Découvrez les dernières avancées en matière de suivi oculaire par webcam avec WebET 3.0 d’iMotions. Découvrez son prix abordable, son accessibilité à distance et sa précision améliorée pour des recherches évolutives.
Table of Contents
La technologie de suivi oculaire par webcam connaît des progrès rapides, grâce à des algorithmes de vision par ordinateur de pointe. À la pointe de cette innovation se trouve le tout dernier algorithme de suivi oculaire par webcam d’iMotions, WebET 3.0, désormais intégré à toutes les applications cloud, à savoir Remote Data Collection et iMotions Online. Cette avancée offre de nouveaux niveaux de précision et d’applicabilité, rendant le suivi oculaire plus accessible que jamais.
Plus loin dans cet article, nous verrons à quel point WebET 3.0 est précis, mais voyons d’abord pourquoi l’oculométrie par webcam est devenue si populaire auprès des chercheurs et des développeurs.
Pourquoi l’oculométrie par webcam gagne en popularité
L’oculométrie par webcam utilise des algorithmes avancés de vision par ordinateur pour suivre les mouvements oculaires, offrant ainsi un aperçu du comportement humain et des processus cognitifs. Son adoption croissante s’explique par sa facilité d’utilisation, son coût abordable et sa polyvalence, ce qui en fait une véritable révolution pour les chercheurs, les enseignants et les développeurs.
Accessibilité à distance
L’une des principales raisons de sa popularité réside dans la possibilité de l’utiliser à distance. Contrairement aux systèmes traditionnels qui nécessitent du matériel spécialisé ou des laboratoires dédiés, tout ce dont on a besoin pour l’oculométrie par webcam, c’est :
- Un ordinateur standard équipé d'une webcam.
- Une connexion Internet stable.
Cette configuration minimaliste rend cette technologie accessible à un public plus large, notamment aux petites structures, aux chercheurs indépendants et aux enseignants qui ne disposent peut-être pas des ressources nécessaires pour mettre en place des configurations plus complexes.
Des prix abordables sans compromis
Les systèmes traditionnels de suivi oculaire sont souvent coûteux, ce qui limite leur utilisation aux institutions ou organisations disposant de moyens financiers importants. Le suivi oculaire par webcam offre une alternative économique sans pour autant compromettre la qualité.
- Une solution d'entrée de gamme abordable : idéale pour les petites équipes ou les particuliers.
- Solutions évolutives : adaptées aux projets de grande envergure ou aux applications commerciales.
Avec WebET 3.0 d’iMotions, prix abordable rime avec précision, offrant ainsi une solution qui comble le fossé entre un suivi de haute qualité et un accès à un prix abordable.
Le niveau d’excellence de l’oculométrie par webcam
Si le coût abordable et l’accessibilité constituent des atouts majeurs, l’impact de cette technologie repose avant tout sur sa précision. L’algorithme WebET 3.0 d’iMotions offre des performances de haut niveau, garantissant ainsi aux utilisateurs des informations précises et exploitables.
Afin de valider la qualité de WebET 3.0, iMotions a mené un test de précision en interne, en le comparant à l’un des oculomètres sur écran les plus précis du marché. Les résultats ont démontré que l’oculométrie par webcam permet d’atteindre des niveaux de précision jusqu’alors réservés aux systèmes spécialisés.
La précision de l’oculométrie par webcam dans la pratique
Conclusions de l’étude
Comme indiqué plus haut, cette étude avait pour objectif de mesurer la précision de l’algorithme de suivi oculaire par webcam, puis de déterminer les conditions d’utilisation optimales de celui-ci. Nous passons en revue ci-dessous les différentes conditions du dispositif expérimental ; toutefois, si vous souhaitez examiner les résultats de l’étude en détail, vous pouvez télécharger le livre blanc ici.
Méthodologie
Les stimuli ont été présentés sur un écran d’ordinateur de 22 pouces dans une pièce faiblement éclairée. Les participants étaient assis face à un mur gris neutre, à une distance de 65 cm de la webcam, et une lampe de lecture éclairait leur visage de face. Les données de la webcam ont été recueillies à l’aide d’une caméra Logitech Brio échantillonnant à 30 Hz avec une résolution de 1920 x 1080 px. Parallèlement, les données d’oculométrie sur écran ont été recueillies à l’aide d’un oculomètre haut de gamme sans mentonnière. Les participants avaient pour consigne de rester parfaitement immobiles et de ne pas parler.
Outre les conditions idéales décrites ci-dessus, quatre autres scénarios ont été testés : des participants portant des lunettes, une faible résolution de la webcam, un éclairage du visage insuffisant, ou encore le fait que la personne interrogée bouge et parle.
Conditions idéales
Dans les conditions les plus favorables, sans aucune manipulation (n = 10), le WebET présentait un écart de précision moyen de 2,2 dva et 1 % des essais ont été perdus en raison de la perte de données (pour les données issues de l’oculomètre sur écran, la précision moyenne était de 0,5 dva et aucun essai n’a été perdu). Dans ces conditions, les données WebET de 12 % de l’ensemble des essais présentaient des écarts moyens supérieurs à 5 dva.
