Catégorie : actualité

Reconnaissance vocale de locuteurs : Comment, pourquoi

La reconnaissance vocale de locuteurs : comment et pourquoi

Reconnaitre une personne par sa voix est de plus en plus un enjeu fort en matière d’authentification des personnes à des fins de vérification et de sécurité. La reconnaissance de locuteurs est un sous-ensemble de la reconnaissance vocale qui, par le deep learning en lieu et place des méthodes statistiques, progresse très fortement.

Reconnaissance dépendante ou indépendante

Il existe deux types de reconnaissance de locuteur : soit par la reconnaissance dépendante du texte (Text-dependant speaker recognition), soit par la reconnaissance indépendante du texte (Text-independant speaker recognition). Dans le premier cas, l’algorithme est entrainé par des phrases pré établies et dites par un panel de locuteurs à reconnaitre. Dans le second cas, il n’y a pas d’entrainement sur une phrase spécifique, ce qui rend la méthode sans doute moins efficace.

Identification ou authentification vocale

La majorité des solutions développées en reconnaissance de locuteurs ont une objectif d’authentification, c’est-à-dire vérifier avec un niveau de doute minimal qu’une personne est bien celle qui a enregistré sa voix pour vérification. Cela répond aux besoin des entreprises de minimiser les risques de fraude (usurpation d’identité notamment) vis-à-vis de leurs clients. Maintenant ces solutions ne permettent pas reconnaitre la personne, parmi un groupe de locuteurs, qui nous a principalement adressé la parole. Dans ce cas, il s’agit de mettre en place un algorithme d’identification. L’approche est d’autant plus complexe si plusieurs personnes (locuteurs) parlent en même temps, auquel cas la méthode d’authentification vocale doit intégrer le principe de diarisation, c’est-à-dire une segmentation de l’enregistrement vocal de sorte d’obtenir des segments vocaux ne contenant si possible qu’un seul locuteur.

Python, Pyannote et DeepSpeaker

Il existe aujourd’hui une offre commerciale de solutions de reconnaissance de locuteurs (Microsoft Azure, Oxford Wave Research Vocalize …). Cela reste un domaine pour lequel beaucoup de travaux de recherche sont en cours. Pacte Novation s’est essayé à la construction d’un logiciel en s’appuyant sur le langage Python, la librairie Panda pour la gestion des données, la librairie Tensorflow de Google avec une surcouche Keras pour la construction du réseau de neurones, Pyannote.audio pour la diarisation des locuteurs et enfin DeepSpeaker, un système d’intégration de haut-parleurs neuronaux. Après 6 mois d’effort, l’algorithme de d’authentification vocale est efficace à 73%.

Nous vous proposons des solutions autour du système d’information, système expert, embarqué et édition de logiciels, nous permettant de répondre à la plupart des exigences du marché.

Quel est le processus de transformation digitale en France ?

Environ 86% des Français utilisent internet en 2021. Cela témoigne de son rôle clé dans le fonctionnement de la société. Face à ce constat implacable, les entreprises ont dû prendre le tournant du numérique. Néanmoins, ce processus de transformation digitale connaît des fortunes diverses. Comment le décrire ?

Un processus enclenché qui se développe à grande vitesse

La transformation digitale est une réalité et une tendance marquée. Chaque année, des milliers d’entreprises débarquent sur la toile pour conquérir de nouveaux clients. Elles tentent ainsi de séduire une partie des acheteurs en ligne qui sont près de 40 millions en France. De même, près de 40 millions de Français sont présents sur les réseaux sociaux.

Un Français passe en moyenne plus de 2h40 par jour sur internet et près d’une heure 40 sur les réseaux sociaux. Youtube est le réseau social le plus utilisé, suivi de près par Facebook puis par Instagram. En ce sens, avoir une forte présence sur internet pour une entreprise est une nécessité. Cela lui permet de s’exposer à un public large et nombreux et de booster ses ventes. De plus, elle peut promouvoir ses produits sur les réseaux sociaux.

Une transformation digitale inégale

Toutefois, tout le monde n’est pas touché autant par cette forte tendance. En 2020, moins d’un tiers des TPE considéraient en faire partie. Une très large majorité des PME (environ 70%) déclarent ne pas avoir d’outils digitaux efficaces. Les ETI, quant à elles, sont beaucoup plus incluses dans cette tendance. Elles sont plus de 4 sur 5 à être engagées dans ce processus. Cela leur bénéficie puisqu’elles voient leurs chiffres s’envoler et gagnent en visibilité ainsi qu’en efficacité opérationnelle.

