Comment l'IA de VyMetric reste précise quand votre corps change
La plupart des sociétés de fit-tech utilisent l'IA pour recommander une taille. VyMetric utilise l'IA pour quelque chose de plus dur : maintenir votre ID Biométrique précis pendant un scan, entre les marques, et à travers chaque kilogramme que vous gagnez ou perdez. Trois rôles, un seul moteur, un seul corps que le système doit suivre.
L'IA en fait plus que vous ne le pensez
La plupart des sociétés de fit-tech parlent de l'IA comme s'il s'agissait d'une seule chose : un algorithme de recommandation qui devine votre taille. Ce cadrage est une commodité marketing. Le vrai travail se passe avant la recommandation, et continue après. Quand la suggestion de taille apparaît à l'écran, trois systèmes d'IA différents ont déjà fait leur part, et un quatrième attend la prochaine connexion de l'utilisateur.
Cet article parcourt ce que chaque étape fait réellement, pourquoi chacune est difficile, et pourquoi c'est leur combinaison qui rend un ID Biométrique précis, durable, et qui mérite de voyager entre les marques.
Étape 1 : du scan brut à plus de 240 mesures
Quand quelqu'un entre dans un Totem VyMetric, la borne capture un nuage de points 3D dense du corps. Ce nuage n'est pas une mesure. Ce sont quelques centaines de milliers de coordonnées spatiales qui décrivent la surface du corps à un instant. Pour transformer cela en les plus de 240 points de mesure que la plateforme publie réellement, l'IA doit faire un travail qu'aucun mètre ruban ne pourrait faire de manière fiable.
Trois choses doivent se produire, rapidement et avec précision :
Détection des points anatomiques. Le modèle doit identifier les points de référence anatomiques. Où se trouve exactement la septième vertèbre cervicale ? Où la taille naturelle, par opposition à la taille apparente quand la posture change ? Où l'apex du buste, le pli du coude, le centre du genou, la malléole latérale ? Chaque point de référence est l'ancre d'une classe de mesures qui suit.
Extraction des mesures. Une fois les points placés, le modèle calcule circonférences, longueurs, profondeurs et proportions entre eux. Une circonférence de taille n'est pas le périmètre d'une coupe horizontale dans le nuage de points. C'est le chemin qu'un mètre ruban prendrait réellement, en tenant compte de la posture, de la phase respiratoire et de la compression des tissus mous que les rubans réels provoquent.
Notation de qualité. Le modèle attribue une valeur de confiance à chaque mesure qu'il produit. Une largeur d'épaule parfaitement capturée avec une couverture nette obtient un score élevé ; un entrejambe mesuré à travers un vêtement ample est signalé pour recapture. La notation de qualité est ce qui transforme un scan d'artefact en infrastructure.
L'application Mobile Body Scan fait le même travail à partir d'un point de départ différent : une capture par caméra de téléphone au lieu d'un scan dense de borne. Moins de points bruts, mais la même architecture d'IA, ajustée pour être fiable sur du matériel grand public. L'application mobile produit plus de 85 mesures ; le Totem en produit plus de 240. Les deux alimentent le même ID Biométrique.
Étape 2 : apparier le corps à chaque marque
Un ID Biométrique n'est utile que si une marque peut en faire quelque chose. Le problème, c'est qu'aucune marque ne décrit ses vêtements de la même façon. Une robe « taille 8 » chez une marque a des dimensions de poitrine, taille et hanches différentes d'une robe « taille 8 » chez une autre. Un pantalon « entrejambe 32 » chez une marque tombe différemment qu'un « 32 » chez la suivante. Le sizing n'est pas un standard, ce sont mille opinions.
Le moteur d'appariement doit traduire entre ces opinions. La marque téléverse les données de son tech pack : mesures du vêtement, aisance (l'espace que le vêtement laisse autour du corps), gradation (la façon dont le vêtement s'échelonne entre les tailles), et parfois l'élasticité du tissu. L'IA compare ces spécifications à l'ID Biométrique de l'utilisateur et prédit comment le vêtement tombera sur ce corps spécifique, dans cette taille spécifique, avec l'ajustement voulu par la marque.
C'est plus dur qu'il n'y paraît. Le modèle doit apprendre l'intention esthétique de chaque marque : la marque A coupe oversize exprès, la marque B coupe slim exprès, la marque C grade avec le même delta à chaque taille tandis que la marque D utilise des deltas différents au-dessus et en dessous d'un certain seuil. Une fois que le moteur connaît la grammaire de la marque, la recommandation qu'il renvoie n'est pas une supposition. C'est une traduction.
