Développement d'une solution par Intelligence artificielle pour les analyses d'images en cosmétique // Development of an Artificial Intelligence solution for image analysis in cosmetics

L'intelligence artificielle a été appliquée initialement avec succès dans le domaine de l'imagerie médicale, offrant des outils et des techniques innovants pour améliorer le diagnostic, le traitement et la gestion des pathologies. L'IA dans ce contexte a largement aidé à accélérer le processus de diagnostic en identifiant rapidement les régions suspectes qui nécessitent une attention particulière. L'analyse d'images pour les soins cosmétiques une solution majeure qui vise à analyser l'efficacité d'un produit cosmétique. Cependant, les différentes analyses des photos sont effectuées par un expert humain spécialisé. Cette tâche est longue et nécessite une expertise qui n'est pas toujours disponible et sujet à une variabilité à la notation des photos. En effet, pour automatiser et accélérer les analyses des photos en cosmétique, le développement de solutions IA pour l'analyse des images cosmétiques nécessite d'être introduit à plus grande échelle et consolidé au sein des entreprises spécialisées.

Cependant, des avancées dans le domaine de l'automatisation, la précision, la réduction du temps et les coûts ainsi que l'exploitation des résultats des analyses (corrélations statistiques, …) restent à faire et les verrous scientifiques sont encore nombreux. En effet, les analyses actuelles se basent sur la prise de photos dans des conditions standardisées suivie par l'attribution notations réalisée par une expertise humaine sujette à des variations de perceptions et des incertitudes.
Les études bibliographiques montrent que des solutions d'analyses d'images en cosmétique basées sur l'intelligence artificielle sont très peu nombreuses et peu disponibles aux entreprises de moyennes et petites tailles et qui souhaitent intégrer ce genre d'outils dans leurs démarches d'expertises car le paradigme IA est relativement récent et nécessite une expertise dans plusieurs disciplines (traitement d'images, intelligence artificielle, machine learning, programmation informatique, .etc.).


On propose dans le cadre de la présente thèse de :

• Développer une approche de pré-traitement et de segmentation des images mettant en œuvre l'intelligence artificielle plutôt que les procedures de segmentation classiques. On envisage également d'utiliser et tester des architectures pré-entraînées comme U-Net, SegNet, etc., et les adapter à notre problématique.
• Développer un algorithme par Intelligence artificielle mettant en œuvre les techniques de CNN à l'aide des codes python et Tensorflow composé de 3 couches de convolution suivie de couches de max pooling pour réduire la taille des images. On envisage également d'utiliser et tester des architectures CNN pré-entraînées comme VGG, ResNet, etc., et les adapter à notre problématique.

Les entrées seront les images traitées et annotées et les sorties seront (1) les classifications des caractéristiques de la jeunesse et (2) les corrélations avec le type de soins.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Artificial intelligence was initially successfully applied in the field of medical imaging, offering innovative tools and techniques to improve the diagnosis, treatment, and management of pathologies. AI in this context has greatly helped accelerate the diagnostic process by quickly identifying areas that require special attention. Image analysis for cosmetic care is a major solution that aims to analyze the effectiveness of a cosmetic product. However, the various analyses based on photographs are performed by a specialized human expert. This task is time-consuming and requires expertise that is not always available and subject to variability in photo scoring. Indeed, to automate and accelerate photo analysis in cosmetics, the development of AI solutions for cosmetic image analysis needs to be introduced on a larger scale and consolidated within specialized companies.
However, progress in automation, precision, time and cost reduction, and the exploitation of analysis results (statistical correlations, etc.) remains to be made, and scientific obstacles remain numerous. Current analyses are based on taking photos under standardized conditions followed by the attribution of ratings by human expertise, which is subject to variations in perceptions and uncertainties.

In the current thesis, the aims are ::

• Develop an image preprocessing and segmentation approach using artificial intelligence rather than traditional segmentation procedures. We also plan to use and test pre-trained architectures such as U-Net, SegNet, etc., and adapt them to our problem.
• Develop an artificial intelligence algorithm implementing CNN techniques using Python and Tensorflow code, consisting of three convolution layers followed by max-pooling layers to reduce image size. We also plan to use and test pre-trained CNN architectures such as VGG, ResNet, etc., and adapt them to our problem.

The inputs will be processed and annotated images, and the outputs will be (1) classifications of youth characteristics and (2) correlations with the type of care.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Financement d'une collectivité locale ou territoriale

Université d'Orléans

552 Energie, Matériaux, Sciences de la Terre et de l'Univers - EMSTU

- Programmation en Python - Platforme Tensorflow, Pandas, U-Net - Traitement d'images
- Programming in Python - Platforme Tensorflow, Pandas, U-Net - Image processing