#biometricscapters

Il raconte comment au début, avec ses collègues designers, ils étaient tous excités à l’idée de faire quelque chose avec l’IA. Dès qu’ils ont eu accès à IBM Watson pour imaginer une utilisation, ils ont développé cette idée bizarre permettant de pousser des recommandations de modèle de voiture à partir des tweets des prospects sur leur profil.  Une idée très pub, très personnalisée, mais qui malheureusement, n’a abouti à rien tellement on dit n’importe quoi sur les réseaux sociaux. En tout cas, rien qui puisse orienter notre envie/besoin pour une Focus, une Fusion, une Mustang ou un Raptor. C’était y a 5 ans.

Aujourd’hui, quand il regarde les IA il s’interroge sur leur fiabilité dans son domaine, le design automobile. La courbe de Gartner nous confirme que la maturité n’est pas encore garantie pour une utilisation fiable à grande échelle. De plus il ne sait pas comment s’en servir et se sent mal à l’aise face aux conséquences de l’usage de l’IA à terme. Ne serait-ce que pour son propre job.

Et là, un frisson traverse l’assemblée faite de geeks et de designer qui s’interrogent sans doute au même moment. Alors pour prendre le sujet à bras le corps, il a fondé un groupe de travail avec plein d’autres designers. Il leur fallait lancer la conversation, partager les early learnings, et voir comment avancer sur les sujets. Ils font rapidement le constat qu’en matière d’intelligence artificielle ou de machine learning, beaucoup de gens en parlent, mais peu s’y connaissent réellement. Tous qui ont un réel savoir-faire sont happés par les univers les plus demandeurs, et qui rapportent, tels de la Finance, Google ou la médecine et les laboratoires. Le design auto passera après. Ils se débrouillent avec leur process design thinking et aboutissent à trois uses case que voici.

1 - L’IA permet-elle de mieux comprendre les sentiments des gens face aux objets ?

Quels sentiments humains quand on découvre une tesla pour la première fois ? Si on est conducteur, passager, à l’arrière ou devant, Gen Z ou Gen Alpha. Ils ont installé des caméras dans l’habitacle, collé des biometrics capteurs sur chacune des personnes et une IA de Face Recognition. Et en avant la famille pour un tour d’un week-end dans la nouvelle Tesla. Tout a été capté, classé et analysé : la surprise, la joie, l’ennui, la peur (au moment du passage en mode autonome)... Un beau consumer Journey plein de couleurs et de courbes qui montent et qui descendent. Mais est-il mieux que le même exercice fait par des humains à partir des mêmes capteurs ? Pas réellement, car à date, l’œil humain comprend mieux les émotions les plus subtiles et relie mieux entre elles les données biométriques et faciales. Mais l’IA est moins chère et plus rapide, et on peut imaginer qu’elle va apprendre et qu’elle donnera de meilleurs résultats à la prochaine expérience. Au final, Yann suggère d’utiliser les 2 ensemble.

2 - Autre cas, l’IA est-elle capable d’améliorer le travail de conception sur des gros volumes de pièces automobiles ?

Ils se donnent des objectifs précis comme réaliser les petites pièces, alléger les produits, réduire les composants. Pour bâtir une vraie courbe d’expérience, ils essaient plusieurs IA. Ils s’amusent de constater que des softwares différents produisent des résultats différents, un peu comme les gens, et que sur les différents exercices, les résultats ne sont pas toujours opérationnels. Il nous projette des plans en 3D d’objets inconnus qui tournent à l’écran, avec les chiffres sensés valider toute la démarche.

Pour la réduction de la masse, l’IA a tellement réduit que les pièces n’étaient plus assez solides. Parfois, ça tient, mais c’est moche. Il arrive aussi que l’IA produise des solutions imprévisibles mais inspirantes. Au final, ils se disent que ça marche pour l’instant sur les trucs simples et invisibles.

3 - L’IA nous permet-elle de mieux comprendre les déplacements humains ?

Dans l’automobile, les salons constituent un passage obligé et souvent révélateur pour les nouveaux modèles présentés. Ont-ils rencontré leur public ? Qu’est-ce qui a marqué les observateurs ? Comment savoir si on a fait un bon salon ?

Il est toujours possible de faire des interviews qualis et des études quantis mais c’est limité et souvent biaisé. Pour comprendre comment les gens se comportent, ce qui les a intéressé, Yann et ses collègues ont truffé leur stand de caméra et ont demandé à l’IA d’analyser tous les mouvements, la vitesse, les attitudes corporelles, les visages, les gestes… On obtient des heatmaps beaucoup plus précises qu’avec les beacons, mais surtout des parcours préférentiels types et une analyse quali des points d’arrêt (tel modèle, telle partie du modèle…). De plus, ça nous permet d’écouter la majorité silencieuse qui ne fait/touche rien normalement. A la fin, on comprend mieux ce qui a marché et pas marché.

Après ces 3 use cases qui montrent les possibilités réelles et les limites actuelles de l’IA dans le design, on sent que l’assemblée est captivée mais encore inquiète face à cette menace pour leur job. C’est le moment que choisit le gars pour conclure avec la Loi de Kasparov qui, quand il a été battu aux échecs par la machine a dit « Mais non, je n’ai pas été battu par une machine mais par une équipe Hommes/Machine ! »

Il faudra toujours un homme pour guider la machine, aussi intelligente et learning soit-elle,  en tout cas dans le design, c’est  pourquoi il pense que le designers vont devenir des curators de solution IA.