{"id":6719,"date":"2019-10-03T11:36:43","date_gmt":"2019-10-03T11:36:43","guid":{"rendered":"https:\/\/urbanai.fr\/topos-le-spotify-des-villes\/"},"modified":"2021-03-01T19:55:06","modified_gmt":"2021-03-01T19:55:06","slug":"topos-le-spotify-des-villes","status":"publish","type":"post","link":"https:\/\/urbanai.fr\/fr\/topos-le-spotify-des-villes\/","title":{"rendered":"Topos, le Spotify des villes"},"content":{"rendered":"

Pourquoi dit-on d\u2019un quartier qu\u2019il est \u00ab typiquement parisien \u00bb ? D\u2019o\u00f9 vient \u00ab l\u2019\u00e9nergie new yorkaise \u00bb ou encore la \u00ab vibe californienne \u00bb ? Plus largement, comment une ville parvient-elle \u00e0 nous transmettre une culture, un imaginaire, une \u00e9motion ? La startup Topos (lieu en Grec) utilise plusieurs branches de l\u2019Intelligence Artificielle pour r\u00e9pondre \u00e0 ces questions. Rencontre passionnante avec Will Shapiro (Fondateur de Topos). <\/em><\/p>\n

<\/div>\n

De la cartographie \u00e0 la psychographie des villes<\/strong><\/p>\n

<\/div>\n

\u00ab La cartographie classique d\u2019une ville ou d\u2019un quartier ne donne aucune information sur ce qu\u2019il s\u2019y passe vraiment. Lorsqu\u2019on parle de Brooklyn on pense \u00e0 une entit\u00e9 uniforme et homog\u00e8ne alors qu\u2019en r\u00e9alit\u00e9 il a 200 Brooklyn diff\u00e9rents ! \u00bb (W.S). Parti de ce constat<\/u><\/a>, Topos a utilis\u00e9 du computer vision, du Natural Language Processing (NLP) et du Network Science pour redessiner New York et proposer une psychographie de la ville. Contrairement aux cartes conventionnelles qui \u00e9tablissent des rapprochements g\u00e9ographiques, la psychographie r\u00e9alis\u00e9e par Topos fonctionne de mani\u00e8re ontologique. Autrement dit, elle propose des rapprochements en fonction de l\u2019essence d\u2019un quartier (son identit\u00e9 visuelle, ses infrastructures, le type de population qui y vit, etc.). Pour ce faire, Topos a agr\u00e9g\u00e9 et analys\u00e9 des centaines de donn\u00e9es (\u00e9conomiques, visuelles, d\u00e9mographiques, etc.) issues d’une douzaine de sources diff\u00e9rentes. La startup a ainsi \u00e9t\u00e9 en mesure de proposer une nouvelle carte de New York :<\/p>\n

 <\/p>\n

\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Source : <\/em>https:\/\/topos.com\/<\/em><\/a><\/p>\n

<\/div>\n

Cette carte, divis\u00e9e en 5 \u00ab quartiers \u00bb (repr\u00e9sent\u00e9s chacun par une couleur), nous invite \u00e0 porter un autre regard sur la ville. Le quartier en jaune (baptis\u00e9 \u00ab The Meadows \u00bb), est p\u00e9riurbain, \u00e9tal\u00e9 et se caract\u00e9rise par la pr\u00e9sence d\u2019une abondante v\u00e9g\u00e9tation. Au contraire, \u00ab Minhattan \u00bb (le quartier en vert) est particuli\u00e8rement dense, dispose de nombreux b\u00e2timents d\u2019entreprises\/commerciaux et est le plus cher de New York. Ce projet est repr\u00e9sentatif de l\u2019une des ambitions de Topos : \u00ab saisir la personnalit\u00e9 d\u2019un espace \u00bb (W.S)<\/p>\n