Remarque : « dva » est l’abréviation de « acuité visuelle dynamique », qui désigne la capacité à distinguer les détails spatiaux fins sur des objets en mouvement lorsque le regard est fixe, ou sur des objets immobiles lorsque la tête ou le corps effectuent une rotation.
Mouvement
Les données enregistrées chez les participants qui parlaient et bougeaient la tête (n = 4) étaient de moins bonne qualité que celles enregistrées alors que ces mêmes participants étaient parfaitement immobiles. Les données issues de l’oculomètre à écran ont confirmé que les participants maintenaient correctement leur regard sur les cibles (avec une précision moyenne de 0,7 dva et 3 % d’essais perdus). L’algorithme webET a réussi à calculer les données de regard pour 100 % des essais avec des participants en mouvement, avec un décalage moyen de 5,0 dva. 38 % des essais présentaient un décalage supérieur à 5 dva.
Un test de Wilcoxon pour échantillons appariés, comparant les données webET issues d’essais où les participants bougeaient (médiane 3,9 jours, Q1 2,2 jours, Q3 6,2 jours) à celles des blocs équivalents où ces mêmes participants restaient immobiles (médiane 1,8 jour, Q1 1,1 jour, Q3 3,1 jours), a révélé des différences hautement significatives (p << 0,01) entre les deux conditions.
En marge
Une forte lumière latérale (n = 4) (c’est-à-dire provenant d’une fenêtre, d’une lampe ou d’une exposition à l’extérieur) a également entraîné des décalages dans les données, avec une précision moyenne de 4,9 dva pour webET et 5 % d’essais perdus (pour l’oculomètre sur écran, la précision moyenne était de 0,6 dva avec 1 % d’essais perdus) ; 4 % des essais présentaient des décalages moyens supérieurs à 5 dva pour les données webET. Un test de Wilcoxon par paires comparant les données webET issues d’essais présentant un mauvais éclairage du visage (médiane 4,2 dva, Q1 2,5 dva, Q3 6,6 dva) aux blocs équivalents dans lesquels les mêmes répondants ont été enregistrés dans des conditions idéales (médiane 1,8 dva, Q1 1,1 dva, Q3 3,1 dva) a révélé des différences hautement significatives (p << 0,01) entre les deux conditions.
Basse résolution
Les résolutions de caméra plus faibles ont également entraîné une augmentation, bien que moins marquée, des écarts de données, avec une précision moyenne de 5,0 dva (pour l’oculomètre à écran, la précision moyenne était de 0,6 dva) et un tiers des essais présentant un écart moyen des données webET supérieur à 5 dva.
Lunettes
Pour les 5 participants qui ont été réenregistrés avec des lunettes, le décalage moyen le plus important, soit 3,6 dva, a été observé pour webET (pour l’oculomètre sur écran, la précision moyenne était de 0,9 dva) et 41 % des essais présentaient un décalage moyen des données webET supérieur à 5 dva.
Conclusion
Cette étude montre que la précision du suivi oculaire par webcam est de moins en moins affectée par les facteurs de distorsion mentionnés ci-dessus (mouvements, parole, mauvais éclairage et port de lunettes) par rapport aux premières versions de l’algorithme.
Cependant, s’il est évident que la qualité des données d’oculométrie ne cesse de s’améliorer, il est tout aussi évident que, pour tirer le meilleur parti de l’oculométrie par webcam dans le cadre de la recherche, les participants doivent continuer à respecter les consignes de bonnes pratiques fournies par l’organisateur de l’étude afin de garantir une qualité optimale des données.
Il est très encourageant de constater que, lorsque les conditions idéales sont réunies, l’oculométrie par webcam offre une bonne cohérence et une bonne qualité des données, ce qui en fait un outil de collecte de données tout à fait viable.
L’oculométrie par webcam gagne du terrain
Même si la qualité des données issues de l’oculométrie par webcam n’est pas encore tout à fait comparable à celle obtenue avec un matériel d’oculométrie dédié, cette solution est idéale lorsque vous souhaitez étendre la portée de vos recherches. Nous aimons considérer que cela permet à nos clients d’être parmi les premiers à pouvoir mener des études quantitatives sur le comportement humain.
Si vous envisagez de mener des recherches continues en eye tracking où la précision et l’exactitude sont essentielles, investir dans un matériel adapté reste tout à fait justifié. Mais si vous vous lancez dans des tests UX à grande échelle, des tests A/B ou des études sur des images et des vidéos à l’aide de l’eye tracking, nous sommes convaincus que l’eye tracking par webcam sera un outil précieux pour vous – et il ne cesse de s’améliorer.
Si vous souhaitez en savoir plus sur la manière dont l’oculométrie par webcam peut vous aider à étendre la portée de vos recherches et à toucher un public international, rendez-vous sur notre page « Collecte de données à distance ». Si vous êtes intéressé par un outil pédagogique utilisant l’oculométrie par webcam, consultez notre page iMotions Online. Découvrez comment les modèles de Markov cachés améliorent la technologie d’oculométrie en analysant l’attention visuelle et les schémas de regard.
