Construisez votre entreprise cognitive avec IBM Watson.

NSI-PIXELIXIR Academy présente

Luxembourg / 04.06.2018

PIXELIXIRAcadémie Watson

Luc de Ribeiro

PIXELIXIRPIXELIXIR EN BREF

•Création en 2000 •Bénélux •Partenaire historique d’IBM

Belgium/2000

France/2009

Luxembourg/2005

Netherlands/2008

PIXELIXIRPIXELIXIR EN QUELQUES CHIFFRESChiffre d’affaires (en million d’€)

0

50

100

150

200

250

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

# Clients

0

1

2

3

4

5

6

7

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

# Chiffres d'Affaires (en millions d'€)

Nombre de clients

e-commerce publication digitale

intelligence augmentée

PIXELIXIRNOTRE OFFRE DIGITALE

Références

NSI en bref

1993Date de création de la

société familiale

5Bureaux en Belgique

et en Luxembourg

3Filiales

€70 mChiffre d’affaires

en 2017

600Employés engagés

Une croissance maîtrisée

0

100

200

300

400

500

600

700

2012 2013 2014 2015 2016 20170

10000000

20000000

30000000

40000000

50000000

60000000

70000000

80000000

Employés C.A.

• Web Portails & Intranet• Document Management• Customer Experience• Digital Publication• Collaboration

• ERP• CRM• E-Commerce• Business Analytics

• Software Development• Application Outsourcing• Agile Coaching & Transformation• DevOps

• Infrastructure Management• Multi-lingual Service Desk• Workplace Management• Application Performance Management• Security

• Private & Public Cloud• Server Solutions• Storage & Backup Solutions• Virtualisation• IT Workplaces• Unified Communications• Security & Networking• DevOps

• Artificial Intelligence

• Mobile Apps

• Workforce Management

Portfolio

INTRODUCTIONL’intelligence augmentée avec Watson

par Jean-Dominique QUINET

Agenda

• IBM Watson: définition et périmètre • NLP • Chatbots • Discover/Explorer • Knowledge Studio • Analytics • Watson Studio • Un projet? Les premiers pas.

Introduction4 PILIERS DES TECHNOLOGIES COGNITIVES

IntroductionQUAND UTILISER LES TECHNOLOGIES COGNITIVES?

• Les problèmes sont complexes, les informations et la situation changent et le résultat dépend du contexte;

• Les sources de données sont fluctuantes, il y a des données non structurées (textes, images)

• On cherche un ranking (score de confiance), des alternatives

• Cela dépend du contexte: temps, utilisateur, lieu, élément d’une tâche

• Un dialogue ou une collaboration homme/machine est requis.

IntroductionQUAND NE PAS UTILISER LES TECHNOLOGIES COGNITIVES?

• Des résultats prévisibles et répétables sont requis (ex: sales report)

• Toutes les données sont structurées, numériques, prévisibles.

• Une approche probabiliste n’est pas désirable

• Des systèmes transactionnels existants sont adéquats

• L’interaction, notamment en langage naturel, n’est pas nécessaire.

IntroductionARTICLES

• https://medium.com/@interludist/lintelligence-artificielle-et-la-disparition-des-interfaces-non-naturelles-66dafb221fe4

• http://digitalpost.ddb.fr/la-nouvelle-interface-cest-labsence-dinterface/

•

IntroductionPOURQUOI LES TECHNOLOGIES COGNITIVES SONT MISES EN PLACE…

IntroductionQUELQUES RÉUSSITES “COGNITIVES” !

Watson Assistant

Watson Explorer

Watson Knowledge Studio

Watson Analytics

IntroductionL’OFFRE IBM WATSON

29 APIs IBM Bluemix Watson, plus à venirProduits SaaS

Langage Parole Vision Données

Watson Studio

Watson Content Hub

IntroductionQUELQUES SERVICES IBM WATSON SUR BLUEMIX

IntroductionIBM ET FORRESTER

NLP DS Platform

NLPL’intelligence augmentée avec Watson

NLPQUE RECOUVRE LE NLP?

