❌

Vue lecture

Il y a de nouveaux articles disponibles, cliquez pour rafraîchir la page.

L’industrie automobile chinoise accélère dans l’intégration d’IA avec DeepSeek R1

Au-delà des débats qu’il a pu susciter, les performances du modèle DeepSeek R1, doté de capacités de raisonnement avancées, ont surpris les experts. Alors qu’il a été présenté fin janvier, l’industrie automobile chinoise s’en est très vite emparée. Du fournisseur de technologies de mobilité ECARX aux constructeurs eux-mêmes à l’image de Geely ou BYD, il a été intégré pour des applications variées allant de l’assistance à la conduite à l’amélioration des interactions entre conducteurs et véhicule.

Geely : une expérience de conduite connectée

Geely, acteur majeur de l’automobile chinoise avec des marques comme Smart, Volvo ou Zeerk, a été le premier à annoncer intégrer DeepSeek-R1 pour perfectionner Xingrui, le LLM au coeur de son système “Full-Domain AI for Smart Vehicles” présenté en janvier dernier au CES 2025.

Cette intégration permet d’améliorer la reconnaissance vocale, l’analyse des images et la gestion des données en temps réel. L’objectif est de fluidifier l’interaction entre les conducteurs et leurs véhicules, tout en optimisant la prise de décisions en temps réel, notamment pour les systèmes d’aide à la conduite.

BYD : l’IA au service de la conduite autonome

BYD(Build Your Dreams), l’un des leaders de l’automobile électrique, a intégré DeepSeek dans son système de conduite autonome de niveau 2 DiPilot (baptisé God’s Eye). Ce système repose sur une IA avancée qui permet une assistance au stationnement et une navigation autonome plus précises. L’objectif est d’améliorer la sécurité et de rendre les véhicules plus intelligents et autonomes, tout en réduisant la dépendance aux infrastructures cloud.

Great Wall Motors : des assistants virtuels améliorés

Great Wall Motors exploite DeepSeek pour entraîner son IA interne avec des données collectées, afin de développer des fonctionnalités proactives pour ses assistants embarqués. Cette approche, qui améliore l’interaction entre les conducteurs et leur véhicule, vise à rendre la conduite plus intuitive et à renforcer l’ergonomie des systèmes d’assistance.

SAIC : une expérience utilisateur plus riche

SAIC a misé sur DeepSeek pour améliorer l’expérience utilisateur de ses véhicules connectés. Son intégration de permet de répondre de manière plus précise et personnalisée aux besoins des conducteurs. Les assistants virtuels de SAIC sont désormais capables d’adapter leurs réponses et recommandations en fonction des habitudes de conduite et des préférences des utilisateurs.

Dongfeng : une conduite plus intuitive

Dongfeng a également adopté DeepSeek pour optimiser ses systèmes d’infodivertissement. Cette intégration permet d’offrir une expérience plus immersive et intuitive, avec une interaction vocale améliorée et des recommandations adaptées aux habitudes des conducteurs. L’objectif est de faciliter l’utilisation des fonctionnalités du véhicule et d’améliorer le confort de conduite.

ECARX : une IA embarquée indépendante du cloud

ECARX, fournisseur de technologies de mobilité, a choisi DeepSeek-R1 pour développer son application d’IA embarquée, ECARX AutoGPT. Cette solution permet d’exécuter des tâches complexes en local, sans dépendance aux ressources cloud. Parmi les bénéfices attendus, on retrouve une meilleure protection des données, une réduction de la latence et une diminution des coûts de transmission et de stockage.

D’autres constructeurs automobiles chinois ont l’intention eux aussi de mettre à jour leur assistant d’IA embarquée avec DeepSeek R1. Le modèle a par ailleurs été rapidement adopté dans d’autres secteurs, notamment par trois des principaux opérateurs de télécommunications : China Mobile, China Telecom et China Unicom.

vehiculeautonome

Project Jarvis : Google travaille au développement d’un agent d’IA pour automatiser les tâches dans Chrome

Selon plusieurs sources de The Information, Google travaille au développement d’un agent d’IA capable d’utiliser un ordinateur de façon autonome. L’entreprise aurait l’intention de présenter cette technologie, connue en interne sous le nom de code “Jarvis Project”, le mois prochain en même temps que la prochaine version de son LLM Gemini qui l’alimenterait.