<\/div>\n

Des enjeux \u00e9conomiques\u2026<\/strong><\/p>\n

<\/div>\n

Le potentiel \u00e9conomique de cette psychographie est consid\u00e9rable. \u00ab L\u2019id\u00e9e est de proposer \u00e0 une entreprise un emplacement optimal en fonction de sa marque, de sa client\u00e8le, etc. afin de l\u2019aider \u00e0 affiner sa strat\u00e9gie d\u2019expansion g\u00e9ographique \u00bb. Pour y parvenir, Topos fait \u00ab matcher \u00bb les caract\u00e9ristiques de l\u2019entreprise avec celles d\u2019un quartier (en fonction de sa psychographie). Par exemple, la startup a \u00e9t\u00e9 en mesure d\u2019identifier les zones de New York o\u00f9 Dunkin Donuts (franchise de caf\u00e9) serait susceptible de maximiser ses revenus (plus de d\u00e9tails ici<\/u><\/a>) :<\/p>\n

\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Les points bleus repr\u00e9sentent les zones d\u2019implantation optimales pour Dunkin Donuts. Source : <\/em>https:\/\/topos.com\/<\/em><\/a><\/p>\n

Le niveau de granularit\u00e9 de l\u2019IA de Topos est particuli\u00e8rement \u00e9lev\u00e9. Dans le cas d\u2019un restaurant, elle est m\u00eame en mesure de d\u00e9terminer les plats qui ont le plus de chance d\u2019\u00eatre appr\u00e9ci\u00e9s selon les quartiers. \u00ab On a remarqu\u00e9 que la \u00ab Pizza Prosciutto \u00bb avait une forte probabilit\u00e9 d\u2019\u00eatre choisie par certains types de population [comme les hipsters] \u00bb. Pour obtenir ce r\u00e9sultat, Topos a notamment analys\u00e9 des avis de pizzeria sur Internet et coupl\u00e9 ces informations avec des donn\u00e9es g\u00e9ographiques et sociologiques.<\/p>\n

<\/div>\n

\u2026 et sociaux<\/strong><\/p>\n

<\/div>\n

En plus de ses psychographies, Topos utilise du collaborative filtering<\/em> (filtrage collaborative) pour conseiller ses clients. C\u2019est notamment sur cette m\u00e9thode que repose les recommandations de Spotify. Le principe est simple : Spotify regroupe des individus en fonction des chansons qu\u2019ils ont \u00e9cout\u00e9es. Son IA propose ensuite des recommandations \u00e0 un individu selon les musiques appr\u00e9ci\u00e9es par les personnes de son groupe. Par la suite, le mod\u00e8le s\u2019affine selon que l\u2019individu a, ou pas, appr\u00e9ci\u00e9 les recommandations. Chez Spotify cette m\u00e9thode est d\u2019autant plus efficace qu\u2019il est possible de cr\u00e9er ses propres playlist (et donc, pour l\u2019IA, d\u2019avoir directement acc\u00e8s aux gouts musicaux des personnes d\u2019un m\u00eame groupe). Pour conseiller ses clients, Topos utilise une IA similaire : \u00ab On observe des rapprochements \u00e9vidents et volontaires. C\u2019est par exemple le cas d\u2019un Burger King qui s\u2019implante syst\u00e9matiquement en face d\u2019un McDonald. D\u2019autres en revanches sont plus subtiles. On remarque par exemple que WeWork, Sweetgreen et SoulCycle (entreprise de fitness) sont souvent implant\u00e9s dans le m\u00eame quartier \u00bb. Si vous souhaitez ouvrir une salle de fitness proche du branding de SoulCylce, il peut donc \u00eatre int\u00e9ressant de regarder o\u00f9 se situe un WeWork.<\/p>\n

\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Sch\u00e9ma d\u2019explication du collaborating filtering. Source: <\/em>https:\/\/dzone.com\/articles\/recommendation-engine-models<\/em><\/a><\/p>\n

