Telsourcia
Qui est Telesourcia ?
- Fondée en 2015 à Antananarivo, Telesourcia est une des entreprises les plus emblématiques d’annotation de données à Madagascar ( data labeling et annotation, l’un des piliers du RAG et des systèmes d’IA centrés sur les données )
- Elle emploie 300 annotateurs, parfois en période de forte demande cela peux monter à 500 collaborateurs.
- Elle est reconnue pour la qualité des conditions de travail (employés déclarés, accès à la sécurité sociale, salaires raisonnables autour de 100 € par mois)
- C’est une des rares structures locales (malgaches) dans un secteur majoritairement dominé par des entreprises étrangères
Facteurs favorables à une collaboration locale
- En étant implantée à Madagascar, Telesourcia comprend le contexte institutionnel, les contraintes techniques, les délai logistiques, et surtout la langue (français, éventuellement malgache). Cela facilite la coordination, la validation terrain et la gestion agile des projets.
- Leur expérience en prestation BPO (Business Process Outsourcing) leur permet d’être flexibles, réactifs et opérationnels, essentiels pour un cycle d’apprentissage hybride (chatbot + terrain).
Telesourcia paraît particulièrement bien placée pour accompagner votre projet de plateforme agricole à base de RAG. Elle peut gérer les workflows d’annotation et d’optimisation continue des données (images, fiches, diagnostics), tout en respectant les exigences locales et techniques que vous avez exposées.
Avantages à souligner
| Bénéfice | Description |
|---|---|
| Volume et rapidité | Capacité à traiter des volumes significatifs avec des délais maîtrisés |
| Précision des annotations | Standards élevés, support pour masques complexes, actions & trajectoires |
| Adaptation locale | Connaissance du contexte malgache, adaptable à des réalités terrain |
| Expérience et Impact social positif |
|
Compétences alignées avec les besoins pour le Chabot WhatsApp et WebApp !
1. Annotation rapide et à grande échelle
Avec une équipe de plusieurs centaines d’annotateurs, Telesourcia peut traiter efficacement un grand volume de données — notamment vos images et vidéos synthétiques et réelles du robot maraîcher.
Qualité et fiabilité garanties
Grâce à une culture d’annotation minutieuse, Telesourcia peut assurer un labeling précis pour :
- Segmentation des cultures vs mauvaises herbes
- Masques d’instance
- Lignes de rangs et zones interdites (no-go zones)
- Événements d’action (coup de lame, arrêt de sécurité…)
- Trajectoires issues de la simulation ou terrain, etc.
Cette précision est essentielle pour entraîner efficacement des world models agricole ou des chatbot impliquant la reconnaissance d'images du domaine agricole
3. Cohérence locale et engagement éthique
- Connaissance du contexte malgache, pratique pour adapter l’annotation à des spécificités (textures, types de feuilles, réalités agricoles régionales).
- Collaboration éthique, soutenant l’emploi local dans un environnement numérique de pointe — un veritable projet à impact.
Un possible quick Win: vers la création d'un Chabot avec reconnaissance d'image en RAG
Le cœur de votre projet implique :
- Annotation d’images (symptômes, maladies, plantes maraîchères)
- Annotation de texte (fiches descriptives, métadonnées agronomiques)
- Possiblement, transcription audio ou structuration de dialogues/fiches (chatbot FR/MG)
Telesourcia propose précisément ces expertises : image annotation, text annotation, audio transcription, NLP (traitement du langage naturel)
Actions proposées
Canevas de propositions de collaboration – Projet Licence Agriculture & RAG
Partenaires : Aroby university / ferme-école + Telesourcia (annotation & data)
Pipeline d’intégration simplifié pour un World Model agricole
S1[Synthèse + Simulations] --> S2[Jeu de données synthétiques]
S2 --> A1[Telesourcia — Annotation image / vidéo]
A1 --> M1[Segmentation magasinée + Label actions]
M1 --> T1[World model training]
T1 --> T2[Sim2Real Deployment]
T2 --> F1[Robot autonome]
Étapes clés :
- Génération des données synthétiques (images + courtes vidéos) selon la structure définie précédemment.
