Teachable Machine

Cette analyse de Teachable Machine présente les fonctionnalités de cet outil en ligne, ses caractéristiques, son coût, la procédure étape par étape pour entraîner un modèle, ainsi que sa place par rapport aux autres outils d’apprentissage automatique. Teachable Machine est une expérience du Google Creative Lab : vous montrez des exemples à l’ordinateur, celui-ci apprend à reconnaître des motifs, puis vous testez le modèle en direct à l’aide de votre webcam ou de votre microphone. Au lieu d’être programmé de manière explicite, le modèle apprend à partir des exemples que vous lui fournissez. La version 2.0, lancée en novembre 2019, a ajouté des projets liés au son et aux postures au classificateur d’images initial de 2017.

À quoi sert Teachable Machine ?

Teachable Machine sert à créer des modèles d’apprentissage automatique destinés à la classification : distinguer des images, des sons ou des postures corporelles. Les projets types consistent à trier des objets devant une webcam, à détecter des sons simples tels qu’un claquement de mains ou un sifflement, à reconnaître des gestes de la main ou des mouvements du corps, ou encore à distinguer un chat d’un chien. Les enseignants s’en servent en cours pour montrer aux élèves comment l’intelligence artificielle apprend à partir de données, et les créateurs l’utilisent pour contrôler des jeux, des sites web et des projets physiques tels qu’un robot Arduino.

Comme il s’agit d’un outil en ligne ne nécessitant aucune installation, toute personne disposant d’un navigateur peut y accéder, ce qui facilite la réalisation de projets entre amis ou en classe. C’est également un outil de recherche. Un article publié par Google en 2020 indique que plus de 182 000 utilisateurs dans 201 pays ont créé plus de 125 000 modèles de classification grâce à cet outil, et que des établissements tels que la Stanford d.school, l’ITP de l’université de New York (NYU) et le MIT Media Lab l’ont utilisé dans le cadre de leurs enseignements (Google Research).

Principales fonctionnalités

• Trois types de projets pour des modèles d’apprentissage automatique personnalisés : projets d’images, d’audio et de poses, chacun étant entraîné à partir d’exemples que vous enregistrez avec une webcam ou un microphone, ou que vous téléchargez sous forme de fichiers.
• Entraînement dans le navigateur : l’entraînement s’effectue sur votre propre ordinateur, de sorte que les données restent sur l’appareil, sauf si vous enregistrez le projet sur Google Drive (blog Google).
• Test en direct : l’aperçu affiche la prédiction du modèle et son niveau de confiance pour chaque classe lorsque vous bougez ou émettez des sons.
• Exportation : les modèles s’exportent au format TensorFlow.js pour les sites web, et les modèles d’image s’exportent également au format TensorFlow et TensorFlow Lite, y compris une version Edge TPU pour les cartes Coral (problème GitHub n° 66).
• Lien partageable : vous pouvez mettre en ligne un modèle et le charger à partir d’une URL hébergée à l’aide des bibliothèques open source, qui comprennent des extraits de code pour JavaScript, Java et Python (GitHub).

Tarifs de Teachable Machine

L’utilisation de Teachable Machine est gratuite. Il n’y a ni compte, ni abonnement, ni forfait payant : il suffit d’ouvrir le site et de commencer à créer. L’enregistrement des projets sur Google Drive nécessite un compte Google. Les bibliothèques d’aide sont open source sous licence Apache 2.0. Le seul coût à prendre en compte concerne l’assistance : Google décrit le projet comme « une expérience, et non un produit officiel de Google » et s’engage uniquement à faire de son mieux pour le maintenir (GitHub).

Guide étape par étape : entraîner un modèle d’apprentissage automatique

1. Ouvrez l’outil en ligne et choisissez un projet d’image, d’audio ou de pose.
2. Nommez chaque classe, par exemple « pouce levé » et « pouce baissé ».
3. Ajoutez des exemples à chaque classe à l’aide de la webcam, du microphone ou d’images téléchargées. Plus les exemples sont variés, meilleurs sont les résultats.
4. Cliquez sur « Entraîner le modèle ». L'entraînement s'effectue dans le navigateur.
5. Testez le modèle dans l'aperçu et ajoutez des exemples lorsque le modèle se trompe.
6. Exportez le modèle ou téléchargez-le pour obtenir un lien partageable pour vos applications et sites web.

