Google Cloud Summit de Paris 2017
Jeudi 19 octobre 2017 a eu lieu à Paris au Palais des Congrès, le Google Cloud Summit 2017. Google venait à Paris pour exposer toutes les nouveautés de leur Cloud, les nouvelles API de Machine Learning et les nouveaux outils de collaboration.
Ce que vous allez découvrir
- Extending G Suite functionalities with Business Applications
- Introduction au Machine Learning
- Les APIs de Machine Learning par l’exemple
Google Cloud Summit de Paris 2017
J’ai demandé à Denys POULAT, consultant G Suite de nous faire un petit résumé des conférences qu’il a suivi :
Extending G Suite functionalities with Business Applications
Speaker: Lee Boonstra + Laura Weist-Pillois
Google a présenté comment étendre G Suite pour faire des Applications Business plus proches des spécificités du métier de chaque organisation.
Si l’usage de Google App Script nous est familier,
- via les scripts Standalone qui sont créés directement dans Google Drive, qui permettent de piloter plusieurs services Google à l’instar d’une vraie application
- ou les scripts Bound qui sont directement intégrés à la feuille de calcul ou au document, qui étendent localement les possibilités du document
- ou encore via les Add-on, sorte de petit utilitaire graphique qui se loge sur la partie droite la feuille de calcul ou du document, et qui peuvent être proposés à d’autres entreprises via le Chrome WebStore
Il est intéressant de noter que Google poursuit son développement et confirme sa volonté de le faire grandir.
En effet l’équipe Apps Script présente à confirmer 2 nouvelles importantes
- la mise à disposition d’un modèle script pour étendre les fonctionnalités de Google Slides (https://developers.google.
com/apps-script/guides/slides/ ) , offrant ainsi à l’utilisateur la possibilité de piloter ses présentations de manière programmatique ; - l’ouverture prochaine (probablement pour 2018) de l’outil App Maker (https://developers.google.
com/appmaker/ ) pour les clients de la version G Suite Business, l’éditeur graphique WYSIWYG couplé à Apps Script pour faire des applications web métier, sans savoir coder.
App Maker est actuellement en accès limité sur demande. Il y a fort à parier que cet outil devienne la référence des développements interne d’entreprise, sorte de MS Access dans le cloud.
Introduction au Machine Learning
Speaker: Damien Roux + Laurent Stefani + Vincent Delaitre
Cette conférence était probablement la plus inspirante et la plus projective, même si les exemples tournent pour beaucoup sur l’analyse des images, de la carte satellite aux concombres japonais.
En effet, j’y ai appris qu’en 5 mois à peine une Big compagnie a réglé son problème de nuages sur les images satellite qu’elle vend, que le précédent algorithme confondait avec la neige, et qu’avec un simple Raspberry PI couplé à une caméra bricolée, un agriculteur japonais s’est fabriqué un robot trieur intelligent qui classe sa production.
Google développe des modèles complexes de traitements depuis plusieurs années et l’intègre dans la plus part de ses produits, du search à maps. Le projet TensorFlow(https://www.tensorflow.org/) accessible gratuitement en ligne, permet à Google de travailler sur de nombreuses problématiques, comme par exemple la réalisation de machines physiques ultra performantes (https://cloud.google.com/tpu/
Une offre ML est déjà accessible sur le Google Cloud Plaform ; elle est accessible en quelques clics pour tout possesseur d’un compte Gmail, pro ou pas.
Mais que fait la Machine Learning ?
Elle vous permet d’entraîner un réseau de neurones à faire le travail fastidieux de nettoyage, de classement, de taggage de données qu’un humain devrait faire. Au lieu de donner des règles à éxécuter comme dans un algorithme classique, on montre ce que l’on veut obtenir comme résultat, et un programme intelligent, toujours le même dans sa partie principale, apprend à trouver la solution la plus efficace pour obtenir le résultat attendu.
La startup deepomatic (https://www.deepomatic.com/) nous fait une démonstration en live de comment dresser une ML afin qu’elle tague des milliers de sacs suivants des categories (sac à main, à dos, de voyage et pochettes). En à peine 10 minutes, après un premier classement manuel d’initialisation sur une vingtaine de sacs, puis 2 itérations manuelles d’une dizaine de sacs chacune, la ML obtient plus 95% de certitude sur les milliers de sacs en base, et est capable de catégoriser sans intervention humaine, toute nouvelle photo de sac. Impressionnant.
Les APIs de Machine Learning par l’exemple
Speaker: Lucie Vannier + Simon Lebrun + David Tonda + Yoann Fol
Cette conférence a eu un excellent déroulement entre Google et son partenaire Devoteam. En effet, assez habillement l’ingénieure de Google a présenté les différents services déjà disponibles sur étagère (https://cloud.google.com/
Ainsi, nous avons pu voir
- comment un centre d’appels international a pu réduire le temps de traitement de ses demandes, grâce à l’API de traduction, couplé à l’API d’analyse syntaxique,
- comment Google recherche dans les vidéos, après avoir converti la voix en texte, puis indexé le texte
- ou encore comment il est possible qu’une machine learning puisse distinguer un chien Komondor d’une serpillière
Mais le mieux est que vous pouvez vous même jouer en ligne avec ces API : - https://cloud.google.com/
natural-language/ - https://cloud.google.com/
speech/ - https://cloud.google.com/
translate/ - https://cloud.google.com/
vision/ - https://cloud.google.com/
video-intelligence/
Besoin d'un peu plus d'aide sur Google Forms ?
Des formateurs sont disponibles toute l'année pour vous accompagner et optimiser votre utilisation de Google Forms, que ce soit pour votre entreprise ou pour vos besoins personnels !
Découvrir nos formations Google Forms
- Articles connexes
- Plus de l'auteur