Comprendre l'IA qui reconnaît nos personnages

1 Pour l'ordinateur, une image, ce sont des nombres

La webcam découpe l'image en milliers de petits carrés : les pixels. Chaque pixel est un nombre qui dit s'il est clair ou foncé (et de quelle couleur). Une ombre noire sur un écran blanc, c'est donc un grand tableau de nombres : des « 0 » là où il y a l'ombre, des « 255 » là où c'est clair.

L'ordinateur ne « voit » pas un loup : il reçoit seulement des nombres.

2 MobileNet résume l'image en une « empreinte »

Comparer directement des milliers de pixels ne marche pas bien : si le personnage bouge d'un centimètre, presque tous les pixels changent. On utilise donc MobileNet, un réseau de neurones déjà entraîné par des chercheurs sur plus d'un million de photos. Il a appris à repérer des choses utiles : des bords, des pointes, des courbes, des formes…

MobileNet transforme chaque image en une liste de 1 280 nombres : son empreinte (on dit aussi ses caractéristiques). Deux images qui se ressemblent ont des empreintes proches.

L'IA ne compare pas les images elles-mêmes : elle compare leurs empreintes.

3 Apprendre, c'est mémoriser des exemples

Quand vous gardez le bouton « Ajouter des photos » enfoncé, l'outil calcule l'empreinte de chaque photo et la range dans la catégorie du personnage. Ces photos sont les exemples d'entraînement.

Ici, l'apprentissage est instantané : l'IA ne fait que mémoriser. Elle ne « sait » pas ce qu'est un loup ; elle sait seulement à quoi ressemblaient vos photos de loup.

L'IA apprend uniquement à partir des exemples qu'on lui donne. De mauvais exemples donnent une mauvaise IA.

4 Reconnaître : les 10 plus proches votent

Pour une nouvelle image, l'IA cherche les 10 photos d'entraînement dont l'empreinte ressemble le plus à la sienne. Chacune vote pour son personnage. Cette méthode s'appelle KNN (« k plus proches voisins », ici k = 10).

La confiance, c'est la part des votes : 8 votes sur 10 → confiance de 80 %.

Dans l'outil, le panneau « 🔍 L'IA compare avec… » de l'étape 1 montre en direct ces 10 photos : regardez qui vote !

5 Pourquoi prendre beaucoup de photos, et variées ?

Pendant le spectacle, le personnage ne sera jamais exactement à la même place : plus près, plus loin, penché, à gauche… Son empreinte change un peu à chaque fois.

C'est pour ça que l'outil demande au moins 15 photos et en conseille 30, prises sous plusieurs angles et distances.

⚠️ Attention aux photos ratées : si une main ou un bâton apparaît sur les photos du loup, l'IA peut apprendre « la main = loup ». Supprimez-les (clic sur la vignette).

6 Pourquoi une catégorie « Fond vide » ?

L'IA choisit toujours la catégorie la plus ressemblante parmi celles qu'elle connaît. Elle ne sait pas dire « il n'y a rien » si on ne lui a jamais montré à quoi ressemble « rien ».

Sans « Fond vide », un écran vide serait reconnu comme le personnage le plus proche… et sa LED s'allumerait toute seule ! Avec « Fond vide », l'écran vide a ses propres exemples : il gagne le vote, et l'outil ne déclenche aucune réaction.

Une IA ne connaît que les catégories qu'on lui a apprises. Il faut aussi lui apprendre le cas « personne ».

Même chose pour un personnage qui a moins de 15 photos : l'outil ne l'utilise pas encore, donc l'IA le confond avec le personnage connu qui lui ressemble le plus.

7 Seuil de confiance et stabilité : éviter les erreurs

• Seuil de confiance (80 %) : si l'IA hésite (par exemple 6 votes loup, 4 votes roi = 60 %), elle ne déclare rien. Sur les barres de confiance, le seuil est le petit trait noir.
• Stabilité (5 images de suite) : l'IA analyse environ 10 images par seconde. Un personnage n'est « vu » que s'il est reconnu 5 fois de suite, soit environ une demi-seconde. Sans ça, les LED clignoteraient à chaque petite erreur.

Ces deux réglages sont un compromis : plus on est exigeant, moins il y a d'erreurs… mais plus la réaction est lente.

8 Les limites de l'IA

• Elle dépend de ses données : si on a fait toutes les photos avec la lumière allumée, elle se trompera peut-être lumière éteinte.
• Elle ne comprend rien : elle compare des nombres. Une autre forme pointue pourrait être prise pour le loup.
• Elle peut se tromper : c'est pour ça qu'on mesure ses résultats (nombre de bonnes reconnaissances sur 20 passages).
• Vie privée : ici, tout reste dans l'ordinateur ; aucune image n'est envoyée sur Internet. On photographie les silhouettes, pas les visages.

📖 Lexique

Pixel

Petit carré d'une image numérique, codé par un nombre.

Intelligence artificielle (IA)

Programme capable d'accomplir une tâche (ici reconnaître une image) en apprenant à partir d'exemples.

Réseau de neurones

Programme formé de nombreux calculs simples reliés entre eux, inspiré (de loin) du cerveau. MobileNet en est un.

Empreinte / caractéristiques

Liste de nombres qui résume une image ; des images semblables ont des empreintes proches.

Catégorie

Ce que l'IA doit reconnaître : un personnage, ou « Fond vide ».

Exemple d'entraînement

Une photo donnée à l'IA pour qu'elle apprenne une catégorie.

Entraînement

Étape où l'on donne des exemples à l'IA.

KNN (k plus proches voisins)

Méthode qui cherche les k exemples les plus ressemblants et les fait voter.

Confiance

À quel point l'IA est sûre d'elle (part des votes, en %).

Seuil

Confiance minimale pour que l'outil réagisse.