Bodyguard

L'infrastructure de Bodyguard est composée de trois instances Public Cloud :

• une pour gérer les bases de données
• une pour les modèles de technologie et de machine learning
• une pour les systèmes qui assurent le fonctionnement de l'application mobile en recueillant les commentaires et en les analysant à l'aide de la technologie

Et pour créer des sauvegardes, Charles utilise un autre service du Public Cloud OVHcloud : l’archivage cloud (uniquement disponible en France pour le moment). Il peut l'utiliser pour le stockage de données à long terme à un coût moindre tout en garantissant la sécurité et la récupération des données.

Le défi

La technologie devait être capable d'analyser le contexte dans lequel un commentaire était écrit et de déterminer la ou les personnes auxquelles il s'adressait.

La technologie de Bodyguard devait être capable de comprendre et d'interpréter les états d'esprit. Pour cette raison, une couche d'intelligence artificielle était absolument indispensable pour réduire les faux positifs (commentaires détectés comme haineux alors qu'ils ne l’étaient pas) et augmenter la précision.

La solution :

Un service géré et facile à utiliser qui pourrait accélérer la phase de production.

Charles a choisi d'utiliser OVHcloud AutoML, une plateforme de machine learning décentralisée et évolutive. Avec cette solution Software-as-a-Service (SaaS), il a pu automatiser les processus de création et de déploiement ainsi que le processus de requête des modèles de machine learning. Il pouvait également l'utiliser pour intégrer des algorithmes open-source, comme ceux proposés par Scikit-learn.

Le résultat

Charles a passé deux ans à développer l'algorithme final de machine learning et à l'intégrer dans une application mobile gratuite, qui est disponible sur Android et iOS depuis octobre 2017. Aujourd'hui, Bodyguard supprime les commentaires haineux en temps réel sur YouTube, Instagram, Twitter, Twitch et Mixer. En juillet 2019, ce garde du corps virtuel a rassemblé plus de 40 000 utilisateurs et a obtenu un taux de satisfaction de 97 %. Voici quelques-unes des raisons qui expliquent un tel succès :

•90 % des commentaires haineux détectés par l’application

•2 % de marge d’erreur (faux positifs)

•Plus de 2 millions de commentaires

haineux supprimés en 20 mois