Stellantis & Deepomatic: Indexation de données et anonymisation
Début 2019, Stellantis a sélectionné Deepomatic à la suite d'un appel d'offres. L’entreprise souhaitait optimiser ses processus d’indexation et d’anonymisation des données. Son département R&D bénéficie désormais d’une plateforme de développement sans code permettant d'entrainer des algorithmes de reconnaissance d’images basés sur le deep learning. Grâce à sa plateforme, Deepomatic permet aux modèles de détection de scanner des données internes afin de signaler des conditions de conduite spécifiques (c.-à-d. tunnel, neige, etc.) et les anonymiser si nécessaire.
Des algortihmes de deep learning pour la reconnaissance d'images
Dans le cadre de son programme de R&D, Stellantis souhaite développer davantage les technologies qui supportent les véhicules autonomes. Plus particulièrement, ce projet permet de recueillir une quantité considérable d’images contextuelles de diverses conditions de conduite : des informations précieuses qui ajoutent des données réelles au script de conduite de base et aux environnements contextuels.
En matière de Deep Learning, le premier objectif est d’alimenter les systèmes avancés d’aide à la conduite (ADAS) avec des données indexées. Ce faisant, Stellantis remplit également son deuxième objectif, qui est d’anonymiser les données afin de se conformer davantage au RGPD.
Bénéfices
#1 Automatisation
Une fois que les modèles développés par Deepomatic sont intégrés à la plateforme, ils sont largement utilisés afin de rendre l’intervention manuelle inutile. En conséquence, les automates de Deepomatic réduisent les dépenses tout en augmentant la fiabilité.
#2 Réglementation
La plateforme garantit également la conformité de l’entreprise vis-à-vis de la réglementation RGPD (Règlement général sur la protection des données – UE).
#3 Autonomie des équipes
Deepomatic travaille main dans la main avec des experts en R&D lors du déploiement de technologies basées sur l’IA. Leur contribution en termes d’annotations de concept ou de déploiement de modèles dans leur environnement a été précieuse.
“Les équipes de Deepomatic et de Stellantis ont collaboré pleinement et efficacement pour intégrer la solution dans une variété d’environnements techniques.”
Fabien Figueres and Jean-Louis SauvagetBig Data-AI methodologies engineer and Vehicle Functional Architecture Expert / R&DStellantis