


PHP Integrated AI Intelligent Image Reconntion Contenu visuel PHP Étiquetage automatique
L'idée principale d'intégrer les capacités de compréhension visuelle AI dans les applications PHP est d'utiliser l'API de service visuel AI tiers, qui est responsable du téléchargement d'images, de l'envoi de demandes, de la réception et de l'analyse des résultats JSON et du stockage de balises dans la base de données; 2. Le marquage automatique de l'image peut considérablement améliorer l'efficacité, améliorer la recherche de contenu, optimiser la gestion et la recommandation et changer le contenu visuel des "données mortes" aux "données en direct"; 3. Lorsque vous choisissez des services d'IA, vous devez faire des jugements complets en fonction de la correspondance fonctionnelle, de la précision, du coût, de la facilité d'utilisation, du retard régional et de la conformité des données. Il est recommandé de commencer par des services généraux tels que Google Cloud Vision; 4. Les défis courants incluent les délais d'expiration du réseau, la sécurité clé, le traitement des erreurs, les limitations du format d'image, le contrôle des coûts, les exigences de traitement asynchrones et les problèmes de précision de la reconnaissance de l'IA, qui doivent être optimisés et répondus un par un pour assurer le fonctionnement stable et efficace du système.
L'intégration des capacités de compréhension visuelle d'AI dans les applications PHP, pour le dire franchement, votre programme PHP peut également "comprendre" des images et les étiqueter automatiquement avec des étiquettes descriptives. Cela reconnaît non seulement ce qui est dans l'image, mais rend également une quantité massive de contenu visuel consultable et gérable, changeant complètement la façon dont nous traitons les images, de l'automatisation manuelle à l'automatisation intelligente. Pour moi, c'est plus comme leur donner des photos "langue intérieure", leur permettant de parler d'eux-mêmes.

Solution
Pour réaliser la reconnaissance d'image intelligente intégrée par PHP et l'étiquetage automatique, l'idée principale est d'utiliser des services visuels d'IA tiers matures. Le PHP lui-même n'effectue pas directement des calculs complexes d'apprentissage en profondeur. Il joue le rôle d'un "communicateur" qui est responsable de l'envoi de données d'image à l'API du fournisseur de services d'IA, puis de recevoir et de traiter les résultats de reconnaissance retournés.
Ce processus ressemble généralement à ceci:

- Téléchargement et préparation d'images: votre application PHP doit d'abord traiter les images téléchargées par l'utilisateur, ou obtenir les images à partir de lieux de stockage (tels que CDN, répertoires locaux). Pour plus de commodité de transmission, les images sont généralement converties en chaînes codées de base64 ou fournissent directement une URL accessible.
- Choisissez les services de vision de l'IA: il existe de nombreux excellents services de vision de l'IA sur le marché, tels que Google Cloud Vision AI, AWS Rekognition, Azure Computer Vision, ainsi que la plate-forme ouverte Baidu AI, Tencent Cloud AI, etc. Celle que vous choisissez dépend de vos besoins spécifiques, de votre budget et de votre base d'utilisateurs cibles. Ces services offrent des capacités de reconnaissance d'image solides, notamment la détection d'objets, la reconnaissance des scène, la reconnaissance du texte (OCR), la reconnaissance des célébrités, la revue du contenu d'image, etc.
- PHP interagit avec l'API:
- Utilisez le SDK: Le moyen le plus recommandé est d'utiliser le SDK PHP officiellement fourni par le fournisseur de services. Ces SDK encapsulent les détails de la demande d'API complexes, vous permettant d'authentifier, de créer des demandes, d'envoyer des données et d'analyser les réponses avec du code plus propre. Par exemple, Google Cloud Vision a une bibliothèque client officielle PHP.
- Appelez directement l'API REST: s'il n'y a pas de SDK prêt à l'emploi, ou si vous préférez le contrôle sous-jacent, vous pouvez utiliser des bibliothèques clients
curl
de PHP ou HTTP telles que Guzzle pour envoyer directement les demandes HTTP (généralement des demandes de requête) à l'API RESTFUL du service AI, et inclure des données d'image et des paramètres de demande dans le corps de la demande.
