Le data challenge du festival IA PAU 6 a rassemblé plus de 130 étudiants issus de nombreuses écoles et universités françaises qui ont élaboré en équipe des solutions aux projets proposés par 3 entreprises :
- ALSTOM : multinationale française dans le secteur des transports, principalement ferroviaires (trains, tramways et métros)
- FEBUS OPTICS : leader mondial des systèmes de capteurs à fibre optique répartis
- TOTAL ENERGIES : compagnie multi-énergies intégrée mondiale de production et de fourniture d’énergies
L’association IA PAU remercie tous les participants, les mentors et les porteurs de projets.
Déroulement
Le jeudi 5 décembre 2024, à partir de 18h00, les 3 entreprises ont présenté en distanciel un problème à résoudre avec une technologie d’intelligence artificielle : optimiser le trafic du métro parisien lors d’un incident pour Alstom, surveiller des infrastructures réseaux via l’écoute passive par fibre optique pour Febus Optics, détecter des animaux sauvages pour Total Energies.
Suite à cette présentation, les étudiants présents en ligne et inscrits ont constitué des équipes entre 3 et 6 personnes et choisi un sujet; certaines équipes ont été constituées lors de la présentation des sujets en fonction des affinités de chaque participant.
Les données des projets ont été transmises le vendredi 6 décembre à partir de 18h00 : chaque équipe a eu accès à son propre environnement de développement (Jupiter notebook).
Jusqu’au dimanche 8 décembre 14h00, chaque équipe a recherché une solution pour son projet et préparé un rendu sous forme de maquette et diapositives de présentation; durant cette période, des points réguliers ont été effectués avec des mentors techniques des entreprises porteuses des projets et de l’association IA PAU.
Le samedi 7 décembre à 14h00, un expert de l’association IA PAU a présenté un séminaire sur les relations entre IA et environnement : la plateforme web d’évaluation d’impact GAIA (Green AI Arena) a été présentée, des clés ont été données pour prendre en compte ces enjeux.
Le dimanche 8 décembre à 10h00, un expert en communication a animé une session de coaching à la présentation des résultats.
Le dimanche 8 décembre après-midi, chaque équipe a présenté en distanciel son projet devant des jurys d’experts qui ont sélectionné un vainqueur pour chaque projet d’entreprise. Puis tous ces gagnants ont ensuite été départagés par un nouveau jury lors d’une nouvelle présentation diffusée en direct sur la chaîne YouTube IA PAU avec l’attribution d’un prix de 3 000 € pour le projet gagnant, 2 000 € pour le second et 1 000 € pour le troisième.
Sujets proposés
ALSTOM : résilience du métro parisien.
Problématique et objectifs : assurer une continuité de service auprès des usagers, en limitant l’impact des dysfonctionnements éventuels; les usagers vont devoir contourner les dysfonctionnements et cela aura pour conséquence d’entraîner une surcharge pour toutes les lignes adjacentes. Objectif : recréer une simulation virtuelle du métro, simuler une dégradation du trafic, être capable d’anticiper les flux de passagers et identifier les noeuds critiques sur lesquels une surveillance particulière doit être apportée. L’utilisation d’un GNN (Graph Neural Networks) et son explicabilité sont demandés à être utilisés pour simuler l’évolution des flux dans un réseau dégradé.
Descriptif du jeu de données fourni : les données se composent de 3 fichiers au format CSV, avec la liste des stations, la liste des correspondances, le flux des passagers.
Voir la vidéo de la soutenance du projet de l’équipe gagnante
FEBUS OPTICS : surveillance des infrastructures réseaux via l’écoute passive par fibre optique.
Problématique et objectifs : l’entreprise a développé un appareil qui permet de convertir chaque point d’une fibre optique en capteur capable de mesurer des vibrations tout au long de la fibre. Objectif : transformer des signaux invisibles à l’oeil nu en décisions stratégiques concrètes, c’est à dire concevoir un modèle d’apprentissage automatique capable de classer des événements ayant lieu sur une fibre optique, tout en répondant aux enjeux critiques de vitesse, précision et robustesse.
Descriptif du jeu de données fourni : les fichiers contiennent des séries temporelles mesurant les vibrations enregistrées sur la fibre optique. Des informations complémentaires sur le fonctionnement et les spécifications de ces données sont disponibles dans un document annexe.
Voir la vidéo de la soutenance du projet de l’équipe gagnante
TOTAL ENERGIES : détection d’animaux sauvages
Problématique et objectifs : l’objectif est de développer une méthodologie capable de traiter les images issues des pièges photos disposées sur des sites de TotalEnergies à travers le monde. Trois phases sont à traiter : identifier la présence d’animaux dans les images, classer les animaux détectés par espèce, compter le nombre d’individus d’une espèce présente sur chaque image. Le but est d’étendre le modèle au-delà des classes initiales et d’adapter sa capacité à identifier une large variété d’espèces animales dans des environnements divers.
Descriptif du jeu de données fourni : 9 861 images au format JPEG; la labélisation des photos a été effectuée
manuellement; 8 classes (espèces) disponibles pour le data challenge.
Voir la vidéo de la soutenance du projet de l’équipe gagnante
Résultats
Félicitations à toutes les équipes qui ont travaillé intensément durant 3 jours et 3 nuits et ont apporté des solutions de très grande qualité aux projets proposés.
C’est une équipe d’étudiants de l’école INSA Toulouse qui a remporté ce data challenge.