NLPCOMMENT FONCTIONNE LA RECONNAISSANCE?

NLPEXEMPLES

• traitement de grandes quantités de textes • traduction • traitements de textes avancés • transformation textes/paroles • reconnaissance automatique de la parole • traduction paroles -> paroles • génération de textes • découvertes des données cachées (dark data) • bots

NLPOU L’UTILISE-T-ON?

• moteurs de recherche • extraction d’information • filtrage collaboratif • publicité personnalisée • capture de la connaissance • détection des fraudes • analyse de sentiments • veille de réputation • …

NLPDECOUVERTE DE DONNÉES “CACHÉES” (DARK DATA)

NLPCHATBOT

NLPLE NLP MIS EN OEUVRE

https://natural-language-understanding-starter-kit.ng.bluemix.net/

https://katabat.com/blog/artificial-intelligence-real-talk-forrester-says-invest-now/

EXEMPLES

NLP

https://www.nytimes.com/2018/04/11/technology/personaltech/i-downloaded-the-information-that-facebook-has-on-me-yikes.html

SDK & EXEMPLE DE CONSOMMATION

NLP

• montrer bluemix • petit script node. • https://github.com/watson-developer-cloud/node-sdk

• Eurocities stream & newsletter • https://www.ibm.com/watson/services/visual-recognition/demo/#demo

EXEMPLES

NLP

Keywords

Entities

Categories

Concepts

EXEMPLES

NLP

SERVICES DE CONVERSATIONL’intelligence augmentée avec Watson

Services de conversationAPPLICATIONS

Services de conversationLA MODÉLISATION

• An Intent is a purpose or goal expressed in a customer’s input as answering a question or processing a bill payment. By recognizing the intent expressed in a customer’s input, Watson can choose the correct dialog flow for responding to it. - E.g : I want to listen to some rap music. -> Intent = listen to music

• An Entity represents a class of object or a data type that is relevant to a user’s purpose. By recognizing the entities that are mentioned in the user’s input, the Conversation service can choose the specific actions to take to fulfil an intent. - E.g : I want to listen to some rap music. -> Entity = rap music

• The Dialog component of Watson Conversation uses the intents and entities that are identified in the user’s input, plus context from the application, to interact with the user and ultimately provide a useful response. Your dialog is represented graphically as a tree; create a branch to process each intent that you define.

Services de conversationLA MODÉLISATION

Services de conversationLA MODÉLISATION

Services de conversationBIBLIOTHÈQUE D’INTENTION

Services de conversationARCHITECTURE TYPIQUE D’UNE SOLUTION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationEXEMPLE D’ANALYSE DE CONVERSATION

Services de conversationDEMO

orangebank

1800 flowers - gyn

demo du bot hotel

https://watson-assistant-demo.ng.bluemix.net/

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

Services de conversationPATTERNS DE FLUX DE CONVERSATION

DISCOVERYL’intelligence augmentée avec Watson

Discovery / ExplorerEXEMPLES

Discovery / ExplorerDEMO

https://watson-news-intelligence-starter-kit.ng.bluemix.net/

IBM Watson Explorer - local

WATSON KNOWLEDGE STUDIOL’intelligence augmentée avec Watson

Watson knowledge studioEXEMPLE - CONSTRUCTEUR AUTOMOBILE

Watson knowledge studioUSAGE

Watson knowledge studioLE FLUX

Watson knowledge studioCONSTRUIRE UN MODÈLE DE MACHINE LEARNING

Watson knowledge studioCREER UN ANNOTATEUR - UN PROCESSUS ITÉRATIF

Watson Knowledge StudioDEMO

Firefox - bluemix.

WATSON ANALYTICSL’intelligence augmentée avec Watson

Watson AnalyticsDÉFINITION

Watson AnalyticsCARTOGRAPHIE DE LA SOLUTION

Watson AnalyticsEXEMPLES

Watson AnalyticsEXEMPLES

Watson AnalyticsDEMO

Firefox - bluemix.