<\/div>\n

Outre ces b\u00e9n\u00e9fices \u00e9conomiques, l\u2019IA de Topos peut \u00e9galement servir des causes sociales. La psychographie peut en effet identifier des ph\u00e9nom\u00e8nes de gentrification et mettre en lumi\u00e8re des in\u00e9galit\u00e9s (comme le r\u00e9v\u00e8le, entre autres, la nouvelle carte de New York). Bien que la startup ne travaille pas (encore) avec des villes, on imagine sans mal comment son IA peut contribuer \u00e0 cr\u00e9er des quartiers plus inclusifs.<\/p>\n","protected":false},"excerpt":{"rendered":"

Pourquoi dit-on d\u2019un quartier qu\u2019il est \u00ab typiquement parisien \u00bb ? D\u2019o\u00f9 vient \u00ab l\u2019\u00e9nergie new yorkaise \u00bb ou encore la \u00ab vibe californienne \u00bb ? Plus largement, comment une ville parvient-elle \u00e0 nous transmettre une culture, un imaginaire, une \u00e9motion ? La startup Topos (lieu en Grec) utilise plusieurs branches de l\u2019Intelligence Artificielle pour r\u00e9pondre \u00e0 ces questions. Rencontre passionnante avec Will Shapiro (Fondateur de Topos). De la cartographie \u00e0 la psychographie des villes \u00ab La cartographie classique d\u2019une ville ou d\u2019un quartier ne donne aucune information sur ce qu\u2019il s\u2019y passe vraiment. Lorsqu\u2019on parle de Brooklyn on pense \u00e0 une entit\u00e9 uniforme et homog\u00e8ne alors qu\u2019en r\u00e9alit\u00e9 il a 200 Brooklyn diff\u00e9rents ! \u00bb (W.S). Parti de ce constat, Topos a utilis\u00e9 du computer vision, du Natural Language Processing (NLP) et du Network Science pour redessiner New York et proposer une psychographie de la ville. Contrairement aux cartes conventionnelles qui \u00e9tablissent des rapprochements g\u00e9ographiques, la psychographie r\u00e9alis\u00e9e par Topos fonctionne de mani\u00e8re ontologique. Autrement dit, elle propose des rapprochements en fonction de l\u2019essence d\u2019un quartier (son identit\u00e9 visuelle, ses infrastructures, le type de population qui y vit, etc.). Pour ce faire, Topos a agr\u00e9g\u00e9 et analys\u00e9 des centaines de donn\u00e9es (\u00e9conomiques, visuelles, d\u00e9mographiques, etc.) issues d’une douzaine de sources diff\u00e9rentes. La startup a ainsi \u00e9t\u00e9 en mesure de proposer une nouvelle carte de New York :   Source : https:\/\/topos.com\/ Cette carte, divis\u00e9e en 5 \u00ab quartiers \u00bb (repr\u00e9sent\u00e9s chacun par une couleur), nous invite \u00e0 porter un autre regard sur la ville. Le quartier en jaune (baptis\u00e9 \u00ab The Meadows \u00bb), est p\u00e9riurbain, \u00e9tal\u00e9 et se caract\u00e9rise par la pr\u00e9sence d\u2019une abondante v\u00e9g\u00e9tation. Au contraire, \u00ab Minhattan \u00bb (le quartier en vert) est particuli\u00e8rement dense, dispose de nombreux b\u00e2timents d\u2019entreprises\/commerciaux et est le plus cher de New York. Ce projet est repr\u00e9sentatif de l\u2019une des ambitions de Topos : \u00ab saisir la personnalit\u00e9 d\u2019un espace \u00bb (W.S) Des enjeux \u00e9conomiques\u2026 Le potentiel \u00e9conomique de cette psychographie est consid\u00e9rable. \u00ab L\u2019id\u00e9e est de proposer \u00e0 une entreprise un emplacement optimal en fonction de sa marque, de sa client\u00e8le, etc. afin de l\u2019aider \u00e0 affiner sa strat\u00e9gie d\u2019expansion g\u00e9ographique \u00bb. Pour y parvenir, Topos fait \u00ab matcher \u00bb les caract\u00e9ristiques de l\u2019entreprise avec celles d\u2019un quartier (en fonction de sa psychographie). Par exemple, la startup a \u00e9t\u00e9 en mesure d\u2019identifier les zones de New York o\u00f9 Dunkin Donuts (franchise de caf\u00e9) serait susceptible de maximiser ses revenus (plus de d\u00e9tails ici) : Les points bleus repr\u00e9sentent