:quality(75))
IA : Intelligence réelle !
Les modèles d'IA sont-ils vraiment précis ? Découvrez les défis liés à l'utilisation de modèles prédictifs de l'attention par rapport à l'eye tracking pour prédire la prise de décision humaine dans le monde réel.
:quality(75))
L'IA a également besoin d'informations contextuelles sur la personne qui se trouve au cœur de cet univers.
À quoi prêtent-ils attention ?
Qu'ont-ils oublié ?
Quelles informations sont pertinentes pour eux à un moment donné ?
Comment leur attention évolue-t-elle lorsqu'ils interagissent avec une tâche ou un environnement ?
Eye tracking permet d'apporter cette dimension humaine à l'information.
En convertissant les mouvements oculaires en indicateurs de la direction du regard et de l'attention, eye tracking peut fournir des données qui les modèles d’IA peuvent analyser pour identifier des schémas d’attention, de comportement et de traitement cognitif, aidant ainsi les systèmes d’IA à acquérir une compréhension plus approfondie de la manière dont les individus interagissent avec le monde qui les entoure.
Associés, l'eye tracking et l'IA ouvrent de nouvelles perspectives pour des systèmes qui ne se contentent pas de
se contenter de percevoir leur environnement. Ils peuvent également prendre en compte la personne qui se trouve dans cet environnement.
:quality(75))
Les systèmes d'IA sont de plus en plus multimodaux. Au lieu de s'appuyer sur un seul type d'information, ils combinent différentes sources telles que le texte, la parole, les images, la vidéo, l'audio et les données de capteurs afin de comprendre des situations plus complexes.
Eye tracking ajoute un autre type d'information : l'attention visuelle.
Prenons l'exemple d'une paire de lunettes connectées dotées d'une intelligence artificielle smart glasses. Des caméras peuvent aider le système à reconnaître des objets, des personnes et du texte dans le champ de vision de l'utilisateur. Un microphone peut capter une question posée à voix haute. D'autres capteurs peuvent fournir des informations sur les mouvements et l'environnement immédiat.
«Tu peux m'en dire plus là-dessus ?»
Plusieurs objets peuvent être visibles en même temps. Savoir où l'utilisateur pose son regard peut fournir un indice supplémentaire qui aide le système à déterminer à quoi «ceci » fait référence.
Cette valeur va toutefois bien au-delà d'un simple point de vue.
Les mouvements oculaires évoluent lorsque nous recherchons des informations, lisons, accomplissons des tâches, réagissons à des évènements ou déplaçons notre attention. L'eye tracking permet de mesurer ces schémas, générant ainsi des données qui peuvent compléter les autres informations dont dispose un système d'IA.
Eye tracking mesure des signaux tels que la position du regard, les fixations, les saccades, clignements et les variations de taille de la pupille.
Ces mesures ne nous permettent pas automatiquement de savoir ce qu'une personne pense ou pourquoi elle regarde quelque chose. Leur signification dépend de la personne, de la tâche à accomplir et de l'environnement. Ce contexte est important.
Un regard porté vers un objet peut traduire un intérêt ou s'inscrire dans le cadre d'une recherche visuelle, et un changement dans le comportement du regard peut s'avérer significatif lorsqu'il est considéré dans le contexte d'une tâche. Tout dépend de la situation.
C'est là que l'IA multimodale prend toute son importance.
Le traitement du langage peut fournir des informations sur ce qu'une personne dit. La vision par ordinateur peut fournir des informations sur ce qui se trouve dans l'environnement. L'eye tracking peut fournir des informations sur la manière dont la personne interagit visuellement avec cet environnement. D'autres capteurs peuvent apporter des informations supplémentaires sur les mouvements, le comportement ou la situation environnante.
Combinés, ces signaux peuvent aider les systèmes d'IA à interpréter le contexte plus efficacement et, dans certaines applications, contribuer à une meilleure compréhension de ce qui peut être pertinent pour l'utilisateur ou de ce qu'il a l'intention de faire ensuite.
:quality(75))
The relationship between eye tracking and AI goes in several directions.
Dans certaines applications, l'eye tracking devient une source d'entrée supplémentaire en temps réel pour un système d'IA.
