Gaming
Certus Technologies est une entreprise spécialisée dans les solutions innovantes pour l’industrie du gaming, notamment les casinos et les réseaux de machines. Elle développe des outils avancés de gestion, d’analyse de données et d’automatisation marketing pour optimiser les performances des opérateurs. Grâce à une approche technologique de pointe, la société accompagne ses clients dans la prise de décision et l’amélioration de leur rentabilité.
Le logiciel développé par Certus Technologies permet de créer des événements promotionnels en fonction de critères conjoncturels. Toutefois, il est difficile, voire impossible, pour des personnes non informaticiennes d'exprimer la condition de critères déclencheurs en une condition informatique. Les exploitants ont donc du mal à créer de nouvelles règles, critères et conditions sans avoir à passer par un intégrateur.
Micelia a développé une interface utilisateur mais aussi et surtout une IA capable de comprendre et transformer une phrase en langage naturel exprimant une condition, vers la bonne formule dans le langage structuré propriétaire et ce automatiquement.
Les exploitants et utilisateurs du logiciel de Certus Technologies peuvent maintenant créer de nouvelles règles et conditions, à la volée et en toute autonomie, via un simple prompt en langage naturel. Ils peuvent se concentrer sur leur expertise métier et lancer des événements et actions promotionnels au bon moment et au bon endroit en vérifiant simplement le graph de conditions généré pour s’assurer de la cohérence des conditions. Côté Certus, cette solution limite grandement le support utilisateurs et les interventions de leurs ingénieurs.
Dans le secteur du gaming et plus particulièrement des casinos, les exploitants ont recours à des logiciels de gestion de la relation client communément appelés CMS. C’est, entre autres, ce type de solution que développe Certus.
Dans ces logiciels, nous retrouvons pléthore de fonctionnalités et notamment une dédiée à la gestion d'évènements marketings.
Cette fonctionnalité permet de définir un certain nombre de règles ou critères, plus on moins complexes, visant à déclencher, ou non, des événements de type promotionnel lorsque certaines conditions sont remplies et donc alignées avec une règle.
Toutefois, définir ces règles n’est point chose aisée. En effet, l'expression de ces règles de critères se fait dans un langage informatique structuré, propriétaire et très spécifique. Ce langage est ensuite traduit vers de l'Esper (langage propre au CEP pour Complex Event Processing).
Malheureusement, ce processus présente un véritable problème puisqu’il est très difficile pour des personnes non informaticiennes d'exprimer la condition de critères déclencheurs en une condition informatique. Les utilisateurs doivent donc passer par Certus, qui doit mettre à disposition un ingénieur, pour intégrer de nouvelles règles, perdant toute réactivité pourtant nécessaire.
Face à ce constat, Certus missionna Mentis Services pour définir le besoin et trouver un prestataire en mesure de proposer une solution.
Le besoin et donc le projet étaient alors définis : développer une IA capable de comprendre et transformer une phrase en langage naturel exprimant une condition, vers la bonne formule dans le langage structuré propriétaire.
En clair, l'IA doit comprendre le besoin exprimé par l’exploitant avec ses propres mots, identifier les critères et leurs valeurs de déclenchement, ainsi que la logique les reliant entre eux pour générer une formule informatique spécifique.
Et tout s’accéléra lorsque le projet fut présenté à SharpTech, une société qui contribue aux briques technologiques de Certus. En effet, c’est SharpTech qui nous a missionné pour le développement de cette fonctionnalité IA. Très rapidement, le projet démarrait !
Et ce n’était pas gagné, ni trivial, tant les contraintes et difficultés étaient nombreuses :
- il existe des centaines de critères à prendre en compte,
- le déploiement doit se faire en local, ou on premise pour les intimes, sur un serveur déployé chez SharpTech
- la solution développée doit être rapide, peu énergivore, et souveraine,
- et, cerise sur le gâteau, nous n’avions pas de données pour lancer le projet et les délais étaient bien trop courts pour générer un dataset représentatif de phrases en langage naturel.
Rien que ça !
Néanmoins, avec beaucoup d’efforts, tout devient possible.
Premièrement, il a fallu générer des données de synthèse. Pourquoi ? Parce que sans données, nous ne pouvons pas réaliser de finetuning. Or, un petit LLM (entre 700 millions et 1,2 milliards de paramètres) ne peut donner que des performances médiocres sans passer par cette étape.
Plus facile à dire qu’à faire, d’autant plus que la génération de données devait se faire en local, via une RTX3090 déjà disponible pour le projet.
C’est avec ce setup frugal que nous avons généré un million de données, des phrases en langage naturel donc, qui se devaient d’être représentatives des formulations possiblement énoncées par les utilisateurs. Sans cela, le système n’aurait pas été suffisamment robuste aux différentes formulations et aux subtiles différences qu’il peut y avoir entre différents critères et conditions.
Une fois ces données générées, nous avons pu nous lancer dans le finetuning dudit LLM cité plus haut. Là aussi, nous avons eu notre lot de contraintes puisque le modèle doit être déterministe, c'est-à-dire que pour une entrée donnée, il doit toujours produire la même sortie. Pas une mince affaire avec un LLM… Par ailleurs, ce dernier ne doit pas non plus halluciner et créer de nouveaux champs, tout en respectant la structure du langage propriétaire en sortie…
Vous l’aurez compris, le projet est loin d’être simple, mais le résultat est bel et bien là !
En fin de compte, nous avons pu proposer une interface utilisateur intuitive s’appuyant sur un LLM finetuné frugal capable de transformer une requête, ou plutôt un prompt, en une règle informatique conditionnelles et de l’implémenter instantanément.
De plus, notre solution IA génère un graphe de condition facile à interpréter et à éditer pour les utilisateurs. Un retour visuel bienvenu, permettant de vérifier, éditer et valider les règles générées par l’IA.
La solution développée est aujourd’hui la pleine propriété de SharpTech. Outre la cession de la Propriété Intellectuelle, nous avons également transmis à SharpTech toutes les connaissances nécessaires pour maintenir et faire évoluer la solution IA en totale autonomie.
Démarré fin 2025, le projet arrive, fin Avril 2026, en fin de phase de prototypage. La version BETA pointe le bout de son nez et sera déployée auprès de quelques utilisateurs pilotes qui pourront l’utiliser en conditions réelles. Une dernière étape avant d’être industrialisée et mise en production. Autant vous dire que les utilisateurs du logiciel n’attendent que ça !
