WEBVTT

00:00:00.556 --> 00:00:03.943
Nos émotions influencent
tous les aspects de notre vie,

00:00:03.943 --> 00:00:04.943
de notre santé et 
notre façon d'apprendre

00:00:04.943 --> 00:00:07.179
à la manière dont 
nous faisons des affaires,

00:00:07.179 --> 00:00:09.922
et prenons des décisions, 
petites ou grandes.

00:00:10.672 --> 00:00:14.162
Elles influencent aussi la manière 
dont nous interagissons ensemble.

00:00:15.132 --> 00:00:19.108
Nous avons évolué pour vivre 
dans un monde qui ressemble à ça,

00:00:19.108 --> 00:00:23.797
mais nous vivons nos vies de plus
en plus plutôt comme ceci --

00:00:23.807 --> 00:00:26.561
c'est le message que ma fille 
m'a envoyé hier soir --

00:00:26.561 --> 00:00:29.301
dans un monde dépourvu d'émotion.

00:00:29.301 --> 00:00:31.252
Ma mission est de changer tout ça.

00:00:31.252 --> 00:00:35.343
Je veux ramener l'expression de nos
émotions dans nos expériences numériques.

NOTE Paragraph

00:00:36.223 --> 00:00:39.300
J'ai commencé de travailler 
dans cette direction il y a 15 ans.

00:00:39.300 --> 00:00:41.366
J'étais informaticienne en Égypte,

00:00:41.366 --> 00:00:45.711
et venais juste d'être acceptée dans 
un programme de thèse à Cambridge.

00:00:45.711 --> 00:00:47.984
Alors j'ai fait quelque chose
d'assez inhabituel

00:00:47.984 --> 00:00:52.209
pour une jeune musulmane égyptienne
et tout juste mariée :

00:00:53.599 --> 00:00:56.598
avec le soutien de mon mari
qui devait rester en Égypte,

00:00:56.598 --> 00:00:59.616
j'ai fait mes bagages et suis partie 
pour l'Angleterre.

00:00:59.616 --> 00:01:02.844
A Cambridge, à des milliers 
de kilomètres de chez moi,

00:01:02.844 --> 00:01:06.257
j'ai réalisé que je passais
plus d'heures sur mon ordinateur

00:01:06.257 --> 00:01:08.486
qu'avec n'importe quel humain.

00:01:08.486 --> 00:01:13.339
Pourtant, malgré cette intimité, 
il n'avait absolument aucune idée

00:01:13.339 --> 00:01:16.550
de ce que je ressentais. 
Il ne savait pas si j'étais heureuse,

00:01:16.550 --> 00:01:19.538
si j'avais eu une mauvaise journée,
si j'étais stressée

00:01:19.538 --> 00:01:22.460
ou confuse et ça devenait 
vraiment frustrant.

00:01:23.600 --> 00:01:26.031
Le pire, c'était que lorsque 
je communiquais en ligne

00:01:26.031 --> 00:01:29.031
avec ma famille à la maison,

00:01:29.031 --> 00:01:32.703
j'avais l'impression que toutes
mes émotions disparaissaient

00:01:32.703 --> 00:01:37.858
dans cet espace virtuel. J'avais le mal 
du pays, je me sentais seule

00:01:37.858 --> 00:01:41.026
et me mettais même 
à pleurer certains jours.

00:01:41.026 --> 00:01:44.806
Mais tout ce que j'avais pour partager
ces émotions, c'était ça. (Rires)

00:01:44.806 --> 00:01:49.780
La technologie moderne a beaucoup
de Q.I. mais aucun Q.E.: c'est-à-dire

00:01:49.780 --> 00:01:52.956
beaucoup d'intelligence 
cognitive mais pas émotionnelle.

00:01:52.956 --> 00:01:55.153
Je me suis alors demandée

00:01:55.153 --> 00:01:58.777
ce que ça changerait si notre technologie
pouvait percevoir nos émotions ?

00:01:58.777 --> 00:02:02.853
Que se passerait-il si nos appareils 
pouvaient les percevoir et réagir

00:02:02.853 --> 00:02:05.866
en fonction, exactement 
comme un ami le ferait ?

00:02:06.666 --> 00:02:10.230
Ces questions nous ont menés,
mon équipe et moi

00:02:10.230 --> 00:02:14.607
à développer des technologies qui peuvent
lire et réagir à nos émotions,

00:02:14.607 --> 00:02:17.697
à partir du visage humain.

