Améliorer l’efficacité énergétique des mobiles avec l’IA

Des chercheurs de l’Université de Melbourne ont utilisé l’apprentissage machine pour prédire précisément à quel moment un utilisateur va déverrouiller son mobile. Selon eux, cette technique pourrait servir à déclencher le chargement de données à un moment plus opportun, de mieux programmer les mises à jour et la synchronisation des systèmes d’exploitation et améliorer l’efficacité énergétique. « En réalité, les smartphones ne sont pas très intelligents quand il s’agit de mettre à jour le système d’exploitation et d’économiser la batterie », a déclaré Vassilis Kostakos, professeur à l’université de Melbourne, spécialisé dans l’interaction personne-machine. « Une mise à jour système typique prend plusieurs dizaines de minutes, empêche les gens d’utiliser leur mobile, et ne peut pas être interrompue une fois qu’elle a démarré. En identifiant les périodes où les utilisateurs se servent de leur mobile, on peut choisir le moment le plus opportun pour déclencher les mises à jour automatiques des applications et des systèmes, sans consommer trop d’énergie ou sans interrompre l’expérience utilisateur ».

Les chercheurs ont installé une application – un plug-in du framework AWARE, un middleware open source utilisé pour capturer des données contextuelles sur des appareils mobiles – sur les téléphones de 27 utilisateurs Android pendant deux semaines. Dans un premier temps, l’application a récolté 18 types de données, comme la luminosité, la localisation, le trafic de données et elle a consulté les données de l’API de reconnaissance d’activités Recognition Activity de Google et de l’API Podomètre d’Android pour connaître les périodes d’activité des utilisateurs. L’usage de l’application a également été scruté, afin de déterminer ce que les chercheurs – dirigés par le doctorant Chu Luo – ont appelé le futur « événement de déverrouillage ».

Prédire efficacement le prochain deverrouillage

Les chercheurs ont utilisé deux algorithmes de régression – un algorithme de régression linéaire multiple et un algorithme dit de forêts d’arbres décisionnels – pour prédire à quel moment le téléphone serait déverrouillé. Ils ont également utilisé une approche de classification pour déterminer si un téléphone serait déverrouillé dans les cinq prochaines minutes. « L’objectif n’était pas de répondre à la question : quand aura lieu le prochain déverrouillage ? Mais de se demander plutôt si le prochain déverrouillage aurait lieu dans les x prochaines minutes », ont expliqué Chu Luo et son équipe de chercheurs dans un article intitulé « Prédiction de l’efficacité énergétique basée sur le déverrouillage d’un smartphone ». « En substance, la réponse à cette question est plus facile à obtenir, mais elle est toujours utile étant donné que de nombreuses opérations sur smartphone peuvent s’achever en quelques minutes », ont-ils ajouté.

L’utilisation de capteurs matériels est en soi très énergivore. C’est pourquoi les chercheurs ont reproduit leurs tests en n’utilisant que des données logicielles – usage de l’application, événements à l’écran, durée et type – dont la collecte « a un impact négligeable sur la batterie ». Dans les deux cas, les chercheurs ont obtenu une estimation très précise du prochain « événement de déverrouillage », la précision étant même légèrement supérieure avec le seul usage des données logicielles. « Dans 93 % des cas, la collecte a permis de prédire avec précision si les utilisateurs déverrouilleraient leur téléphone dans les cinq prochaines minutes », a déclaré M. Kostakos. « D’après l’évaluation des fonctionnalités, les indicateurs de déverrouillage les plus significatifs ont été obtenus à partir des fonctionnalités logicielles, notamment le temps d’inactivité (temps écoulé depuis la fin de la dernière session), la durée de la dernière session et l’heure du jour », a ajouté le doctorant Chu Luo.

Recharger moins souvent

Cette méthode a cependant ses limites. Les utilisateurs déverrouillent souvent leur téléphone parce qu’ils reçoivent une notification ou un message texte, ce qui est fréquent et difficile à prévoir avec les méthodes d’apprentissage machine. « L’IA a du mal à prédire à quel moment se produiront des événements arbitraires, mais son utilisation reste très prometteuse pour ce qui est des événements plus réguliers. Par exemple, un grand nombre de gens utilisent leur téléphone juste avant de s’endormir et le verrouillent ensuite jusqu’au matin », a déclaré le Dr Jorge Goncalves, co-auteur de l’article. Même si d’autres études ont déjà exploré la question de l’intention des utilisateurs – prédire par exemple s’ils sont disponibles pour répondre à un appel entrant, connaître leur réactivité à la messagerie instantanée et savoir à quel moment ils sont le plus disponibles pour recevoir des notifications – ces prédictions sont généralement très gourmandes en énergie et ne donnent pas beaucoup d’informations sur les motifs impliquant un déverrouillage du smartphone.

Les chercheurs de Melbourne pensent que leur étude pourrait avoir un impact intéressant pour les utilisateurs, en particulier des recharges moins fréquentes de leurs smartphones et de meilleures performances. « Dans les périodes de non-utilisation, la nuit en particulier, les smartphones pourraient programmer des tâches de calcul intensif comme les mises à jour d’applications et d’OS, ou toute autre activité pouvant affecter l’expérience utilisateur, par exemple le téléchargement de nouveaux épisodes de podcast ou des mises à jour de jeux », a déclaré Vassilis Kostakos. « Au lieu de vérifier si des mises à jour sont disponibles toutes les cinq minutes, le mobile pourrait le faire une seule fois, juste avant un déverrouillage. Pour l’utilisateur, cela se traduirait par des rechargements moins fréquents, une meilleure expérience. De plus, le système tournerait à sa vitesse optimale ».