- Soumission des données à Telesourcia : annotation instance-seg, trajectoires, actions, lignes de rang, zones interdites, etc.
- Vérification qualité via échantillonnage, feedback mutuel.
- Entraînement du modèle avec les données annotées, puis fine-tuning avec données réelles annotées également par Telesourcia.
- Déploiement et boucle active : les données du terrain réelles pourraient ensuite être ré-annotées en continu.
Annexes & débats
1. Le principe du Zero States (ZR) et le rôle des sociétés de BPO
- Le modèle apprend à partir de représentations latentes généralisées (données synthétiques, connaissances pré-apprises, généralisations).
- On réduit la dépendance aux datasets massifs et réels → donc moins d’annotation brute et répétitive.
- Mais… il reste toujours des points d’ancrage au réel nécessaires.
Rôle de Telsourcia dans ce contexte
— le Zero States / Zero-shot / Zero-data learning change le rôle des sociétés d’annotation, mais il ne les rend pas inutiles des sociétés comme Telsourcia . Leur rôle se déplace, il devient plus stratégique et qualitatif.
.
.
2. Le rôle d’une société d’annotation dans ce contexte
a) Validation et calibration du monde réel
- Même avec un world model pré-entraîné en zéro-data, il faut quelques données réelles pour calibrer le modèle.
-
Les sociétés d’annotation interviennent sur petits volumes de données critiques (edge cases, erreurs, textures locales).
👉 Elles deviennent un filet de sécurité : vérifier que le modèle correspond bien au réel.
b) Annotation ciblée, pas massive
- Plus besoin de 100k images annotées.
-
On a plutôt besoin de 1k à 5k annotations de haute qualité, concentrées sur :
- Cas rares (edge cases) : outils oubliés dans le champ, plantes abîmées, animaux intrus.
-
Cas locaux : mauvaises herbes typiques de Madagascar, types de sols, conditions de lumière tropicale.
👉 Ici, Telesourcia (par ex.) apporte une annotation très précise, spécialisée, “locale”.
c) Contrôle qualité des données synthétiques
- Les données générées par simulateurs / IA (Omniverse, diffusion, GANs) peuvent contenir des incohérences.
-
Une société d’annotation peut :
- Vérifier un sous-échantillon de données synthétiques,
- Corriger les incohérences,
-
Ajouter des métadonnées utiles (ex. type de sol, stade de croissance).
👉 Elle devient un auditeur de la qualité des jeux synthétiques.
d) Boucle active (Human-in-the-loop)
- Quand le robot fait une erreur en réel (ex. arrache une salade au lieu d’une mauvaise herbe), la donnée est renvoyée dans la boucle.
-
Les annotateurs corrigent et enrichissent ces cas.
👉 Annotation devient réactive, en continu, au lieu d’être massive et en amont.
e) Contribution à la gouvernance éthique
- Dans le Zero States, beaucoup d’entrainement se fait hors données réelles → risque de biais ou d’oubli de la réalité locale.
-
Une société d’annotation peut :
- Assurer que la représentation du monde respecte les réalités locales (plantes, sols, usages).
- Garantir une certaine diversité des cas, éviter les biais de modèles trop “occidentaux”.
3. En résumé
| Avant (classique) | Dans le Zero States (ZR + synthétique) |
|---|---|
| Annotation massive (millions d’images) | Annotation ciblée (quelques milliers mais critiques) |
| Centrée sur tout le dataset | Centrée sur edge cases et local adaptation |
| Travail répétitif, volume | Travail expert, qualité et validation |
| En amont (dataset unique) | En continu (human-in-the-loop) |
| Simple labeling (plante vs herbe) | + Audit des synthétiques, calibration terrain, QA |
👉 Donc, dans le Zero States, une société d’annotation comme Telesourcia devient :
- un validateur du réel (peu mais très précis),
- un auditeur des données synthétiques,
- un acteur de boucle active (corriger les erreurs terrain),
- un garant de la diversité et de l’éthique locale.