NOTE Paragraph

00:02:18.577 --> 00:02:21.750
Il se trouve que le visage est
un des moyens d'expression

00:02:21.750 --> 00:02:25.766
les plus puissants que nous utilisons 
pour communiquer notre état social

00:02:25.766 --> 00:02:28.776
ou émotionnel, 
tout de la joie, la surprise,

00:02:28.776 --> 00:02:32.979
la compassion à la curiosité.

00:02:32.979 --> 00:02:37.907
En science des émotions, chacun des 
mouvements du visage est appelé action.

00:02:37.907 --> 00:02:40.522
Par exemple, action numéro 12

00:02:40.522 --> 00:02:42.870
n'est pas le nom 
du dernier succès hollywoodien,

00:02:42.870 --> 00:02:46.312
mais l'action de tirer le coin des lèvres,
autrement dit de sourire.


00:02:46.312 --> 00:02:49.240
Essayez ! Faisons tous 
nos plus beaux sourires !

00:02:49.240 --> 00:02:51.954
Autre exemple, action numéro 4,
le froncement de sourcils.

00:02:51.954 --> 00:02:54.192
C'est lorsque vous plissez les sourcils

00:02:54.192 --> 00:02:56.459
ensemble et créez
toutes ces rides et textures.

00:02:56.459 --> 00:03:00.244
On ne les aime pas mais c'est un très bon
indicateur d'émotion négative.

00:03:00.244 --> 00:03:02.960
Nous avons environ 45 de ces actions

00:03:02.960 --> 00:03:06.350
que nous combinons pour exprimer 
des centaines d'émotions.

NOTE Paragraph

00:03:06.350 --> 00:03:09.831
Enseigner à un ordinateur comment 
reconnaître ces expressions faciales

00:03:09.831 --> 00:03:12.913
est difficile parce qu'elles peuvent être
rapides, sont subtiles,

00:03:12.913 --> 00:03:15.777
et peuvent former beaucoup 
de combinaisons différentes.

00:03:15.777 --> 00:03:19.515
Prenez par exemple, 
un sourire normal ou un sourire narquois.

00:03:19.515 --> 00:03:23.268
Ils sont en soi assez similaires, mais
ont une signification bien différente.

00:03:23.268 --> 00:03:24.866
(Rires)

00:03:24.866 --> 00:03:27.450
Le sourire normal est positif,

00:03:27.450 --> 00:03:29.260
le sourire narquois souvent négatif.

00:03:29.260 --> 00:03:33.136
Un sourire narquois peut même 
vous rendre célèbre parfois !

00:03:33.136 --> 00:03:35.960
Mais plus sérieusement,
il est très important

00:03:35.960 --> 00:03:38.815
que l'ordinateur puisse différencier 
ces deux expressions.

NOTE Paragraph

00:03:38.815 --> 00:03:40.627
Alors comment y arrive-t-on ?

00:03:40.627 --> 00:03:42.414
On donne à nos algorithmes

00:03:42.414 --> 00:03:46.524
des dizaines de milliers d'exemples 
spécifiques de personnes

00:03:46.524 --> 00:03:49.589
en train de sourire, 
d'origines, âge, sexe différents

00:03:49.589 --> 00:03:52.160
et on fait la même chose pour 
des sourires narquois.

00:03:52.160 --> 00:03:54.174
Ensuite par un processus 
d'apprentissage,

00:03:54.174 --> 00:03:56.810
l'algorithme assimile 
toutes ces textures, ces rides

00:03:56.810 --> 00:03:59.390
et mouvements de notre visage,

00:03:59.390 --> 00:04:02.592
apprend les caractéristiques 
générales d'un sourire,

00:04:02.592 --> 00:04:05.773
et en associe de plus spécifiques 
aux sourires narquois.

00:04:05.773 --> 00:04:08.141
Ainsi au prochain visage qu'il voit,

00:04:08.141 --> 00:04:10.440
l'algorithme peut essentiellement

00:04:10.440 --> 00:04:13.473
reconnaître les caractéristiques 
d'un sourire et dire :

00:04:13.473 --> 00:04:17.751
« ha ! je reconnais cette expression, 
c'est un sourire. »

NOTE Paragraph

00:04:18.011 --> 00:04:21.181
Le meilleur moyen d'illustrer 
comment cette technologie fonctionne

00:04:21.181 --> 00:04:23.317
est une démonstration en direct

00:04:23.317 --> 00:04:27.230
alors j'aurais besoin d'un volontaire, 
de préférence quelqu'un avec un visage.

