Quelle est la précision de la reconnaissance de cigares par IA, et pourquoi les scanners photo se trompent-ils si souvent ?
Meilleure qu'avant, moins bonne que ce que suggère le marketing. Un scanner par photo, c'est plusieurs signaux peu fiables qui votent en même temps : le texte de la bague, la couleur et la texture de la cape, la forme de la tête, et les dimensions. Chacun d'eux, pris isolément, peut induire en erreur. Les échecs ne sont pas aléatoires. Ils se concentrent autour des bagues abîmées, des noms de modèles génériques, et des cigares dont la seule photo de référence ne correspond pas à ce que vous avez en main.
Que regarde réellement un scanner ?
Pointez un appareil photo vers un cigare : il n'y a pas une seule chose à reconnaître. Il y en a quatre, superposées les unes aux autres, et un pipeline qui fonctionne doit les lire toutes puis décider quelle confiance accorder à chacune.
La bague porte un texte imprimé ou embossé, généralement le signal le plus fort quand il est lisible. La cape a une couleur et une texture de surface qui restreignent la famille de nuances : une feuille Connecticut shade ne ressemble en rien à un maduro sombre et huileux, mais bien des nuances sont suffisamment proches pour que l'éclairage seul fasse basculer une classification. La tête et la silhouette générale restreignent la vitole : un parejo à côtés droits se lit différemment d'un figurado effilé. Et les dimensions, tour de bague et longueur, réduisent encore les candidats à l'intérieur de la ligne vers laquelle les autres signaux ont déjà pointé.
Aucun de ces quatre signaux n'est assez fiable pour fonctionner seul. Un système qui marche les fait tourner ensemble et laisse chacun corriger les autres. Quand on dit qu'un scanner « s'est trompé », ce qui s'est généralement passé, c'est qu'un signal était fort, confiant et faux, et que rien d'autre ne l'a rattrapé.
La mise en correspondance avec un vrai catalogue est aussi un problème différent de la classification d'une photo isolée. Le catalogue de Paradigm compte 11 519 cigares, et chacun de ces quatre signaux doit finalement être vérifié contre des entrées réelles, pas seulement reconnu comme « un robusto maduro », ce qui restreint le champ sans rien identifier.
Pourquoi le texte de la bague échoue-t-il si souvent ?
Le texte de la bague a l'air d'être la partie facile. Ça ne l'est généralement pas. Une bague s'enroule autour d'un cylindre, donc l'appareil la photographie courbée, et la reconnaissance de texte, entraînée surtout sur des pages planes, s'en sort moins bien sur du texte courbe que la plupart des gens ne l'imaginent. Les bagues métallisées ajoutent des reflets qui avalent des lettres entières selon l'angle de la lumière. Les bagues qui ont passé du temps dans une poche ou un étui de voyage se froissent, s'éraflent ou se décollent partiellement, et un mot partiellement masqué peut se lire comme un mot totalement différent de celui réellement imprimé.
Puis il y a un problème qui n'a rien à voir avec la qualité de l'image : un nombre non négligeable de cigares n'ont tout simplement pas de nom distinctif à lire. L'approche fondée uniquement sur la bague échoue selon un ensemble de scénarios assez prévisibles, et l'un des plus importants est que certains produits portent des noms composés de mots si génériques que même une extraction de texte parfaite ne vous dit toujours pas quel cigare précis vous tenez.
Que signifie concrètement le problème des 13,3 % de noms génériques ?
Sur un catalogue de 11 519 cigares, 13,3 % des entrées ont des noms de modèle construits entièrement à partir de mots génériques, des termes qui décrivent une catégorie plutôt qu'ils n'identifient un produit. Un scanner qui lirait chaque caractère de cette bague avec une exactitude totale n'aurait toujours rien de distinctif à comparer, parce que les mots eux-mêmes n'appartiennent pas à un cigare plus qu'à un autre.
Voilà pourquoi le texte de la bague ne peut pas constituer tout le système, même avec une photo parfaite. La correspondance textuelle a besoin de quelque chose à quoi se comparer, et environ un cigare sur huit dans un vrai catalogue ne lui en offre aucun.
