Google Brain - weave
IA Lab

Google Brain : comment Google mène sa transformation par l’IA

2 mai 2018

 

Lorsqu’il monte sur scène pour donner la keynote d’ouverture de Google I/O en 2017, Sundar Pichai dévoile sa vision pour le futur de Google : faire passer le groupe du mobile first à l’AI First. Devenir AI First, pour Google, c’est d’abord diffuser les techniques de l’Intelligence Artificielle dans toutes les activités du groupe, puis inventer de nouveaux business models afin de dégager de nouvelles sources de revenu. Cette transformation en profondeur, le groupe l’a entamée depuis plusieurs années déjà, en insufflant peu à peu du machine learning et du deep learning pour l’amélioration de tous les services que propose Google.

A l’heure où de nombreuses entreprises s’interrogent sur la stratégie à adopter pour naviguer dans un monde AI First, voici un zoom sur l’exemple le plus abouti à ce jour d’une transformation d’entreprise par l’Intelligence Artificielle.

 

Google Brain : un projet de transformation structurant

 

Si les initiatives en matière d’IA ne manquent pas au sein de Google, c’est sans doute Google Brain qui a eu le plus d’impact sur cette transformation. Google Brain, à l’origine, n’est qu’un projet confidentiel, initié par Jeff Dean, suite à une rencontre avec Andrew Ng, un consultant qui a l’intuition que les réseaux neuronaux possèdent un potentiel inexploité. Les deux compères se mettent au travail, et lancent le “projet Marvin”, en hommage à Marvin Minsky, un des pères fondateurs de l’Intelligence Artificielle, qui deviendra Google Brain par la suite. Après quelques mois passés à identifier les cas d’usage les plus propices à l’application du Deep Learning, ils obtiennent de premiers résultats concrets avec Android JellyBean (alors la nouvelle version de l’OS mobile de Google) : la reconnaissance vocale, qui permet notamment de dicter des messages à son téléphone pour qu’il les retranscrive, voit son taux d’erreur baisser de 25% par rapport à la version précédente, quand auparavant les avancées se comptaient en décimales. Un des premiers cas d’usage concrets de l’approche Deep Learning vient de voir le jour, et l’équipe se met en quête de nouveaux domaines à explorer. A ce moment, Google Maps propose déjà Street View, et dispose donc d’une énorme quantité de photographies haute résolution, réalisées par une flotte de Google Cars qui sillonnent sans relâche les villes du monde entier. Pour que la cartographie soit plus précise, Google a besoin d’en extraire les numéros de rue pour chaque bâtiment identifié. A l’origine, cette tâche est réalisée par des employés de Google, qui passent donc leur journée à écarquiller les yeux devant des photos de rue, un travail titanesque. Jeff Dean et Andrew Ng, désormais accompagnés par plusieurs chercheurs dont Geoffrey Hinton (un pionnier des réseaux neuronaux dès les années 80), vont donc chercher un moyen d’automatiser la collecte des numéros de rue. A nouveau, le Deep Learning va prouver son efficacité, puisqu’après quelques mois, il suffira d’une heure aux machines de Google pour correctement extraire tous les numéros de toutes les photos prises pour un pays comme la France.

Google Translate Sign

Forte de ces premiers résultats, l’équipe se consolide, Google Brain devient une unité à part entière disposant de son propre bâtiment, à une extrémité du GooglePlex, le campus gigantesque de la firme à Mountain View. La publication de papiers remarqués se poursuit, avec notamment le fameux cat paper, dans lequel Quoc Le démontre les prouesses de l’approche Deep Learning pour identifier si une image issue de Youtube contient un chat ou non. A ce jour, la réalisation la plus remarquable de Google Brain demeure la refonte totale de Google Translate via une approche Deep Learning.
Translate est un service avec de très nombreux utilisateurs, qui a été bâti 10 ans plus tôt selon une approche traditionnelle de traduction automatique statistique. Les progrès depuis ses débuts sont très incrémentaux, et la qualité des traductions demeure rudimentaire. En 9 mois seulement, l’équipe du Brain, en collaboration avec les ingénieurs de Translate, va créer un tout nouveau Google Translate, le tester puis le mettre en production, face à un demi-milliard d’utilisateurs. En 9 mois, les gains en qualité de la traduction vont s’avérer aussi importants que dans les 10 années précédentes. Si au départ, Google Brain est un groupe de chercheurs fonctionnant de manière anarchique, l’équipe s’est peu à peu structurée, a professionnalisé son approche et a capitalisé des bonnes pratiques, des outils et des méthodologies qui permettent d’accélérer la transformation voulue par Sundar Pichai. L’unité est ainsi devenue le principal moteur de cette stratégie.

 

Quels aspects sont spécifiques au contexte de Mountain View, et quels autres peuvent servir de base de réflexion pour construire sa stratégie en IA ?