00:04:27.230 --> 00:04:29.564
(Rires)

00:04:29.564 --> 00:04:32.335
Cloe sera notre volontaire aujourd'hui.

NOTE Paragraph

00:04:33.325 --> 00:04:37.533
Au cours des 5 dernières années, 
notre groupe de recherche au MIT

00:04:37.533 --> 00:04:38.939
est devenu une entreprise,

00:04:38.939 --> 00:04:42.601
dans laquelle mon équipe a travaillé dur
pour que cette technologie marche,

00:04:42.601 --> 00:04:44.700
dans la vie de tous les jours,
comme on dit.

00:04:44.700 --> 00:04:47.210
Nous l'avons aussi optimisée 
pour qu'elle fonctionne

00:04:47.210 --> 00:04:50.530
sur n'importe quel appareil pourvu
d'une caméra, comme cet iPad.

00:04:50.530 --> 00:04:53.316
Mais essayons plutôt.

NOTE Paragraph

00:04:54.756 --> 00:04:58.680
Comme vous le voyez, l'algorithme 
trouve essentiellement le visage de Cloe

00:04:58.680 --> 00:05:00.372
dans cette zone encadrée blanche,

00:05:00.372 --> 00:05:02.943
et décèle les mouvements 
des points principaux

00:05:02.943 --> 00:05:05.799
tels que ses sourcils, ses yeux, 
sa bouche et son nez.

00:05:05.799 --> 00:05:08.786
La question est alors de savoir
s'il peut reconnaître ses expressions.

00:05:08.786 --> 00:05:10.457
Essayons donc de le tester.

00:05:10.457 --> 00:05:14.643
Tout d'abord, montrez moi un visage
impassible. Oui, parfait ! (Rires)

00:05:14.643 --> 00:05:17.406
Et maintenant un sourire franc, 
en voilà un beau, parfait.

00:05:17.406 --> 00:05:20.066
Vous voyez, l'indicateur vert 
monte quand elle sourit.

00:05:20.066 --> 00:05:21.418
C'était un beau sourire ça.

00:05:21.418 --> 00:05:23.891
Pouvez-vous faire 
un sourire plus subtil pour voir ?

00:05:23.891 --> 00:05:25.782
Oui, le programme 
le reconnaît aussi.

00:05:25.782 --> 00:05:27.897
On a travaillé dur pour que ça marche.

00:05:27.897 --> 00:05:31.439
Là, les sourcils relevés déclenchent
l'indicateur de surprise.

00:05:31.439 --> 00:05:35.688
Le sillon des sourcils, lui, 
est l'indicateur de confusion.

00:05:35.688 --> 00:05:39.695
Froncez les sourcils. Oui, parfait.

00:05:39.695 --> 00:05:43.188
Tout ça vous montre différentes 
actions, il y en a beaucoup d'autres.

00:05:43.188 --> 00:05:45.220
C'est juste une démonstration épurée.

00:05:45.220 --> 00:05:48.368
Chaque action reconnue est 
une point de donnée émotionnelle

00:05:48.368 --> 00:05:51.707
et l'ensemble de ces données 
peut décrire différentes émotions.

00:05:51.707 --> 00:05:55.730
Sur la droite ici
regardez comme vous êtes heureuse.

00:05:55.730 --> 00:05:57.444
L'indicateur de joie se déclenche.

00:05:57.444 --> 00:05:59.371
Maintenant exprimez le dégoût.

00:05:59.371 --> 00:06:02.903
Souvenez-vous du départ 
de Zayn de One Direction.

00:06:02.903 --> 00:06:04.223
(Rires)

00:06:04.223 --> 00:06:09.495
Voilà, le nez se ride. Super.

00:06:09.495 --> 00:06:13.226
La capacité est en fait assez négative, 
vous deviez vraiment être fan !

00:06:13.226 --> 00:06:16.096
Cette jauge montre si l'expérience
est positive ou négative,

00:06:16.096 --> 00:06:18.712
la jauge d'engagement montre 
le niveau d'expression.

00:06:18.712 --> 00:06:22.126
Imaginez que Cloe ait accès direct 
à ce flux d'émotions en temps réel,

00:06:22.126 --> 00:06:24.935
elle pourrait alors le partager
avec qui elle voudrait.

00:06:24.935 --> 00:06:27.078
Merci.

00:06:27.078 --> 00:06:32.479
(Applaudissements)

NOTE Paragraph

00:06:33.749 --> 00:06:39.019
Jusqu'à présent nous avons accumulé 
12 milliards de ces données émotionnelles.

