InovHacktion 2017 au CEAM

0
535
InovHacktion 2017 photo de groupe

Du 23 au 24 Septembre 2017, le CEAM (Centre d’Expertise Aérienne Militaire) de Mont-de-Marsan (40) propose l’InovHacktion 2017.

Il s’agit du premier hackaton « de luxe » organisé par l’armée de l’air et mettant l’accent sur l’innovation au service de problématiques concrètes et immédiates.

En savoir plus sur l’InovHacktion

I. Les défis

Six défis étaient proposés aux 60 participants sélectionnés par le CEAM. On avait une semaine avant le début du week-end pour découvrir les sujets et éventuellement les préparer…

Découvrons ensemble ce qui était proposé (il fallait choisir 1 défi parmi les 6 et s’organiser en équipe de 5 personnes).


1.Conception d’une soute d’avion pour transporter des malades contagieux (Ebola)

Ce sujet n’était pas du tout orienté « programmation » mais plutôt génie des stuctures ou des matériaux. Deux médecins étaient là pour aider l’équipe dans son travail et répondre aux questions.

Télécharger le sujet


 2.Solution pour transférer des informations depuis une zone contaminée sans s’exposer

Ici on touche à plusieurs domaines, que ce soit de la sécurité (comment ne pas s’exposer) à l’ergonomie (design d’une application portative facile d’utilisation avec des gants) et aux solutions plus hardware sur l’acheminement des informations (sans internet) qu’il faut évidemment récupérer au préalable.

Télécharger le sujet


 3.Dénombrer dans une image aérienne tous les véhicules puis les catégoriser par type (voiture, camion, moto, etc…)

Un sujet divisé en deux parties d’analyse d’image : il faut tout d’abord concevoir un algorithme de deep-learning permettant d’isoler tous les véhicules de l’image (en faisant attention aux ombres et aux arbres qui peuvent fausser les résultats), puis implémenter un second algorithme qui détermine de quelle nature est un véhicule (catégorisation).

On est donc en pleine data-science / deep-learning, le plus long (et laborieux !) étant de construire la base d’apprentissage…

Mes pistes

  • utilisation de CNN (Convolutional Neural Network), bien entendu, pour les algorithmes
  • ou d’OpenCV.

Télécharger le sujet


 4.Pouvoir effectuer des recherches dans des PDF

J’ai longuement hésité à prendre ce sujet pour le défi « NLP » (Natural Langage Processing) qu’il aurait pu représenter. En effet, une première piste était de concevoir un algorithme qui aurait permis de construire des résumés des PDF d’entrée.

Cependant, la solution retenue a été d’extraire des PDF toutes les données texte, de les insérer dans une base de données et de brancher un moteur de recherche Solr dessus pour répondre au besoin…

Mes pistes

  • classification de texte pour en extraire les idées essentielles (inspirée des chat-bots)
  • du text mining
  • un « vieil » algorithme prometteur (que je voulais tester) de résumé automatique d’un texte (non supervisé)
  • l’utilisation de Tree-LSTM pour résoudre le problème partant d’une base de connaissance (supervisé)

Télécharger le sujet


 5.IA de reconnaissance des différents types d’aéronefs

C’est LE sujet que j’ai pris. Au sein d’une équipe de 5 personnes, on a dû concevoir une IA permettant de reconnaître les différents types d’aéronefs (afin d’être embarquée dans les avions intercepteurs et de déterminer rapidement pour le pilote si l’avion est de type militaire ou civil, ainsi que son modèle). De plus, on a aussi dû concevoir une IA d’apprentissage chargée d’enseigner aux pilotes à reconnaître les aéronefs (par un procédé de gamification). Enfin, il nous a fallu réaliser une application mobile présentant tout ceci.

Mes pistes

  • Pour l’IA de reconnaissance des aéronefs, un CNN classique fait parfaitement l’affaire. La plus grosse difficulté était de constituer la base de connaissance (que je détaillerai dans un article de data mining / scrapping)
  • Pour l’IA d’apprentissage, on n’a pas eu le temps de rentrer vraiment dans le vif du sujet (on a simplement indiqué ce qu’elle devait gérer et « comment »). Cet article regroupe plusieurs idées intéressantes. Sinon, les articles de Wikipedia et ceux sur les algorithmes de bruit sont une bonne base (même s’il vaut mieux sans doute concevoir son IA de zéro, ou s’orienter plutôt sur les algorithmes derrière l’apprentissage de langues ou de flashcards)
  • Pour l’application mobile, on a choisi d’utiliser Unity3D afin d’aller plus vite

Télécharger le sujet


 6.Représentation graphique des systèmes SI nécessaires à une action militaire

Concrètement, pour ce défi, il fallait proposer une interprétation visuelle d’un énorme fichier Excel regroupant tous les SI possibles (avec différents niveaux d’utilité) pour une capacité précise. Il s’agit donc de data-visualisation, ce qui a un lien ténu avec la data-science (où la capacité à rendre compte et à interpréter des données est centrale pour le business).