WATSON STUDIOL’intelligence augmentée avec Watson

Watson StudioZONES D’EXPERTISE

Hybrid Data Management

CollectUnified Governance

and Integration

Organize

All Data

Open Source

Common Application Layer

Write Once, Deploy Anywhere

Find, Catalog and Mask data

Integrate Fluid Data

Built-in Compliance

Machine Learning Powered

Data Science andBusiness Analytics

Analyze

DescriptivePredictive

Prescriptive

Coders and Non-Coders

Advanced Analytics

Analytics: Areas of concern

Watson StudioUNE APPLICATION DE DATA SCIENCE

IBM Watson Studio 8

A Data Science Application - Fundamentals

Clearly Articulate Use Case

Gather all the Data

Machine Learning

Prepare Data

DigitalApplication

Evaluate

How does it work?

Watson StudioUNE ARCHITECTURE TYPIQUE

IBM Watson Studio 10

© 2018 IBM Corporation

IBM Watson Studio 10

Watson Studio end-to-end app architecture

Watson Studio

Watson AnalyticsCOLLABORATION

Watson AnalyticsMODÉLISATION

PREMIERS PASUn projet?

Un projet?COMMENT COMMENCER?

Se focaliser sur des améliorations ayant de la valeur business.

• Pour avancer il faut démarrer - et démarrer est plus simple que vous ne le croyez

• L’adoption des technologies cognitives prend diverses formes et tailles et la plupart du temps, commence à petite échelle.

• Ce que les projets à succès ont en commun (quelle que soit leur ambition), c’est la vision claire de ce que les technologies cognitives peuvent et ne peuvent pas faire.

• Dans l’évaluation des technologies cognitives, l’adoption ne fait sens que si elle s’aligne avec des priorités stratégiques.

• Votre stratégie d’adoption devrait soutenir des résultats rentables, tels qu’épargner de l’argent, gagner des clients ou augmenter le revenu.

Pros

• Faible coût technologie.

• Flexibilité importante pour construire la solution

Cons

• Stratégie la plus demandeuse de compétences et d’investissements internes

• Plus long investissement en temps pour accomplir le projet.

Un projet?COMPARATIF D’IMPLÉMENTATION - 1) TECHNO OPEN SOURCE

Pros

• Faible compétence nécessaire en interne.

• Les apis guident l’approche avec de la documentation.

• Beaucoup de bonnes pratiques sont incluses dans le service.

Cons

• Nécessite des compétences en machine learning

• Les coûts doivent être maîtrisés

• Nécessite généralement une connection internet pour l’accès aux APIs.

Un projet?COMPARATIF D’IMPLÉMENTATION - 2) API PROPRIETAIRES

Pros

• Très rapide pour avoir de la valeur

• Solution adaptée à votre organisation

Cons

• Avec des compétences sur mesure viennent des prix sur mesure.

Un projet?COMPARATIF D’IMPLÉMENTATION - 3) TRAVAILLER AVEC DES EXPERTS

Un projet?COMMENÇONS PAR UN POC

7-10 k€20-25 k€

40-50 k€

Exemples:

BOT (pas d’intégration)

Collections pour Watson Explorer Community

Data pour Watson Analytics

Prototype mettant en oeuvre 1 service api Watson

Exemples:

BOT (1 use case avec intégration)

Prototype d’applications mettant en oeuvre 2 à 4 services Watson API.

Watson Explorer.

Définition d’un dictionnaire métier et premier set ground truth.

Exemples:

BOT (plusieurs use case avec intégration)

Prototype d’applications mettant en oeuvre 5 à 8 services Watson API.

Proto d’applications NLP avec dictionnaire métier et boucle de machine learning (Knowledge Studio)

1-2j analyse, 8-10j dev, 1j présentation,1 rapport

3-5j analyse, 15-20j dev/config, 1-2j présentation,1 spécifications et1 budget

4-8j analyse, 30-40j dev/config, 1-2j présentation,1 spécifications et1 budget

MERCI!

Services de conversationARCHITECTURE TYPIQUE D’UNE SOLUTION