00:06:39.019 --> 00:06:41.730
C'est la plus grande base de données
de ce type au monde,

00:06:41.730 --> 00:06:45.023
construite à partir de 2,9 millions 
de vidéos de visages de personnes

00:06:45.023 --> 00:06:47.493
qui acceptent de partager 
leurs émotions avec nous

00:06:47.493 --> 00:06:50.398
et provenant de 75 pays différents.

00:06:50.398 --> 00:06:52.113
Et ça continue tous les jours.

00:06:52.603 --> 00:06:54.670
Ça me fascine totalement que l'on puisse

00:06:54.670 --> 00:06:57.965
à présent quantifier quelque chose
d'aussi personnel que nos émotions,

00:06:57.965 --> 00:07:00.100
et qu'on le fasse à cette échelle.

NOTE Paragraph

00:07:00.100 --> 00:07:02.277
Qu'a-t-on appris de tout ça
jusqu'à présent ?

00:07:03.057 --> 00:07:05.388
En ce qui concerne le genre :

00:07:05.388 --> 00:07:08.504
nos données confirment ce dont 
vous vous doutiez probablement,

00:07:08.504 --> 00:07:10.891
les femmes sont plus expressives
que les hommes.

00:07:10.891 --> 00:07:13.814
Non seulement elles sourient plus, 
mais aussi plus longtemps,

00:07:13.814 --> 00:07:16.298
et on peut maintenant vraiment 
quantifier ce à quoi

00:07:16.298 --> 00:07:18.664
les hommes et les femmes 
réagissent différemment.

00:07:18.664 --> 00:07:20.904
Pour l'influence culturelle :
aux États-Unis

00:07:20.904 --> 00:07:24.228
si les femmes sont 40% plus expressives
que les hommes, curieusement,

00:07:24.228 --> 00:07:27.753
on ne voit aucune différence
à ce niveau-là au Royaume Uni.

00:07:27.753 --> 00:07:30.259
(Rires)

00:07:31.296 --> 00:07:35.323
Pour l'âge : les personnes 
de 50 ans et plus

00:07:35.323 --> 00:07:38.759
sont 25% plus émotives que 
les personnes plus jeunes.

00:07:39.489 --> 00:07:43.751
Les femmes dans leur vingtaine sourient
beaucoup plus que les hommes du même âge,

00:07:43.751 --> 00:07:47.320
peut-être par nécessité 
pour faire des rencontres.

00:07:47.320 --> 00:07:50.207
Mais ce qui nous a surpris le plus 
dans toutes ces données,

00:07:50.207 --> 00:07:53.140
c'est que nous sommes en fait
constamment expressifs,

00:07:53.140 --> 00:07:56.243
mais lorsque nous sommes assis 
tout seuls en face de nos écrans,

00:07:56.243 --> 00:07:59.517
et pas seulement à regarder 
des vidéos de chats sur Facebook.

00:08:00.217 --> 00:08:03.027
Nous sommes expressifs 
quand on écrit un mail, un texto,

00:08:03.027 --> 00:08:05.837
quand on achète en ligne et 
même quand on paie nos impôts.

NOTE Paragraph

00:08:05.837 --> 00:08:08.199
Pour quoi utilise-t-on 
ces données aujourd'hui ?

00:08:08.199 --> 00:08:11.282
Ça va de comprendre comment 
nous interagissons avec les médias,

00:08:11.282 --> 00:08:13.506
les phénomènes viraux, 
les dynamiques de vote,

00:08:13.506 --> 00:08:16.886
à doter nos technologies
de capacités émotionnelles,

00:08:16.886 --> 00:08:20.527
et j'aimerais partager avec vous 
quelques exemples qui me tiennent à cœur.

00:08:21.197 --> 00:08:24.265
Des lunettes à lecture émotionnelle
peuvent aider les malvoyants

00:08:24.265 --> 00:08:27.493
à décrypter les expressions 
sur le visage des autres,

00:08:27.493 --> 00:08:31.680
et peuvent aider les personnes atteintes
d'autisme à interpréter les émotions,

00:08:31.680 --> 00:08:34.458
ce qu'elles ont beaucoup de mal à faire.

00:08:35.568 --> 00:08:38.777
Pour l'éducation, imaginez que 
les applications d'apprentissage

00:08:38.777 --> 00:08:41.587
perçoivent votre confusion 
et ralentissent,

00:08:41.587 --> 00:08:43.744
qu'elles perçoivent votre ennui 
et accélèrent

00:08:43.744 --> 00:08:46.803
tout comme un bon enseignant 
le ferait dans la salle de classe.