Étape 3 : recalculer quand le corps change
C'est le rôle de l'IA que la plupart des gens ne réalisent pas. Les corps changent. Les gens prennent du poids, en perdent, s'entraînent, accouchent, récupèrent d'une blessure, ou tout simplement vieillissent. Une mesure prise il y a un an n'est pas la même mesure aujourd'hui. Si la plateforme exigeait un nouveau scan complet à chaque changement du corps, l'ID Biométrique serait inutile pour des recommandations continues.
L'IA de VyMetric gère cela avec un recalcul prédictif. L'utilisateur met à jour un seul signal dans le Portail ou l'application mobile, généralement le poids, parfois une lecture de composition corporelle, occasionnellement un objectif comme « je m'entraîne pour un marathon ». Le modèle utilise ce seul signal pour re-dériver le reste du corps, en s'appuyant sur des motifs appris de millions de transitions similaires : comment une prise de 3 kg se distribue généralement entre tronc et membres, comment l'entraînement redistribue circonférence et profondeur différemment d'un changement de poids sédentaire, comment le vieillissement déplace les ratios proportionnels dans des directions systématiquement différentes de la fluctuation année par année.
Le résultat est un ID Biométrique qui reste précis sans forcer l'utilisateur à retourner dans une borne. Un utilisateur qui se scanne une fois et met à jour son poids quelques fois par an obtient une précision continue, de qualité de recommandation, avec presque aucune friction.
Quand le recalcul prédictif a accumulé trop de dérive, ou quand l'utilisateur fait un grand changement (changement de poids significatif, post-grossesse, récupération d'une blessure majeure), le système suggère un re-scan. L'utilisateur contrôle quand cela arrive. Le système lui dit quand ce serait utile.
Pourquoi cela compte comme pilier technique
Les trois rôles d'IA décrits ne sont pas interchangeables. Chacun résout un problème différent et est tenu à un standard différent. Ensemble, ils sont ce qui rend l'ID Biométrique possible.
Pourquoi l'utilisateur peut faire confiance à ce que fait l'IA
L'IA dans les données corporelles ne fonctionne que si l'utilisateur lui fait confiance. La confiance ne vient pas d'une accroche marketing. Elle vient de l'architecture. Trois choses que l'IA de VyMetric est conçue pour faire, et trois choses qu'elle est explicitement conçue pour ne pas faire.
Ce qu'elle fait :
- Note sa propre confiance sur chaque mesure et fait remonter à l'utilisateur celles à faible confiance, au lieu de prétendre que chaque valeur est également précise.
- Permet à l'utilisateur d'inspecter, corriger ou outrepasser toute mesure avec laquelle il n'est pas d'accord, et apprend de la correction.
- Suggère un re-scan quand le recalcul prédictif a dérivé au-delà de sa plage utile, au lieu de laisser la précision se dégrader en silence.
Ce qu'elle ne fait pas :
- Entraîner le modèle de production sur des données utilisateur identifiables. L'ID Biométrique reste avec l'utilisateur. Les améliorations du modèle au niveau de la population utilisent des motifs anonymisés et agrégés.
- Appliquer les données de l'utilisateur à quelqu'un d'autre, ni les données de quelqu'un d'autre à l'utilisateur. Chaque ID Biométrique appartient à l'utilisateur lui-même, calibré uniquement par son propre scan et ses propres mises à jour.
- Donner aux marques des mesures brutes. Le moteur d'appariement renvoie des recommandations et des rendus de RA. La marque ne reçoit jamais l'ensemble sous-jacent de mesures.
Le corps est le passeport. L'IA le maintient valide.
Un passeport précis le jour de son émission qui dérive lentement n'est pas vraiment un passeport. C'est un souvenir. Pour qu'un ID Biométrique mérite le nom, il doit rester précis à mesure que le corps qu'il décrit change. C'est à ça que sert l'IA.
L'extraction fait exister l'ID. L'appariement le rend utile. Le recalcul prédictif le rend durable. Trois étapes, un moteur, un corps que le système doit suivre. L'utilisateur se scanne une fois, met à jour un signal de temps en temps, et obtient un enregistrement portable de son corps qui voyage avec lui à travers les marques et à travers les années. Voilà à quoi ressemble l'IA quand elle fait le travail qui compte vraiment.
Le corps est le passeport. Nous délivrons l'ID.