La ruée vers l’image?

redwood1890J’ai été invité la semaine dernière à une réunion du Social Media Club, association d’entrepreneurs et acteurs du numérique, pour entamer l’examen des questions d’analyse d’image. Deux interventions décrivaient des ébauches d’application aux images du data mining, ou exploitation de données.

Quentin Lhomme (NunKi) a présenté un programme en cours de développement susceptible de repérer des pics d’activité de téléchargements d’images sur Instagram et Twitter, sélectionnés par géolocalisation. Après filtrage du bruit (pics de téléchargements de la tour Eiffel…), l’application peut désigner un millier d’événements quotidiens à l’échelle mondiale.

Après avoir salué comme il se doit «l’explosion des images», Clément Brygier (Digital Insighters) livrait un chiffre prometteur: à l’occasion d’un repérage de logos au sein d’un corpus de photographies sur Instagram, l’application a identifié 3 à 4 fois plus de mentions de la marque qu’une recherche sur le hashtag correspondant – un chiffre qui semblait indiquer le potentiel de l’image mining, comparé à ce que l’exploitation des données textuelles avait jusqu’à présent produit.

Face à ces constats encourageants, ce qui m’a frappé était le faible niveau de culture visuelle. L’image n’était pas considérée comme un vecteur particulier, mais comme un simple conteneur de données, auxquelles il fallait pouvoir accéder, grâce à divers expédients (étant entendu que la reconnaissance des contenus, trop gourmande en calcul, ne pouvait encore être employée de manière efficace).

J’ai pour ma part insisté sur les spécificités des formes visuelles, unités figées qui présentent une information non hiérarchisée, ce qui conduit à les utiliser de manière ponctuelle dans la conversation, avec une importante marge d’interprétation, liée principalement au contexte. Ces caractères font que l’information utile des images peut rarement être déduite d’un simple examen de son contenu (qui conduit plutôt à une identification de stéréotypes), mais ressort d’une analyse plus globale de l’image en interaction.

De manière flagrante, l’application des réflexes du data mining (ensembles de données massifs, temps réel…) avait évité de s’interroger sur le type de questions qui pouvaient être adressées aux images. Une intervenante de Getty Images faisait quant à elle état de recherches plus ciblées, mais plus pertinentes, en tenant compte des intentions des usagers lors de leurs recherches dans la base de données. Faute d’analyser le caractère contextuel des usages visuels, les expérimentations d’image mining semblaient encore des outils balbutiants. Il s’agit à l’évidence du prochain horizon de l’industrie de l’exploitation des données. Mais ce terrain requiert une véritable expertise du visuel, qui fait encore cruellement défaut.

4 Commentaires

  1. Les images représentent une « mine » de renseignements…

  2. Ton billet, ainsi que celui mis en lien sous «conteneur de données», est une excellente nouvelle pour tous ceux qui s’occupent des images, qu’ils soient producteurs, utilisateurs ou investigateurs. Nous tenons une matière qui ne peut pas être facilement encartée, classifiée et rangée dans des cases précises. Quelque chose de bien compliqué qui ne se livre jamais tout à fait et toujours différemment. Une façon d’échapper pendant un moment encore à la grande curée des big data. À moins qu’une simplification outrancière ne nous fasse croire au contraire…

  3. Oui, c’est une bonne nouvelle pour les spécialistes, à condition d’avoir de vraies réponses à apporter. L’analyse de conversations me paraît être une étape indispensable pour élaborer la grillle des usages.

  4. En remontant la séquence du déminage de données, je me demande comment ces acteurs se connectent à tous ceux qui les minent en amont – je pense notamment au chainon du deep learning dont les labo agités travaillent au développement de méthodes de reconnaissance faciale et spatiale des images.

Les commentaires sont clos.