00:08:47.043 --> 00:08:49.644
Imaginez que votre montre 
puisse déceler votre humeur,

00:08:49.644 --> 00:08:52.267
ou que votre voiture puisse
percevoir votre fatigue,

00:08:52.267 --> 00:08:55.455
ou peut-être que votre frigo 
puisse sentir que vous êtes stressé

00:08:55.455 --> 00:08:59.091
et se verrouiller pour empêcher 
toute frénésie alimentaire. (Rires)

00:08:59.091 --> 00:09:03.668
J'apprécierais ça, oui.

00:09:03.668 --> 00:09:05.595
Que se serait-il passé si à Cambridge

00:09:05.595 --> 00:09:07.908
j'avais eu accès à ces données 
émotionnelles

00:09:07.908 --> 00:09:11.437
pour les partager tout naturellement 
avec ma famille à la maison

00:09:11.437 --> 00:09:15.408
comme si nous avions tous été 
dans la même pièce ?

NOTE Paragraph

00:09:15.408 --> 00:09:18.550
Je pense que d'ici cinq ans,

00:09:18.550 --> 00:09:20.887
tous nos appareils auront 
une puce émotionnelle,

00:09:20.887 --> 00:09:23.151
et on ne se souviendra même plus
du temps où,

00:09:23.151 --> 00:09:26.041
quand on fronçait les sourcils 
devant l'un d'eux,

00:09:26.041 --> 00:09:29.200
il ne nous retournait pas un, 
« hmm, ça ne t'a pas plu, hein ? »

00:09:29.200 --> 00:09:30.200
Notre plus grand défit est qu'il existe

00:09:30.200 --> 00:09:32.961
tellement d'applications 
à cette technologie.

00:09:32.961 --> 00:09:33.961
Mon équipe et moi nous rendons 
bien compte que

00:09:33.961 --> 00:09:35.864
nous ne pouvons pas
tout faire nous-même

00:09:35.864 --> 00:09:38.650
et avons donc rendu 
cette technologie publique

00:09:38.650 --> 00:09:41.474
pour que d'autres puissent
la développer et être créatifs.

00:09:41.474 --> 00:09:45.560
Nous sommes conscients
des risques potentiels

00:09:45.560 --> 00:09:47.627
et des possibilités d'abus,

00:09:47.627 --> 00:09:50.576
mais personnellement, 
après avoir passé des années à faire ça,

00:09:50.576 --> 00:09:53.548
je pense que les bénéfices 
que l'humanité peut recevoir

00:09:53.548 --> 00:09:55.823
d'une technologie 
émotionnellement intelligente

00:09:55.823 --> 00:09:59.399
dépassent de loin les risques potentiels
de mauvais usage.

00:09:59.399 --> 00:10:01.930
Je vous invite tous 
à prendre part à la discussion.

00:10:01.930 --> 00:10:04.484
Plus de gens seront au courant
de cette technologie,

00:10:04.484 --> 00:10:07.991
mieux on pourra en définir 
ensemble les termes d'usage.

00:10:09.081 --> 00:10:13.655
Alors que de plus en plus de notre vie
passe au digital, nous nous lançons

00:10:13.655 --> 00:10:17.153
dans une lutte perdue d'avance pour
restreindre notre usage d'appareils

00:10:17.153 --> 00:10:20.632
et reconquérir nos émotions.
Ce que j'essaie

00:10:20.632 --> 00:10:24.536
de faire au contraire est d'amener
nos émotions dans notre technologie

00:10:24.536 --> 00:10:26.765
et la rendre ainsi plus réactive.

00:10:26.765 --> 00:10:30.025
Je veux que ces appareils qui 
nous séparaient les uns des autres,

00:10:30.025 --> 00:10:32.347
finalement nous rapprochent.

00:10:32.347 --> 00:10:36.485
En rendant notre technologie plus humaine,
nous avons également l'opportunité

00:10:36.485 --> 00:10:39.782
de revoir la façon dont 
nous interagissons avec les machines,

00:10:39.782 --> 00:10:44.263
et par là-même la façon 
dont nous, humains,

00:10:44.263 --> 00:10:46.167
interagissons ensemble.

NOTE Paragraph

00:10:46.167 --> 00:10:47.097
Merci.

NOTE Paragraph

00:10:47.097 --> 00:10:51.640
(Applaudissements)