoint) : Il faut aimer son travail au quotidien et chercher à effectuer une mission que l’on apprécie pour se sentir épanoui.

 

Vivre le bonheur selon Ilyeum - Interview de Mohammed Chouiter  < épisode 2 >
03-Aug

Vivre le bonheur selon Ilyeum - Interview de Mohammed Chouiter < épisode 2 >

Mohammed Chouiter, PDG d’Ilyeum, partage sa vision de l’importance du bonheur au travail.

Le Chief Happiness Officer (CHO) est un nouveau métier qui se développe en France. Pourquoi avoir décidé de créer un poste de CHO chez Ilyeum ?

Il y a deux éléments essentiels qui m’ont conduit à mettre en place ce poste. Le premier élément est celui de l’empathie collaborative. En effet, depuis la création d’Ilyeum et du groupe Fuzyo, l’empathie collaborative fait partie de notre ADN. Nous construisons notre relation avec nos clients et nos collaborateurs autour de cette philosophie de manière à l’intégrer dans la démarche managériale et commerciale. Notre approche est d’être à l’écoute et de connaître les aspirations de nos clients et de nos collaborateurs avant de prendre toute décision.

« un passeur de bonnes énergies au travail »

Le second élément est celui de l’épanouissement du collaborateur. Plus que jamais, j’ai toujours été convaincu que l’épanouissement et le bien être du collaborateur participent activement à sa performance. Plus le collaborateur est épanoui et plus il va s’investir, se motiver pour accomplir ses tâches quotidiennes. La performance est très liée à la motivation des équipes et au bien être de chacun. L’écrivain André Gide disait que «La première condition au bonheur est que l’homme puisse trouver joie au travail ».

Je vois le CHO comme un passeur de bonnes énergies au travail. Son travail peut parfois dépasser le simple cadre du travail et conduire notre CHO à intervenir auprès des collaborateurs pour les accompagner sur des sujets bloquants au niveau personnel. Si on peut apporter une aide, on le fera avec plaisir ! Et puis, le CHO aura pour mission de développer une culture de travail en équipe en y rajoutant un peu de « fun » et de la bonne ambiance au quotidien. En dehors du temps de travail, le CHO proposera diverses activités comme des sorties sportives ou culturelles afin d’encourager le travail en équipe.

« Ilyeum accorde une priorité et une importance au bien être »

Enfin, nous sommes soucieux de l’intégration des nouveaux collaborateurs. Certains d’entres eux viennent de Province ou de l’étranger et ont besoin d’un accompagnement personnalisé qui puisse dépasser ce que leur manager ou la DRH font déjà pour eux. Par exemple sur les aspects logistiques (recherche de logement) ou encore administratifs.

Le poste de CHO est quelque chose de nouveau en France. Je suis très fier qu’une entreprise de la taille d’Ilyeum accorde une priorité et une importance au bien être de nos collaborateurs en leur apportant davantage d’aide et de considération.

Vivre le bonheur selon Ilyeum - Interview de Larry  < épisode 1 >
02-Aug

Vivre le bonheur selon Ilyeum - Interview de Larry < épisode 1 >

Insuffler du bonheur au travail et améliorer la qualité de vie des employés d’Ilyeum: c’est la mission confiée à Larry, tout premier Chief Happiness Officer de l’entreprise. Larry nous décrit son rôle.

 

Quel est ton parcours professionnel ?

J’ai commencé ma carrière dans l’univers de la mode et du luxe et y ai travaillé pendant 20 ans. Durant ces années, j’ai adoré être en contact avec la clientèle: discuter, échanger et les conseiller. J’adorais les voir sortir de la boutique satisfaits et heureux de leur choix. Pour moi, cela contribuait à me rendre heureux au travail.

J’ai aussi été à l’initiative de plusieurs évènements destinés à nous rassembler entre collègues. J’organisais des rendez-vous conviviaux avec l’idée d’encourager les collègues à se parler et se connaître davantage. Ces évènements devenus réguliers avaient apporté une convivialité incroyable au sein de l’équipe.

En quoi consiste ton rôle de Chief Happiness Officer au sein d’Ilyeum ?

Faire des blagues chaque matin autour d’un petit déjeuner… non je plaisante ! Mon rôle est d’améliorer les relations internes, de créer du lien social entre les salariés et d’organiser des activités fédératrices.

Je prends à coeur mon rôle d’apporter de la bonne énergie car pour moi, le bien-être de nos collaborateurs est essentiel.

Au sein d’Ilyeum, nous avons des collaborateurs qui viennent de l’étranger, je m’occupe de leur accueil et les accompagne dans leur démarches administratives, en les aidant à trouver un logement et en leur servant de guide à Paris, qu’ils ne connaissent pas pour bon nombre d’entre eux.

Pour remplir à bien une telle mission, il faut aimer le contact avec les autres !

Peut-on concilier bonheur et travail ?

Oui parfaitement ! Je pense que le salarié peut devenir plus heureux au travail à condition de lever les problèmes du quotidien et les tensions qui entravent son bien être dans l’entreprise.