Interview avec Thomas Feltrin, CPO & Co-fondateur de Beeldi
Dans le cadre de la sortie du nouveau module Miro, disponible pour tous les utilisateurs de l’application mobile Beeldi, nous avons interviewé Thomas Feltrin, CPO & Co-fondateur, qui a mené ce projet au sein de Beeldi.
Q1 — Est-ce que tu peux expliquer simplement à quoi sert Miro ?
"Miro, c’est une intelligence artificielle (IA) qui permet aux auditeurs de bâtiments d’automatiser la description des équipements techniques sur le terrain."
Comment ça fonctionne ? L’auditeur prend en photo la plaque signalétique de l’équipement avec l’application mobile Beeldi. Miro identifie ensuite tout simplement les informations présentes sur la plaque pour les rentrer automatiquement dans l’application.
Aujourd’hui on reconnaît principalement : la marque, le modèle, le numéro de série, la date de fabrication ou encore la puissance. Demain, grâce au machine learning, de plus en plus de caractéristiques seront reconnues automatiquement.
Q2 — Comment t’es venue l’idée de développer le module Miro ?
"Chez Beeldi, l’une de nos valeurs fondamentales c’est la proximité avec le client."
Avant de commencer à vendre notre solution, nous avons réalisé une centaine d’audits. Kévin et moi (co-fondateurs de Beeldi) sommes nous-mêmes issus du secteur de la maintenance multi technique.
Quand on est sur le terrain, on se rend bien compte que certaines étapes d’un audit, et notamment cette phase de récolte de données techniques des équipements, sont rébarbatives et chronophages. Notre mission chez Beeldi étant de faciliter la gestion technique mais aussi la récupération des données sur le terrain, cela faisait sens pour nous de réfléchir à comment optimiser ça.
A la même période, nous étions incubés chez Agoranov, un des meilleurs incubateurs d’Europe dans la deep-tech. Nous avons donc côtoyé beaucoup de startups dans l’Intelligence Artificielle et nous avons été bluffés par la variété des usages qui en sont faits et par la maturité des technologies, notamment sur la partie « reconnaissance optique des caractères (OCR) ».
C’est à ce moment-là que j’ai commencé à étudier les différents types d’algorithmes que nous pourrions utiliser et à dessiner à quoi pourrait ressembler le processus dans sa globalité ; de la photo prise par l’auditeur, jusqu’à l’enregistrement des caractéristiques dans l’application. La première chose que je me suis dite, c’est que ce n’était vraiment pas aussi simple qu’il n’y paraissait… Mais j’étais convaincu qu’on pouvait y arriver !
Q3 — Qu’est-ce qui a permis à Beeldi, plutôt qu’à un autre acteur, d’être le premier à développer ce module ?
"La première raison de taille, c’est notre base de données. Nous avons aujourd’hui l’une des bases de données d’équipements la plus complète du marché."
C’est capital pour entraîner nos algorithmes et être en mesure de proposer une performance de reconnaissance suffisante pour l’utilisateur final.
La deuxième raison, c’est que nous pouvions directement intégrer ce module à notre solution. Miro ne fait pas doublon avec l’outil utilisé par les auditeurs, il est parfaitement intégré à leur application d’audit.
Je vois une troisième raison, qui est plutôt d’ordre organisationnelle. On a en effet décidé de développer ce module comme un « side project » au sein de Beeldi, en donnant beaucoup de liberté aux collaborateurs dans l’élaboration de la solution (merci à nos super data scientists Nicolas et Clément).
Pour financer le projet, nous avons présenté un projet d’innovation pour un montant de 600 k€ à la région IDF via le programme « Innovup Leader PIA » (programme qui vise à propulser des acteurs qui ont l’ambition de devenir des leaders sur leur marché grâce à la technologie) pour un financement à 50%. Nous avons eu la chance d’être sélectionnés.
En janvier 2020, nous avons recruté l’équipe de data scientists dont nous avions besoin pour le développement. J’ai piloté le projet et essayé d’apporter un maximum de soutien, notamment en communiquant clairement sur l’expérience que j’imaginais côté utilisateurs.
Avec une première version disponible pour nos bêta-testeurs cet été et une version publique, robuste, disponible depuis début octobre, je pense que nous pouvons considérer que le mode organisationnel de ce projet a été un succès !
Q4 — Quel est le gain de temps estimé aujourd’hui pour un auditeur ?
"On estime que la partie « description des équipements » représente environ 1/3 du temps d’audit sur le terrain."
Aujourd’hui Miro est capable de reconnaître 90% des plaques signalétiques.
Au global, grâce à la centralisation induite par la digitalisation du process et grâce à la production automatique du rapport d’audit, on considère que Beeldi peut faire gagner 40% de temps sur un audit.Q5 — Quels ont été les plus grosses difficultés auxquelles vous ayez été confrontées ?
Ce qui nous a posé le plus de problèmes a été de trouver la meilleure “méthodologie” de machine learning pour obtenir les meilleurs résultats. En effet, personne n’a jamais appliqué le machine learning à notre sujet. Il a donc fallu mener un vrai projet de recherche afin d’évaluer les possibilités et d’anticiper les résultats en se basant sur d’autres domaines d’application, comme la santé ou la robotique par exemple. Comme dans tout projet de R&D, cette phase de documentation a été primordiale pour lever les premiers verrous techniques.
Q6 — Quels sont les prochaines idées d’amélioration de ce module ?
Il y a encore beaucoup de choses à faire pour améliorer Miro et nous explorons plusieurs pistes. Aujourd’hui, nous sommes satisfaits des résultats mais nous avons conscience que Miro pourrait être plus performant. Sans trop en dévoiler, nous travaillons en ce moment à ce que Miro n’ait plus besoin d’une connexion à internet pour fonctionner…