Savoir où une personne porte son attention peut contribuer à réduire l'ambiguïté et fournir des informations sur les éléments d'un environnement qui sont actuellement pertinents.
Cela peut s'avérer utile lorsque l'IA doit interagir avec une personne, s'adapter à des situations changeantes ou interpréter plusieurs signaux simultanément.
Dans d'autres applications, ce sont les données d'eye tracking elles-mêmes qui sont analysées par l'IA.
Les mouvements oculaires génèrent des données complexes et continues. Les modèles d'apprentissage automatique permettent d'identifier, au sein de vastes ensembles de données, des tendances qu'il serait difficile de détecter manuellement.
Cela permet de transformer les données d'eye tracking en informations utiles sur la manière dont les gens lisent, apprennent, effectuent des tâches, interagissent avec des produits ou réagissent à différents environnements.
Ces deux approches ouvrent la voie à un large éventail d'applications.
The smart glasses illustrate why human context is important.
Une caméra permet d'identifier ce qui se trouve dans le champ de vision de la personne qui porte l'appareil. Eye tracking permet d'apporter des informations supplémentaires sur l'élément qui retient actuellement son attention.
Associées à la parole et à d'autres informations contextuelles, les données relatives à l'attention peuvent aider un assistant IA à interpréter les demandes avec moins d'indications explicites de la part de l'utilisateur.
Par exemple, le suivi du regard pourrait permettre de déterminer quel produit intéresse l'utilisateur, quel passage de texte il souhaite traduire ou quel objet correspond à sa commande.
Eye tracking ne suffit pas à elle seule à donner une image complète de la situation. Elle apporte un indice supplémentaire qui peut aider un système d'IA à comprendre la situation.
Eye tracking est déjà largement utilisé dans réalité virtuelle et mixte.
Il prend en charge l'interaction par le regard, le rendu fovéal, l'entraînement, l'évaluation et l'analyse du comportement des utilisateurs.
Associées à l'IA, les données relatives au regard peuvent contribuer à la mise au point de systèmes capables de s'adapter à ce que fait une personne dans un environnement immersif.
Une application pourrait exploiter le regard, associé aux mouvements des mains, à la parole ou à d’autres comportements, pour comprendre comment une personne progresse dans la réalisation d’une tâche. Les systèmes de formation pourraient utiliser les schémas d’attention visuelle comme l’un des nombreux signaux permettant d’identifier le niveau de compétence d’un débutant ou d’un expert et de mesurer les progrès réalisés au cours de l’acquisition d’une compétence.
Dans ce contexte, l'eye tracking permet de se faire une idée plus complète du comportement des utilisateurs dans l'environnement numérique.
:quality(75))
Pour les les robots et les machines intelligentes travaillant aux côtés des humains, la compréhension de l’attention humaine peut également fournir un contexte essentiel.
La collaboration humaine repose souvent sur des indices qui ne sont jamais explicitement formulés. Nous remarquons où quelqu’un regarde, vers quoi il tend la main ou ce qui retient son attention.
Les robots n'ont pas naturellement accès à ces indices.
Eye tracking fournit des informations sur l'attention visuelle qui, associées à la vision par ordinateur et à d'autres capteurs, peuvent aider un système à comprendre quels objets ou zones sont pertinents à un moment donné et quelle peut être l'intention de l'utilisateur lorsqu'ils effectuent des tâches ensemble.
Cela peut favoriser une interaction plus sûre et mieux coordonnée entre les personnes et les machines sans qu'il soit nécessaire que chaque action commence par une commande explicite, ni que chaque opération soit strictement prédéfinie.
Certaines des perspectives les plus prometteuses pour Eye tracking et l'IA n'ont que peu de rapport avec le contrôle d'un appareil.
Au contraire, l'IA peut aider à dégager des tendances significatives à partir des données d'eye tracking.
:quality(75))
Les mouvements oculaires peuvent fournir des informations détaillées sur la manière dont une personne lit et assimile un texte.
L'apprentissage automatique permet d'analyser ces mouvements oculaires afin d'identifier des tendances au sein de vastes ensembles de données, aidant ainsi les développeurs à créer des outils d'évaluation de la lecture et à proposer un accompagnement pédagogique plus personnalisé.