Mes pistes

  • Trouver une librairie Javascript (ou en adapter une), après une longue phase de conception

Télécharger le sujet


II. Mon expérience

Tout a commencé au départ de Bordeaux, dans un bus alloué spécifiquement par le CEAM pour nous entraîner à Mont-de-Marsan dans les Landes (40), dès 9h15 le samedi matin.

Lors du premier jour, on a pu découvrir l’installation (un pôle culturel et théâtre prêté par la Mairie de Mont-de-Marsan), les diverses activités proposées (détaillées plus loin), la nourriture à profusion et… nos lits de camp !

InovHacktion remise des prixAprès une présentation du programme très chargé des deux jours, on se répartit les sujets qui nous intéressent au gré des rencontres. Pour ma part, j’échange avec Frédéric Coubard, pilote de l’armée de l’air et tout autant passionné d’IA que moi-même sur des pistes possibles du sujet 5 qu’il encadre. Convaincu et motivé, je m’embarque donc sur la conception d’une IA de reconnaissance des aéronefs.

pilotage de drone

Beaucoup d’activités sont proposées au cours de ces deux jours, de mémoire :

  • Pilotage de drones (avec le casque)
  • Visite du Rafale, avion emblématique de l’armée française
  • Séances de massage
  • Conférence d’IBM sur Watson et l’Intelligence Artificielle
  • Séance de « TOP » (exercices d’éveil du corps pour reprendre de l’aplomb avant la nuit blanche)
  • Et bien d’autres activités (qu’on n’a pas eu le temps de faire tant le hackaton était court)

InovHacktion dortoir

Après une nuit quasiment blanche dans des lits de camp (2h de sommeil), on a dû préparer un pitch pour le dimanche après-midi afin de départager les participants sur la solution qu’ils ont apporté aux défis.

InovHacktion remise des prix

Devant un jury pluridisciplinaire constitué de VIP, de généraux, d’un Ministre, de Directeurs, on a enfin présenté en 5 minutes notre application et les idées qui tournaient autour (IA), le dimanche après-midi.

 

III. Conclusion du week-end

J’ai passé un excellent moment aux côtés du CEAM et avec tous les participants de l’événement. Parfaitement bien organisé (surtout pour une toute première fois !), il n’y a eu aucune anicroche. Les défis étaient tous intéressants et m’ont ouvert de nouvelles perspectives.

Je remercie donc le CEAM, ses partenaires, et surtout toutes les personnes avec qui j’ai eu l’occasion de travailler et échanger ce week-end, c’était vraiment génial !

Je conseille donc à toutes et à tous de s’inscrire l’année prochaine pour la seconde édition !

IV. Le Podium

Le podium inovhaction 2017

Sans plus tarder voici le podium, récompensé par l’ensemble du Jury :

  1. Le premier prix a été décerné à l’équipe « Défi 4 » pour avoir extrait des PDF l’ensemble des données texte et de les avoir mises dans une base de donnée indexée par le célèbre moteur de recherche Solr
  2. Le second prix est revenu à l’équipe « Défi 6 » pour ses nombreuses propositions de rendu graphique des données d’entrée et pour sa version finale très aboutie et « user friendly »
  3. Enfin, un prix spécial a été remis à l’équipe « Défi 1 » pour avoir réalisé une maquette de la soute d’un avion et pour son étude très complète sur les différents matériaux à utiliser et les appareils à embarquer à bord de l’avion
PARTAGER
Article précédentBienvenue !
Article suivantTutoriel : Massive Google Image scraping
Lambert R.
Ingénieur d'Etudes et Data Scientist depuis plusieurs années, mes travaux et mon parcours scolaire (master en mathématiques fondamentales) m'ont amené aux abords de l'intelligence artificielle. Aujourd'hui j'écris des articles en data science, deep learning, big data et intelligence artificielle pour PenseeArtificielle.fr, dans le but de promouvoir et vulgariser les promesses d'avenir qu'offrent ces domaines de pointe.