Que se passe-t-il après l'envoi d'images ? Elles sont utilisées comme exemples d'entraînement dans votre session de navigateur et ne sont pas envoyées à Google, sauf si vous enregistrez le projet sur Drive ou si vous téléchargez le modèle entraîné.

Teachable Machine pour les enfants et les salles de classe

Teachable Machine est très apprécié des enfants et des enseignants, car il transforme des concepts abstraits en jeu. Les élèves collectent leurs propres données d’entrée, telles que des images, des poses ou des sons d’instruments de musique, entraînent un modèle et voient immédiatement comment la technologie interprète ces données. Cela permet d’expliquer facilement en quoi l’apprentissage des ordinateurs diffère de leur programmation, et d’évaluer pourquoi un modèle se trompe. Les cours commencent souvent par une idée ludique, comme un jeu de pierre-papier-ciseaux ou un jeu contrôlé par des gestes, et se terminent par une discussion sur les biais présents dans les données d’entraînement. L’équipe de conception de Google décrit l’objectif comme un apprentissage par l’exemple plutôt que par l’établissement de règles (Google Design).

Les points forts et les limites de Teachable Machine

Points forts :

• Gratuit, rapide et simple : un premier modèle est créé en quelques minutes, sans aucune programmation.
• Les données restent dans le navigateur par défaut.
• Idéal pour les cours, les prototypes et les expériences créatives.
• Exporte les modèles d’apprentissage automatique vers le Web, les appareils mobiles et les terminaux périphériques, ce qui vous permet d’entraîner facilement un modèle et de l’utiliser dans un projet complet.

Compromis :

• Classification uniquement ; pas de détection d'objets, de régression ni de modèles textuels.
• Ensembles de données de petite taille et modèles simples ; non conçu pour une précision de niveau production.
• Il s'agit d'une expérience bénéficiant d'une assistance « au mieux », et non d'un produit officiel de Google.
• Contrôle limité des paramètres d'entraînement par rapport à une véritable plateforme d'apprentissage automatique.

Comparaison de Teachable Machine

• Create ML : l'outil de formation de modèles sans code d'Apple pour Mac, proposant davantage de types de modèles et une sortie Core ML pour les applications Apple.
• H2O.ai : solution AutoML open source et d’entreprise pour les données tabulaires et les modèles de production.
• DataRobot : solution AutoML d'entreprise et opérations sur les modèles pour les données métier.
• Obviously AI : prédictions sans code sur des données de feuilles de calcul ; l’entreprise a depuis changé de nom pour devenir Zams.

Teachable Machine en vaut-il la peine ?

Oui, pour l’apprentissage, l’enseignement et la création rapide de prototypes. C’est le moyen gratuit le plus rapide de montrer à des étudiants ou à des collègues comment un ordinateur apprend à reconnaître des images, des sons et des poses, et les options d’exportation sont suffisantes pour une démo web ou un projet Coral. Ce n’est pas une plateforme destinée au machine learning de production : les modèles sont de petite taille, l’assistance est fournie dans la mesure du possible, et les tâches plus complexes nécessitent un véritable outil de ML. Si vous souhaitez transformer un prototype Teachable Machine en produit, les agences low-code et les développeurs de LowCodeDevs peuvent vous aider à le réaliser.

Sources

• Teachable Machine 2.0, blog Google : lancement, types de projets, apprentissage dans le navigateur et confidentialité.
• Dépôt communautaire de Teachable Machine, GitHub : bibliothèques, extraits de code, licence et état des expériences.
• Article sur Teachable Machine, Google Research : conception et chiffres d’utilisation.
• Concevoir un Teachable Machine, Google Design : apprentissage par l’exemple et choix de conception.
• Teachable Machine, Experiments with Google : la page du projet par Google Creative Lab.
• Formats d'exportation, ticket GitHub n° 66 : exportations vers TensorFlow, TF Lite et Edge TPU pour les modèles d'images.