 

Un premier réflexe, compréhensible, est de penser que Google est une entreprise unique et que ses recettes ne sont pas transposables dans un autre contexte. Il est vrai que l’entreprise, dès son origine s’est construite grâce au Machine Learning, par exemple avec la création d’AdWords (publicité ciblée en fonction des résultats de recherche), qui demeure aujourd’hui sa principale source de revenu. Culturellement, tous les salariés de Google sont formatés pour utiliser la data et les algorithmes pour résoudre des problèmes, avec un maximum d’automatisation afin d’atteindre l’”échelle” en minimisant les coût marginaux. Cette appétence pour la data science en général, et l’IA plus particulièrement, est effectivement propre à Google, et il en va de même pour sa capacité à être un berceau des avancées en matière de recherche fondamentale sur l’IA : pour attirer les chercheurs et experts du domaine, personne n’est mieux placé sur le marché. Les chercheurs, outre les facilités qui leur sont offertes pour maintenir les liens avec le monde académique et des salaires astronomiques, auront à leur disposition une puissance de calcul et des datasets sans équivalents. Imaginer qu’une entreprise, a fortiori de ce côté de l’Atlantique, ait intérêt à se lancer dans une démarche similaire semble relativement irréaliste.

Mais ce n’est sans doute pas nécessaire non plus : ce travail que sont en train d’effectuer les chercheurs du Brain, les entreprises peuvent en bénéficier : ainsi, Google Brain a dû concevoir et faire fabriquer des puces spéciales (TPU) pour créer ses services boostés au Deep Learning, car l’état de l’art n’était pas adapté. Et ces TPU sont désormais à disposition du monde entier, via Google Cloud : pas besoin donc de tout recommencer. TensorFlow, le framework développé par Google Brain, est désormais open source, et est aujourd’hui un des outils les plus utilisés par les praticiens de l’IA dans le monde. C’est le phénomène que Kevin Kelly appelle “AI as a service”, la démocratisation des méthodes et outils permettant d’appliquer l’IA dans tous les contextes. Et si toute entreprise n’a pas vocation à accueillir un centre de R&D publiant régulièrement des papiers à la pointe de la recherche fondamentale, rien n’interdit de s’appuyer sur des startups pour réaliser un travail du même ordre : nous disposons actuellement en France d’un écosystème florissant, regroupant des experts et des pépites, avec une volonté au plus haut niveau de faire le l’IA une des forces du pays.

En revanche, le rôle de Google Brain comme catalyseur, armé pour diffuser l’IA, ses outils et ses pratiques dans toute l’entreprise, constitue bien une source riche d’enseignements. A travers l’exemple de Google Brain, on peut donc commencer à dessiner une stratégie pour toute entreprise qui souhaite ne plus perdre de temps et enclencher des actions concrètes autour de l’IA, via la création de son propre Brain. Une unité dédiée, regroupant des compétences, des outils et des méthodologies au service d’un objectif majeur : accélérer la transformation en profondeur de tous les pans de son activité via l’Intelligence Artificielle.

 

Crédits photos :

Sundar Pichai on stage at Google IO – Maurizio Pesce – Creative Commons

Google Translate – John Russel – Creative Commons

Newsletter

Inscrivez-vous à notre newsletter pour recevoir nos dernières actualités*

Les informations recueillies sur ce formulaire sont enregistrées dans un fichier informatisé de gestion des Clients et Prospects (CRM).

Le Responsable de traitement est la société weave, 37 rue du rocher 75008 Paris RCS Paris 802 396 085.

Elles sont destinées à l’activité marketing du groupe weave ainsi quà celle de ses filiales, à l’exclusion de tout transfert hors de l’UE. Elles sont conservées pour une durée conforme aux dispositions légales (par exemple 3 ans pour les données prospects).

Ce traitement nécessite votre consentement que vous pourrez retirer à tout moment sans que cela ne remette en cause sa licéité.

Conformément à la loi « Informatique et Libertés » et au règlement européen n°2016/679, vous bénéficiez d’un droit d’accès, de rectification ou d’effacement, ainsi que d’un droit à la portabilité de vos données ou de limitation du traitement. Vous pouvez également pour des raisons tenant à votre situation particulière, vous opposer au traitement de vos données et donner des directives relatives à la conservation, à l’effacement et à la communication de vos données après votre décès. Vous disposez également du droit d’introduire une réclamation auprès de la Commission Nationale de l’Informatique et des Libertés (www.cnil.fr).

Vous pouvez exercer vos droits en nous contactant à l’adresse contact@weave.eu.

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour mesurer notre audience, vous proposer des contenus et des offres personnalisées, ainsi que des fonctionnalités de partage sur les réseaux sociaux. En savoir plus sur notre politique de cookies et notre charte des données personnelles