Massal'IA Orange Rallye : les étudiants des Mines (Gardanne) récompensés

Organisé A l’initiative du groupe Orange en Provence-Alpes-Côte d’Azur, le Massal’IA Orange Rallye a été remporté par les étudiants de l’école d’ingénieurs des Minesde Saint-Etienne basée à Gardanne lors de la soirée de clôture le 15 novembre à l’Orange Vélodrome. Sept groupes étudiants d’écoles partenaires (Aix-Marseille Université, Polytech Marseille, Simplon Marseille, Epitech Marseille, Arts & Métiers et Centrale Marseille) étaient en lice pour relever le challenge : détecter les positions précises des antennes Orange au moyen d’une méthode basée sur l’intelligence artificielle.

🎬 Fin du challenge #Massal‘IA Orange Rallye 🧭

Cérémonie de clôture au sein du mythique @orangevelodrome
& conférence autour de l’#IA de demain 🚀

Bravo à l’ensemble des écoles participantes 👏 et aux vainqueurs des @MINES_StEtienne 🥇 pic.twitter.com/kR35Ou6U6f
— Orange PACA (@OrangePACA) November 15, 2021

Les gagnants sont quatre étudiants de l’École des Mines de Saint-Etienne basée sur le campus Georges Charpak Provence à Gardanne : Quentin, Nino, Henri et Marion. L’un d’eux, Quentin Jayet, 21 ans, est en 3^ème année dans un cursus ingénieur spécialité microélectronique et informatique (ISMIN). Il partage avec Gomet’ son ressenti à la suite de l’annonce des résultats du challenge. « La fin de ce challenge aura été à la fois passionnante et stressante car riche en retournement de situation. Dans les dernières heures notre place n’était pas acquise et a changé plusieurs fois. Participer à ce concours a permis à notre équipe de consolider nos connaissances dans le domaine de l’IA ainsi que de renforcer des passions. » Pour Henri Carnot, la motivation venait d’un cours d’IA amorcé en 2e année. « J’avais commencé à l’étudier de façon théorique et je cherchais une occasion de commencer la pratique. Je souhaite faire une thèse en IA après mon diplôme. » raconte-t-il.

Un cas d’école : détecter la position des antennes

Orange a mis à disposition des étudiants 800 images satellites avec les positions des antennes annotées afin de détecter précisément la position des antennes sur ces images. Pour le mois et demi d’entraînement accordé aux étudiants, l’équipe a choisi le modèle YOLO. « Un algorithme d’apprentissage profond de pointe qui est principalement utilisé à des fins de détection d’objets. Nous avons testé différentes versions de celui-ci pour pouvoir augmenter la précision de notre modèle. Après avoir trouvé le modèle le plus précis, nous avons modifié les paramètres pour l’ajuster à nos données et augmenter la précision. Finalement, c’est ce qui nous a permis d’arriver premier. » détaille Quentin.

L’objectif de développer une Intelligence artificielle pour les antennes est de pouvoir détecter les éléments présents dans leur environnement immédiat. L’étudiant explique que « les coordonnées GPS des antennes, bien que relativement bonnes, ne permettent pas ce genre d’analyse de précision. »