Cosmétique de luxe

Scoring et analyse de la peau

Un acteur majeur de la cosmétique de luxe avait développé un algorithme de scoring de la peau. Problème : personne ne pouvait vérifier sur quoi l'IA se basait pour poser son diagnostic. Nous avons construit le système de visualisation qui rend les prédictions transparentes et déployable en boutique et sur mobile.

Problématique

Le client disposait déjà d'un algorithme capable d'analyser une photo de visage et de prédire des scores de qualité de peau. Mais il ne pouvait pas démontrer que l'IA se basait sur les bonnes zones du visage pour établir ses prédictions. Sans cette preuve, impossible de déployer l'outil en boutique face à des clientes : un diagnostic de peau qui ne peut pas s'expliquer ne crée pas de confiance, il crée du doute. L'enjeu n'était plus la performance du modèle, mais sa transparence et sa crédibilité auprès de l'utilisateur final.

Vue rapprochée d’une coupe transversale colorée d’une géode montrant des couches concentriques de minéraux en jaune, marron, rouge et vert.

Solution

Ce que nous avons construit

Nous avons déployé 2 Data Scientists en mode Scrum pour concevoir un système complet de visualisation et d'explicabilité des prédictions.

Étape 1 — Préparation des données. Création et nettoyage du jeu de données, normalisation et data augmentation à la volée pour garantir la robustesse des résultats sur une diversité de visages et de conditions de prise de vue.

Étape 2 — Explicabilité des prédictions. Développement d'une solution d'interprétabilité exploitant les couches internes de l'algorithme pour identifier et visualiser les pixels précis qui ont contribué à chaque prédiction. Le système montre exactement quelles zones du visage ont influencé le score.

Étape 3 — Visualisation avancée par GAN. Utilisation d'un GAN modifiant l'âge à zéro pour calculer un différentiel de rides, offrant une visualisation intuitive de l'état de la peau. Les résultats ont été affinés via des techniques de heatmap, d'altération de l'alpha et de guided filtering pour un rendu esthétique adapté à l'expérience client en boutique.

Étape 4 — Déploiement multi-plateforme. Optimisation et portage du système pour fonctionner sur machine en boutique et sur mobile, avec des tests de performance validés sur les deux supports.

Projets dans la même catégorie

Voir tous les projets

Aide à la création de médicaments

Un laboratoire pharmaceutique devait identifier de nouvelles combinaisons moléculaires brevetables à partir de millions de publications médicales. La recherche manuelle avait atteint ses limites. Nous avons construit le système qui a changé la donne.

Application d'optimisation de la Supply Chain

Un acteur de la distribution pharmaceutique devait repenser l'intégralité de sa chaîne d'approvisionnement : assortiment en pharmacie, gestion des stocks et circuits de livraison. La recherche opérationnelle seule ne suffisait plus. Nous avons construit l'application qui a transformé ses opérations.

Détection des tendances sur les réseaux sociaux

Dans un marché où les comportements consommateurs changent plus vite que les cycles de décision, un client avait besoin d'anticiper les tendances au lieu de les subir. Nous avons construit la plateforme qui transforme le bruit des réseaux sociaux en signaux actionnables.

Rendement de parcelles agricoles

La filiale climatique d'un leader français de l'assurance avait besoin de prédire les rendements des champs à l'échelle de l'Allemagne pour tarifer une nouvelle offre d'assurance sécheresse. Les données internes ne suffisaient pas. Nous avons construit les modèles prédictifs qui ont rendu le produit commercialisable.

Plateforme d'analyse de besoins clients

Un grand groupe français cherchait à comprendre les besoins actuels et à venir de ses clients en agrégeant un volume massif de données consommateurs. Après un POC de 8 semaines, nous avons industrialisé une plateforme complète déployée sur l'ensemble des entités France et aujourd'hui en cours d'extension à l'échelle du groupe.