%20(1).png){kind=logo}
48 Bd des Batignolles, 75017 Paris
Détections d’anomalies
Les algorithmes de détection d’anomalies sont des outils clés dans la découverte d’évènements complexes et peu fréquents dans les données.
Ce sont des leviers d’amélioration de la qualité et la sécurité dans de nombreux domaines comme la finance ou l’industrie.
.jpg)
De multiples cas d’usage à large impact.
La détection d’anomalies permet d’identifier des événements peu fréquents, mais ayant un impact élevé :
• Détection de défauts en usine
• Anticipation et détection d’accidents industriels
• Identification de fraudes
Ces cas d’usage demandent habituellement de mobiliser des experts du métier peu disponibles. L’alerting automatique de ces use-cases permet alors le passage à plus grande échelle.
Bâtir la confiance des utilisateurs : notre priorité !
Chez Sicara, nous avons à coeur de rappeler qu’un modèle de détection d’anomalies n’est jamais parfait. Un des premiers enjeux est donc de clarifier le trade-off entre :• Détecter le maximum d’événements pour maximiser la valeur du produit
• S’assurer de la confiance de l’utilisateur dans le produit en remontant le moins de fausses détections
Zoom sur les algorithmes de détections d’anomalies
La détection d’anomalies repose sur le fait d’identifier les événements qui ont lieu dans la donnée. Ce type de problématique s’applique à tous types de données (images, séries temporelles, données tabulaires…) et peut être résolu par plusieurs approches :
• Non-supervisés dans la recherche d’outlier dans de la donnée non labellisés (avec des algorithmes d’arbres comme IsolationForest ou encore des algorithmes de clustering comme DBSCAN)
• Semi-supervisés par comparaison de la donnée en temps réel et les prédictions d’un modèle de regression (LightGBM, RNN, CNN…) entraîné sur de la donnée usuelle
• Supervisés par prédiction du risque à l’aide d’algorithmes de classification, possible lorsque l’on dispose d’une quantité significative d’événements à detecter labellisés
Mesurer en un clin d’oeil la qualité sur les chaînes de production
Extraction automatique d’indicateurs de qualité sur la chaîne de production d’un grand groupe industriel à partir de flux vidéos.
Découvrir le projet de détection d'anomalies0.1 s
Temps de calcul