Plusieurs entreprises s’emploient à développer des agents d’IA autonomes pouvant, à partir d’instructions, contrôler un ordinateur et interagir en temps réel avec diverses applications. Open AI devrait d’ailleurs lui aussi en présenter un prochainement, mais Anthropic leur a volé la vedette : la version bêta de la fonctionnalité “Computer Use”, présentée la semaine dernière, permet à Claude 3.5 Sonnet d’interagir avec des interfaces graphiques en simulant les actions humaines, telles que déplacer le curseur ou cliquer sur un bouton.

Claude traduit les instructions comme “utiliser les données de mon ordinateur et les données en ligne pour remplir ce formulaire” en commandes informatiques : “vérifier une feuille de calcul, déplacer le curseur pour ouvrir un navigateur Web, naviguer vers les pages Web pertinentes, remplir un formulaire avec les données de ces pages…”.

Selon The Information, Jarvis (en référence à J.A.R.V.I.S. dans Iron Man) serait une fonctionnalité similaire à Computer Use, mais qui sera intégrée au navigateur Chrome. Gemini 2, la prochaine itération du modèle de Google qui l’alimentera, pourra effectuer des tâches telles que la recherche, l’achat d’un produit ou la réservation d’un vol.

Le système d’IA fonctionnera en prenant des « captures d’écran fréquentes » de l’écran de l’utilisateur et analysera ces images pour effectuer des actions telles que cliquer sur un bouton ou taper dans un champ de texte. Cependant, le modèle serait relativement lent, prenant quelques secondes pour décider de chaque action.

Jarvis pourrait ne pas se cantonner au navigateur web : Google travaillerait avec Anthropic pour développer un agent d’IA capable de contrôler l’ordinateur. Si Jarvis est réellement présenté en décembre prochain parallèlement à Gemini 2, ce que Google n’a d’ailleurs pas confirmé, il ne devrait cependant pas être disponible aux internautes avant un certain temps.

Project Jarvis : Google travaille au développement d'un agent d'IA pour automatiser les tâches dans Chrome

Optimisation des ventes grâce à l’IA : Salesforce introduit Einstein SDR Agent et Einstein Sales Coach Agent

Salesforce a récemment annoncé deux nouveaux agents autonomes basés sur l’IA pour renforcer les équipes de vente : Einstein SDR Agent et Einstein Sales Coach Agent. Ces outils, qui seront disponibles dès octobre 2024, visent à améliorer l’efficacité des équipes de vente en automatisant certaines tâches cruciales et en fournissant un coaching personnalisé. Ils s’appuient sur la plateforme Einstein 1 Agentforce, conçue pour offrir des réponses fiables et sécurisées en intégrant des données internes et externes via la génération augmentée de récupération (RAG).

Einstein SDR Agent : automatisation des interactions avec les prospects

L’agent Einstein SDR (Sales Development Representative) est un assistant de vente virtuel capable d’engager de manière autonome les prospects entrants en temps réel. Contrairement aux chatbots traditionnels, cet agent peut répondre à des questions complexes, gérer les objections, et même programmer des rendez-vous avec les représentants commerciaux humains. Les équipes de vente peuvent ainsi se concentrer sur les transactions à haute valeur ajoutée, tandis qu’Einstein SDR gère les tâches chronophages en amont de l’entonnoir de vente. Avec sa capacité à gérer plusieurs prospects simultanément sur divers canaux et en plusieurs langues, Einstein SDR représente une avancée majeure dans l’automatisation des processus de vente.

Einstein Sales Coach Agent : un coach virtuel pour les vendeurs

L’agent Einstein Sales Coach pousse l’entraînement des vendeurs à un niveau supérieur en simulant des jeux de rôle réalistes. Il permet aux vendeurs de pratiquer des scénarios d’appel de découverte, de présentation ou de négociation dans un environnement contrôlé. Grâce à l’IA générative et à la technologie RAG, Einstein Sales Coach reproduit fidèlement les comportements d’un acheteur, en se basant sur les informations de l’entreprise stockées dans Salesforce. Après chaque session, le vendeur reçoit un retour d’information personnalisé et objectif, lui permettant d’améliorer ses compétences en continu. Les managers peuvent également évaluer l’impact du coaching sur les performances de vente en analysant les résultats obtenus.