Client Tobii Lexplore, par exemple, combine un Eye tracker Tobii Pro Fusion et l'apprentissage automatique pour analyser les mouvements oculaires des élèves pendant qu'ils lisent et traduire ces schémas en informations sur leurs capacités de lecture.
Les mouvements oculaires peuvent contenir des informations liées aux processus neurologiques et cognitifs.
Une revue systématique de 2025 dans Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring a passé au crible 71 études utilisant l’eye tracking dans le cadre de la maladie d’Alzheimer, des troubles cognitifs légers et des démences apparentées. Six des études incluses ont utilisé des mesures d’eye tracking pour développer des modèles d’apprentissage automatique permettant de différencier des groupes de patients de témoins sains. Ces modèles s’appuyaient sur des caractéristiques issues de tâches telles que la recherche visuelle, l’observation libre et les tâches saccadiques.
Dans ces applications, l'IA n'est pas utilisée pour déduire l'intention d'une personne d'un simple regard. Au contraire, l'apprentissage automatique permet d'identifier, au sein de données complexes issues de l'eye tracking, des schémas qui pourraient être difficiles à détecter par une simple analyse manuelle.
Les modèles d'IA dépendent de la qualité des informations qui leur sont fournies.
Lorsque les données d'eye tracking font partie de ces sources d’informations, la qualité des mesures a également son importance.
Des données précises et fiables sur le regard constituent une base plus solide pour identifier des schémas, comparer des comportements et développer des systèmes devant s'adapter à ce que fait une personne.
Le contexte dans lequel les données sont collectées a également son importance.
Les mouvements oculaires dépendent de facteurs tels que la tâche à accomplir, l'environnement, l'individu et l'appareil utilisé. Un comportement visuel similaire peut revêtir des significations différentes selon qu'il se produit dans une salle de classe, dans un véhicule en mouvement, dans un environnement de formation virtuel ou lors d'une évaluation clinique.
C'est pourquoi eye tracking est particulièrement efficace lorsqu'il s'inscrit dans une compréhension plus large de la situation, plutôt que d'être interprété isolément.
:quality(75))
À mesure que l'IA s'intègre dans un nombre croissant d'appareils, de produits et de services, il deviendra de plus en plus important de comprendre comment les gens interagissent avec le monde qui les entoure.
Eye tracking peut apporter cette perspective en rendant l'attention humaine mesurable. Elle permet de fournir un contexte en temps réel et de mettre en évidence des tendances au sein d'ensembles de données plus vastes, offrant ainsi aux systèmes d'IA et à leurs concepteurs l'accès à des informations qui seraient autrement difficiles à saisir.
Ce contexte supplémentaire peut contribuer à créer des systèmes d'IA qui tiennent davantage compte de la manière dont les gens perçoivent le monde qui les entoure, y prêtent attention et interagissent avec lui.
Contactez nos experts commerciaux pour découvrir comment tirer parti de l'eye tracking afin d'améliorer vos études, vos produits ou vos formations.
:quality(75))
Les modèles d'IA sont-ils vraiment précis ? Découvrez les défis liés à l'utilisation de modèles prédictifs de l'attention par rapport à l'eye tracking pour prédire la prise de décision humaine dans le monde réel.
:quality(75))
Découvrez comment l'eye tracking permet d'enrichir les vidéos à la première personne de données sur l'attention humaine, contribuant ainsi à enrichir les données d'entraînement destinées aux modèles du monde réel, à la robotique et à l'IA incarnée.
:quality(75))
La capture de données humaines à l'aide de l'eye tracking à l'ère de l'IA est importante car nous devons creuser en profondeur la façon dont une personne voit la réalité, comment ses esprits conscient et inconscient la créent.
:quality(75))
Depuis plus de 20 ans, Tobii est à la pointe de l'innovation en matière d'eye tracking. Nos efforts en matière de recherche et développement ont permis de réaliser des percées dans les domaines de l'apprentissage automatique, de l'intelligence artificielle et des capteurs avancés, créant ainsi des produits qui redéfinissent la façon dont nous comprenons le comportement humain.
:quality(75))
Ce guide montre comment l'eye tracking aide les équipes à comprendre ce que les utilisateurs remarquent, comment ils traitent les informations et où l'incertitude apparaît dans les expériences d'IA.