- Résultats de l'analyse et du stockage: le service AI renverra une réponse au format JSON, qui contient diverses balises identifiées, scores de confiance, boîtes de délimitation et autres informations. Votre code PHP doit analyser ce JSON, extraire les informations d'étiquette dont vous avez besoin (par exemple, le champ
description
danslabels
), puis stocker ces étiquettes et les ID d'image correspondants dans la base de données. De cette façon, l'image a une balise de texte consultable.
Un extrait de code PHP conceptuel (en prenant Guzzle comme exemple, en supposant qu'un service d'IA est appelé):
<? Php // Supposons que vous ayez installé Guzzlehttp / Guzer via le compositeur // Utilisez Guzzlehttp \ Client; // Dans les projets réels, la clé API doit être lue à partir de variables d'environnement ou de configurations de sécurité // $ apikey = 'your_ai_service_api_key'; // $ apiurl = 'your_ai_service_api_endpoint'; // Supposons le chemin du fichier image // $ imagepath = '/path/to/your/image.jpg'; // $ imagedata = base64_encode (file_get_contents ($ imagePath)); // $ client = nouveau client (); // essayer { // $ réponse = $ client-> post ($ apiurl, [ // 'json' => [ // 'requêtes' => [ // [ // 'image' => ['contenu' => $ imagedata], // 'fonctionnalités' => [ // ['type' => 'label_detection'], // demande de détection de balise // // Vous pouvez également demander d'autres fonctions, telles que face_dection, text_dection, etc. //], //], //], //], // 'Headers' => [ // «Autorisation» => «Bearer». $ apikey, // ou d'autres méthodes d'authentification // 'contenu-type' => 'application / json', //], //]); // $ result = json_decode ($ réponse-> getBody () -> getContents (), true); // // analyser le résultat et extraire l'étiquette // // if (isset ($ result ['réponses'] [0] ['LabelLannotations'])) { // // foreach ($ result ['réponses'] [0] ['LabelLannotations'] comme $ Label) { // // echo "Tags:". $ Label ['Description']. "(Confiance:". Round ($ Label ['score'] * 100). "%) <br>"; // // // Ici, vous pouvez stocker des balises dans la base de données // //} // //} //} catch (guzzlehttp \ exception \ requestException $ e) { // // Gestion d'erreur Demande d'API // // ECHO "Demande API a échoué:". $ e-> getMessage (); // // if ($ e-> Hasresponse ()) { // // Echo "Réponse:". $ e-> getResponse () -> getBody () -> getContents (); // //} //} ?>
Ce code n'est qu'un concept. Lorsque vous vous intégrez réellement, vous devez créer des demandes et analyser les réponses en fonction de la documentation API spécifique du service d'IA sélectionné.

Pourquoi mon projet PHP nécessite-t-il un étiquetage d'image automatique?
Cette question est bonne, car elle n'est pas aussi simple que "à la fin", elle peut en fait résoudre de nombreux points de douleur et améliorer la valeur de votre projet.
Tout d'abord, l'efficacité est le roi . Imaginez si vous avez une plate-forme de commerce électronique où des milliers d'images de produits doivent être décrites; ou un site Web de nouvelles où d'innombrables photos doivent être classées et archivées chaque jour. C'est simplement un cauchemar de le lire manuellement, puis entrez les étiquettes manuellement. Non seulement cela prend du temps et des efforts, mais il est également sujet aux erreurs. Le marquage automatique de l'IA peut raccourcir ce processus de quelques jours à quelques minutes, voire quelques secondes, une main-d'œuvre très libératrice.
Deuxièmement, il améliore considérablement la découverte du contenu . Lorsque les images sont étiquetées avec précision avec "Cat", "Sunset", "Eiffel Tower", "Conference Room", etc., les utilisateurs peuvent les rechercher via des mots clés. Ceci est crucial pour les galeries, les systèmes de gestion de contenu (CMS) et les applications de médias sociaux. Vous n'avez plus besoin de vous rappeler que le nom de fichier de l'image est IMG_20230415_102430.jpg
, mais vous pouvez rechercher directement les "vacances en bord de mer" et les images pertinentes sortiront. Cela facilite non seulement les utilisateurs, mais rend également vos actifs de contenu vraiment "en direct".