On le constate, la transformation digitale gagne du terrain. Néanmoins, elle concerne plus les grandes que les petites et moyennes entreprises.

Domotique, IOT : découvrez les dernières tendances pour une société toujours plus moderne

L’avancée permanente de notre mode de vie et de nos habitudes de consommation ne cesse de faire naître en nous de nouveaux besoins. Afin de satisfaire ceux-ci, nous développons chaque jour de nouvelles solutions intelligentes qui s’adaptent parfaitement à nos réalités.

La domotique : pour des maisons toujours plus ergonomiques

Cela ne vous a sans doute pas échappé : les maisons connectées et contrôlables à distance, le contrôle intelligent de la consommation électrique, les alertes de présence au domicile, l’extinction automatique de l’éclairage, le verrouillage automatique des portes, etc. Ces termes ne vous sont plus étrangers. Vous les avez probablement déjà expérimentés chez un parent, un ami ou en avez déjà entendu parler. Toutes ces tâches, autrefois faites manuellement, sont aujourd’hui complètement automatisées grâce à la domotique. Et ce, dans le but de vous apporter le maximum de contrôle (sécurité et gestion de la consommation énergétique notamment) et de facilité (confort) grâce à la technologie.

Le IoT ou le monde des objets connectés

Si le terme iot ne vous évoque rien, c’est probablement parce qu’il est un anglicisme signifiant littéralement « Internet des Objets ». Ce terme regroupe l’ensemble de nos objets du quotidien que nous connectons à Internet. Vous l’aurez compris, cela va de la plus petite enceinte connectée aux caméras de surveillance dans les rues. Et cela dans le but d’optimiser et de faciliter le traitement des informations entre machines avec le minimum d’interventions humaines. Ainsi, les machines communiquant entre elles prennent des décisions permettant d’améliorer notre quotidien. Cela est particulièrement utile dans les industries et dans les grandes chaînes de production où l’automatisation de processus apporte un gain de temps considérable.

IoT et Big Data : une relation forte

Saviez-vous que chaque fois que vous interagissez avec du matériel connecté, vous générez des données ? Effectuer une recherche sur Internet, aller sur un réseau social, écouter de la musique sont autant de moyens aujourd’hui de générer des données. Autant vous le dire, nous produisons des quantités colossales de données chaque jour. Ce sont ces données produites qu’on désigne par le terme « big data ». L’analyse et le traitement de ces données est un enjeu majeur de technologie.

Comment le Machine Learning et le Big Data s’entremêlent aujourd’hui ?

Comment le Machine Learning et le Big Data s'entremêlent aujourd'hui ?

De nos jours, le Machine learning et le Big data sont étroitement liés. Ils sont même interdépendants. En effet, l’apprentissage automatique des ordinateurs ne peut pas se faire sans le recours à de grands ensembles de données.

Mais en quoi consistent exactement ces deux disciplines ? Dans quelle mesure dépendent-elles l’une de l’autre ?

Machine learning et Big data : deux disciplines dans l'ère du temps

L’apprentissage automatique est une branche et une technique de l’IA (intelligence artificielle). Elle consiste à apporter des solutions à des problèmes statistiques complexes et d’exploitation de la donnée par la reconnaissance de motifs récurrents dans un ou plusieurs flux de données. De manière plus simple, il s’agit pour l’ordinateur de réaliser des analyses prédictives en s’appuyant sur des techniques statistiques. En quelques fragments de secondes, la machine réalise un forage des données et décèle des comportements anormaux ou suspects, telles les fraudes par exemple.

Le Big data peut être défini comme de vastes ensembles de données qui peuvent être collectés et analysés dans le but d’en dégager des informations stratégiques, utiles aux entreprises. Ces données peuvent aussi être utilisées lors de projets d’apprentissage automatique. Le Big data peut servir plusieurs objectifs : créer des campagnes marketing personnalisées, accélérer la prise de décisions, traiter des plages de données exhaustives entre autres.

Les liens entre l'apprentissage automatique et Big data

Le Machine learning repose sur le Big data. En effet, une machine ne peut pas développer son intelligence par cette technologie si elle ne dispose pas de grands ensembles de données. Plus la quantité de données est élevée, plus la solution finale apportée au problème est fine et précise. Prenons l’exemple des fraudes dans les paris sportifs. Pour apprendre à votre ordinateur à les identifier, il est préférable de lui soumettre les données de beaucoup de parieurs, pour identifier celles qui sont anormales.

On le comprend, ces deux notions fonctionnent ensemble. Le Big data est même le préalable nécessaire au fonctionnement de l’apprentissage automatique des machines.