Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Presentation_Data_Drink_Nantes.pdf

etalab-ia
October 27, 2022
8

 Presentation_Data_Drink_Nantes.pdf

etalab-ia

October 27, 2022
Tweet

Transcript

  1. Développer des IA éthiques pour les politiques publiques Expérimentation dans

    la restauration scolaire pour maîtriser le gaspillage alimentaire Florent Bédécarrats (ex)Responsable du management de la données à Nantes Métropole (En transition vers un poste de chercheur à l’IRD)
  2. Expérimenter pour l’intérêt général • Charte métropolitaine de la donnée

    (2019) : réguler, mais aussi innover • Plusieurs cas d’usage travaillés : • Reconnaissance et extraction de texte à partir d’image : moteur de recherche dans le contenu des délibérations (conseils métropolitains, municipaux, CCAS...) • Détection d’anomalies : fiabilisation des données de comptage transports • Classification des formes sur des images aériennes : Patrimoine arboré • Prévision d’événements réguliers (ex. fréquentation) ou rares (maintenance prédictive) • Cas d’usage sur la réduction du gaspillage alimentaire • 16 000 repas/jour • politique de “Table ouverte” • Excédent de production qui augmente (5% → 10%) • Mobiliser les données existantes (depuis 2011) : • Internes : prévisions, fréquentation, menus, grèves, vacances scolaires, inscriptions scolaires, • Externes : fêtes religieuses, ponts, mouvements sociaux, météo... • L’objectif : prédire le nombre d’enfants qui déjeuneront à la cantine au moins 4 semaines à l’avance.
  3. Une démarche ouverte • Travailler en mode “défi” : •

    Multiples acteurs mobilisés : numérique, cuisine centrale, agents, CityLab... • 2 candidats retenus : Maestria Innovation, Verteego • approche collaborative, délais serrés • Démarche ouverte : • Données publiées en open data, code source sur Github • Livre Blanc, documentation du processus • Invitation à d’autres territoires et acteurs • Développer une IA éthique : • Finalité d’intérêt général • Aucune donnée personnelle • Aider à la décision sans remplacer • Maximiser interopérabilité et la supervision • Audit des biais potentiels
  4. Résultats et perspective • Un algorithme fiable : • XGBoost

    modifié pour associer des intervalles de confiance aux estimations • Evaluation sur 2018-2019 : 6,5% de surproduction avec les prévisions du modèle vs. 9,6% pour les prédiction des agents (0 jours sous-estimés) • 430 repas en trop évités par jour, soit = 817€ par jour (107 027€ par an pour 131 jours de service) • Travaux de mise en production • Atout : infra Onyxia/SSP Cloud pour le déploiement • Développement d’une interface utilisateurs pour la cuisine centrale et les admins • Recrutement d’une alternante pour l’accompagner les métiers dans le design et l’adoption d’une interface pour les agents des écoles • Obstacles • Perturbations pendant la crise et altération durable des patterns de fréquentation ensuite • Difficultés de mobilisation des équipes : perturbations opérationnelles (protocoles sanitaires…), profils éloignés du numérique, rotation • Instauration d’un double menu systématique qui modifie profondément les paramètres du problème • Un bilan mitigé • Déploiement incertain à Nantes • Apprentissage interne pour d’autres cas d’usage • Adoption par d’autres collectivités de cet algorithme => vers une bibliothèque d’IA partagées
  5. Ressources • Code source : • Algorithme de prévisin :

    https://github.com/nantesmetropole/school_meal_forecast_xgboost • Interface utilisateur : https://github.com/FlorentBedecarratsNM/meal4cast • Données : • Fréquentation : https://data.nantesmetropole.fr/explore/dataset/244400404_nombre-convives-j our-cantine-nantes-2011 • Menus : https://data.nantesmetropole.fr/explore/dataset/244400404_menus-cantines-n antes-depuis-2011/ • Effectifs : https://data.nantesmetropole.fr/explore/dataset/244400404_effectifs-eleves-ec oles-publiques-maternelles-elementaires-nantes • Livre blanc : https://data.nantesmetropole.fr/api/datasets/1.0/244400404_nombre-convives-jour-cantin e-nantes-2011/attachments/rapport_experimentation_gaspillage_alimentaire_v1_pdf/