les zones d\u2019implantation optimales pour Dunkin Donuts. Source : https:\/\/topos.com\/ Le niveau de granularit\u00e9 de l\u2019IA de Topos est particuli\u00e8rement \u00e9lev\u00e9. Dans le cas d\u2019un restaurant, elle est m\u00eame en mesure de d\u00e9terminer les plats qui ont le plus de chance d\u2019\u00eatre appr\u00e9ci\u00e9s selon les quartiers. \u00ab On a remarqu\u00e9 que la \u00ab Pizza Prosciutto \u00bb avait une forte probabilit\u00e9 d\u2019\u00eatre choisie par certains types de population [comme les hipsters] \u00bb. Pour obtenir ce r\u00e9sultat, Topos a notamment analys\u00e9 des avis de pizzeria sur Internet et coupl\u00e9 ces informations avec des donn\u00e9es g\u00e9ographiques et sociologiques. \u2026 et sociaux En plus de ses psychographies, Topos utilise du collaborative filtering (filtrage collaborative) pour conseiller ses clients. C\u2019est notamment sur cette m\u00e9thode que repose les recommandations de Spotify. Le principe est simple : Spotify regroupe des individus en fonction des chansons qu\u2019ils ont \u00e9cout\u00e9es. Son IA propose ensuite des recommandations \u00e0 un individu selon les musiques appr\u00e9ci\u00e9es par les personnes de son groupe. Par la suite, le mod\u00e8le s\u2019affine selon que l\u2019individu a, ou pas, appr\u00e9ci\u00e9 les recommandations. Chez Spotify cette m\u00e9thode est d\u2019autant plus efficace qu\u2019il est possible de cr\u00e9er ses propres playlist (et donc, pour l\u2019IA, d\u2019avoir directement acc\u00e8s aux gouts musicaux des personnes d\u2019un m\u00eame groupe). Pour conseiller ses clients, Topos utilise une IA similaire : \u00ab On observe des rapprochements \u00e9vidents et volontaires. C\u2019est par exemple le cas d\u2019un Burger King qui s\u2019implante syst\u00e9matiquement en face d\u2019un McDonald. D\u2019autres en revanches sont plus subtiles. On remarque par exemple que WeWork, Sweetgreen et SoulCycle (entreprise de fitness) sont souvent implant\u00e9s dans le m\u00eame quartier \u00bb. Si vous souhaitez ouvrir une salle de fitness proche du branding de SoulCylce, il peut donc \u00eatre int\u00e9ressant de regarder o\u00f9 se situe un WeWork. Sch\u00e9ma d\u2019explication du collaborating filtering. Source: https:\/\/dzone.com\/articles\/recommendation-engine-models Outre ces b\u00e9n\u00e9fices \u00e9conomiques, l\u2019IA de Topos peut \u00e9galement servir des causes sociales. La psychographie peut en effet identifier des ph\u00e9nom\u00e8nes de gentrification et mettre en lumi\u00e8re des in\u00e9galit\u00e9s (comme le r\u00e9v\u00e8le, entre autres, la nouvelle carte de New York). Bien que la startup ne travaille pas (encore) avec des villes, on imagine sans mal comment son IA peut contribuer \u00e0 cr\u00e9er des quartiers plus inclusifs.<\/p>\n","protected":false},"author":11,"featured_media":6769,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[168],"tags":[],"class_list":["post-6719","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-villes"],"acf":[],"_links":{"self":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6719","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/comments?post=6719"}],"version-history":[{"count":2,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6719\/revisions"}],"predecessor-version":[{"id":6776,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6719\/revisions\/6776"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/media\/6769"}],"wp:attachment":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/media?parent=6719"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/categories?post=6719"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/tags?post=6719"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}