Adoption stratégique par Accenture

Accenture, un leader mondial en conseil et services professionnels, a déjà prévu d’adopter ces agents dans le cadre de ses opérations de vente. Selon Sara Porter, responsable de l’excellence des ventes mondiales chez Accenture, ces outils permettront à l’entreprise d’améliorer l’efficacité de son équipe de vente tout en augmentant sa capacité à gérer un volume accru de transactions. Elle souligne que cette collaboration avec Salesforce permettra aux employés de se concentrer sur les transactions les plus complexes et à forte valeur ajoutée.

Les nouveaux agents d’IA peuvent être configurés à l’aide d’actions sans code, de flux de travail et de modèles prédéfinis. En utilisant Salesforce Data Cloud, les clients peuvent améliorer les modèles génératifs en intégrant des informations externes pertinentes, comme des documents de vente et de formation existants, afin d’obtenir des résultats plus précis, pertinents et contextuels. Les deux agents utilisent la couche de confiance Einstein pour assurer des réponses sécurisées et fiables.

Perspectives et disponibilité

Les agents Einstein SDR et Einstein Sales Coach seront disponibles dès octobre 2024, avec des fonctionnalités supplémentaires prévues tout au long de l’année.

Optimisation des ventes grâce à l'IA Salesforce introduit Einstein SDR Agent et Einstein Sales Coach Agent

IA et robotique : des chercheurs s’inspirent des fourmis pour la navigation autonome d’un drone miniature

Les insectes, notamment les fourmis, inspirent de plus en plus les chercheurs en robotique pour la conception de systèmes de navigation autonomes pour de minuscules robots. Les fourmis utilisent une combinaison de reconnaissance visuelle de leur environnement et de comptage de leurs pas pour retrouver leur chemin, une stratégie que les chercheurs de l’Université technique de Delft ont adaptée pour les drones légers. Leur étude, publiée dans Science Robotics le 17 juillet dernier, présente une méthode de navigation efficace pour ces robots, qui nécessite très peu de calcul et de mémoire, seulement 0,65 kilo-octet pour 100 mètres de trajet.

Les robots miniatures, pesant de quelques dizaines à quelques centaines de grammes, ont un potentiel d’applications intéressantes dans le monde réel. Ils présentent plusieurs avantages : leur poids léger minimise les risques de blessures en cas de collision, leur petite taille leur permet de naviguer dans des espaces restreints, leur coût moindre permet de les déployer en grand nombre pour couvrir de vastes zones rapidement, comme dans des serres pour la détection précoce de ravageurs ou de maladies.

Cependant, un obstacle majeur à leur utilisation est qu’ils doivent être capables de naviguer de manière autonome pour effectuer des tâches dans le monde réel. Ils peuvent bénéficier d’une infrastructure externe, comme les estimations de localisation par GPS à l’extérieur ou les balises de communication sans fil à l’intérieur, mais il est préférable de ne dépendre de telles infrastructures. Le GPS n’est pas disponible à l’intérieur et peut être très imprécis dans des environnements encombrés, l’installation et l’entretien de balises dans les espaces intérieurs sont coûteux ou parfois impossibles, par exemple dans les scénarios de recherche et de sauvetage.

L’IA nécessaire à la navigation autonome utilisant uniquement des ressources embarquées a été conçue pour les grands robots tels que les voitures autonomes. Pour les systèmes plus petits, comme le drone de 56 g mentionné, les capteurs peuvent être trop grands, lourds ou gourmands en énergie. Par exemple, les capteurs LiDAR, bien que précis, ne conviennent pas aux petites plateformes. La navigation basée sur la vision pourrait être une solution, car les caméras sont légères et économes en énergie, mais les exigences de calcul des algorithmes de vision sous-jacents traditionnels sont excessives.

Stratégie inspirée des insectes

Les insectes utilisent une combinaison d’odométrie (suivi de leurs propres mouvements, en l’occurrence le comptage de pas pour les fourmis) et une mémoire visuelle quasi omnidirectionnelle pour naviguer. Ils prennent des instantanés visuels de leur environnement et comparent leur perception actuelle avec ces instantanés pour se diriger correctement. Cette méthode leur permet de retrouver leur chemin même dans des environnements complexes.