Pourquoi la couleur de la cape et la forme ne peuvent-elles pas faire le reste du chemin ?
La cape et la forme semblent devoir être plus indulgentes, puisque ni l'une ni l'autre ne dépend d'une impression lisible. En pratique, elles sont simplement difficiles d'une autre manière.
La classification des nuances dérive avec l'humidité. Les huiles remontent à la surface d'une cape avec le temps et modifient la façon dont la lumière s'y réfléchit ; une feuille photographiée sous une lumière intérieure chaude, plus basse sur l'échelle de température de couleur que la lumière du jour, se lit plusieurs nuances plus sombre que la même feuille en extérieur. La classification des formes se heurte au nombre considérable de familles de vitoles qui paraissent presque identiques vues sous un seul angle. Il existe des dizaines de formes et de tailles nommées en circulation, et plusieurs paires d'entre elles ne diffèrent essentiellement que par un angle d'effilement ou un style de tête que l'appareil d'un téléphone capture de manière inconstante selon la distance et le cadrage.
Ni l'un ni l'autre n'est une raison de renoncer au signal. C'est une raison de s'attendre à ce qu'il exige une ingénierie réelle et ciblée plutôt qu'une seule passe large. Le classificateur de forme de tête de Paradigm est passé de 78,6 % à 91,9 % de précision sur des scans réels en production après un correctif construit autour de deux caractéristiques mesurées précises plutôt que d'un changement global de modèle, ce qui prouve que la reconnaissance des formes répond mieux à une correction étroite et soignée qu'à un modèle plus gros et plus général. Ce qu'une cape et une forme peuvent honnêtement vous apprendre avant même d'allumer le cigare est une question connexe, distincte, qui mérite sa propre réponse.
Comment interpréter une annonce de précision venant d'une application de cigares ?
La plupart des chiffres de précision publiés décrivent un jeu de test : un lot sélectionné de photos de référence propres et bien éclairées, choisies parce qu'elles se photographient bien. Ce chiffre ne vous dit presque rien de ce qui se passe quand vous êtes debout sous une lumière inégale, avec une bague à moitié effacée.
Le chiffre le plus utile est celui mesuré sur des scans réels en production, de vraies photos prises par de vraies personnes dans de vraies conditions, et non un banc d'essai assemblé pour faire bonne figure. Cela représente un ensemble d'exemples plus restreint à vérifier, car cela exige de réellement mettre un produit entre les mains des gens et de mesurer ce qui se passe ensuite, plutôt que de publier un résultat de laboratoire une fois et de passer à autre chose.
| Question à poser | Pourquoi c'est important |
|---|---|
| Mesuré sur un jeu de test, ou sur des scans réels ? | Un jeu de test est bien plus propre que la réalité |
| Un seul signal, ou plusieurs combinés ? | Un système à signal unique hérite exactement des faiblesses de ce signal |
| Précise-t-on comment il gère une bague abîmée ou avec des reflets métallisés ? | Si le texte de la bague constitue tout le pipeline, c'est là que ça casse |
| Le chiffre est-il daté, ou s'agit-il d'une affirmation ponctuelle ? | Les modèles et les catalogues évoluent ; le chiffre de l'an dernier peut ne plus tenir |
Si une application ne peut pas répondre aux deux premières questions, considérez tout pourcentage affiché comme du marketing plutôt que comme une mesure.
En résumé
- Un scanner lit quatre signaux distincts, texte de la bague, couleur de la cape, forme de la tête et dimensions, et aucun n'est fiable à lui seul.
- Courbure, feuille métallisée, reflets, froissements et usure expliquent pourquoi le texte de la bague échoue plus souvent qu'on ne le croit.
- Environ un cigare sur huit (13,3 %) dans un vrai catalogue porte un nom trop générique pour que la correspondance textuelle suffise, quelle que soit la qualité de la photo.
- La reconnaissance des formes et des couleurs progresse grâce à des correctifs ciblés et mesurés : une correction fondée sur deux caractéristiques a fait passer un classificateur en production de 78,6 % à 91,9 %.
- Avant de faire confiance à un chiffre de précision, demandez s'il provient de scans réels ou d'un jeu de test propre.