Les chercheurs s’en sont inspirés pour leurs expériences : leur drone a pris des images de son environnement à différents points de son trajet aller. Ces images ont servi de repères visuels pour le trajet retour et la navigation future grâce à un algorithme combinant guidage visuel et odométrie.

Tom van Dijk, premier auteur de l’étude, explique :

“La navigation basée sur des instantanés peut être comparée à la façon dont Hansel a essayé de ne pas se perdre dans le conte de fées de Hansel et Gretel. Quand Hans jetait des pierres sur le sol, il pouvait rentrer chez lui. Cependant, lorsqu’il a jeté des miettes de pain qui ont été mangées par les oiseaux, Hans et Gretel se sont perdus. Dans notre cas, les pierres sont les instantanés”.

Il ajoute :

“Comme pour une pierre, pour qu’un instantané fonctionne, le robot doit être suffisamment proche de l’emplacement de l’instantané. Si l’environnement visuel devient trop différent de celui de l’emplacement de l’instantané, le robot peut se déplacer dans la mauvaise direction et ne plus jamais revenir. Il faut donc utiliser suffisamment d’instantanés – ou dans le cas de Hansel, laisser tomber un nombre suffisant de pierres. D’un autre côté, laisser tomber des pierres trop près les unes des autres épuiserait trop rapidement les pierres de Hans. Dans le cas d’un robot, l’utilisation d’un trop grand nombre d’instantanés entraîne une consommation de mémoire importante. Les travaux précédents dans ce domaine avaient généralement les instantanés très proches les uns des autres, de sorte que le robot pouvait d’abord se loger visuellement sur un instantané, puis sur le suivant”.

Guido de Croon, professeur titulaire de drones bio-inspirés et co-auteur de l’article, commente :

“L’idée principale qui sous-tend notre stratégie est que vous pouvez espacer les instantanés beaucoup plus loin, si le robot se déplace entre les instantanés en fonction de l’odométrie”.

Il précise :

“Le guidage fonctionnera tant que le robot se retrouvera suffisamment près de l’emplacement de l’instantané, c’est-à-dire tant que la dérive d’odométrie du robot se situe dans la zone de chalandise de l’instantané. Cela permet également au robot de voyager beaucoup plus loin, car le robot vole beaucoup plus lentement lorsqu’il se dirige vers un instantané que lorsqu’il vole d’un instantané à l’autre en fonction de l’odométrie”.

Cette stratégie de navigation a permis à un drone « CrazyFlie » de 56 grammes, équipé d’une caméra omnidirectionnelle, de couvrir des distances allant jusqu’à 100 mètres avec seulement 1,16 kilo-octet. Tout le traitement visuel se faisait sur un minuscule ordinateur appelé « microcontrôleur », que l’on trouve dans de nombreux appareils électroniques bon marché.

Guido de Croon conclut :

“La stratégie de navigation inspirée des insectes proposée est une étape importante sur la voie de l’application de minuscules robots autonomes dans le monde réel. La fonctionnalité de la stratégie proposée est plus limitée que celle fournie par les méthodes de navigation de pointe. Il ne génère pas de carte et permet uniquement au robot de revenir au point de départ. Pourtant, pour de nombreuses applications, cela peut être plus que suffisant. Par exemple, pour le suivi des stocks dans les entrepôts ou le suivi des cultures dans les serres, les drones pourraient s’envoler, collecter des données puis revenir à la station de base. Ils pouvaient stocker des images pertinentes pour la mission sur une petite carte SD pour un post-traitement par un serveur. Mais ils n’en auraient pas besoin pour la navigation elle-même”.

Références de l’article :

  • Tom van Dijk, Christophe De Wagter, Guido C. H. E. de Croon. Suivi visuel de l’itinéraire pour les petits robots autonomes. Science Robotics, 2024 ; 9 (92) DOI : 10.1126/scirobotics.adk0310
  • Université de technologie de Delft. « Les connaissances des fourmis mènent à une percée dans la navigation des robots. » ScienceDaily. 17 juillet 2024.

IA et robotique des chercheurs s'inspirent des fourmis pour la navigation autonome d'un drone miniature
❌