De plus, la gestion et les recommandations de contenu ont été optimisées . Avec les balises, la classification des images devient plus automatisée et plus raffinée. Vous pouvez faire des recommandations intelligentes en fonction des balises. Par exemple, si l'utilisateur voit l'image des "chaussures de sport", le système peut recommander plus de produits ou de contenu liés à "sport". Pour la publicité, cela peut également réaliser un match plus précis et améliorer l'efficacité de la publicité. Même dans la revue du contenu, l'IA peut aider à identifier les images de violation potentielle et à atténuer la pression de l'examen manuel.
Après tout, le marquage d'image automatique consiste à transformer les données "Dead" en données "en direct", permettant à votre application PHP de passer de "utilisable" à "facile" ou même "intelligent".
Quel service IA Vision dois-je choisir d'être plus adapté à mon application PHP?
Choisir le bon service visuel AI est un peu comme choisir un marteau dans une boîte à outils, cela dépend des ongles que vous allez frapper. Il n'y a pas de "meilleur" absolu, seulement "le meilleur adapté".
Plusieurs services grand public ont leur propre objectif:
- Google Cloud Vision AI: Ses avantages sont ses fonctions complètes et sa grande précision de reconnaissance, en particulier dans les objets généraux, les scènes, la reconnaissance de texte (OCR), les monuments et la reconnaissance des célébrités. Si vous avez besoin d'un "joueur polyvalent" et que vous avez des exigences élevées pour la qualité de reconnaissance, Google Vision est généralement un bon point de départ. Son support multilingue est également très bon. Cependant, le prix peut être relativement plus élevé.
- AWS Rekognition: profondément intégré dans l'écosystème AWS. Si vous utilisez déjà d'autres services AWS (comme le stockage S3, les fonctions Lambda), l'intégration de la rekognition sera très fluide. Il a également des fonctionnalités uniques dans la reconnaissance faciale et l'analyse du contenu vidéo. En termes de prix, AWS fournit généralement un modèle de tarification plus flexible.
- Azure Computer Vision: Microsoft's Cloud Service, pour les développeurs habitués à utiliser la pile technologique de Microsoft, l'expérience d'intégration sera plus amicale. Il fait un bon travail dans la compréhension de l'image, l'examen du contenu et a des solutions spécifiques à l'industrie.
- Services nationaux (tels que Baidu AI Open Platform, Tencent Cloud AI, Alibaba Cloud Vision Intelligence): si votre groupe d'utilisateurs principaux est en Chine, ou si le stockage de données a des exigences de conformité régionales, le choix des services nationaux aura plus d'avantages. Leurs API sont généralement plus rapides pour répondre et peuvent avoir une précision de reconnaissance plus élevée dans les scénarios chinois. Fonctionnellement, ils couvrent également essentiellement les besoins de reconnaissance d'images traditionnels.
Lorsque je prends une décision, je considère généralement les points suivants:
- Correspondance des exigences fonctionnelles: de quoi avez-vous exactement besoin? Juste étiqueter? Ou est-ce que la reconnaissance du visage plus complexe, l'analyse des émotions, la reconnaissance de texte et même l'analyse vidéo sont-elles nécessaires? Faites une liste de vos besoins principaux et comparez les fonctionnalités de chaque service.
- Précision et efficacité: c'est très critique. Il est préférable d'utiliser votre propre petit nombre d'échantillons d'images réels pour tester l'effet de reconnaissance de plusieurs services. Certains services fonctionneront mieux sur des types d'images spécifiques.
- Considérations de coûts: La plupart des services sont facturés par le nombre d'appels et la quantité de données traitées. Vous devez estimer les appels possibles à l'avenir, puis comparer les prix de chaque entreprise. Certains services ont des quotas gratuits, vous pouvez donc les utiliser en premier.
- Facilité d'utilisation et documentation: si le SDK est parfait, si la documentation est claire et comment le soutien communautaire affectera l'efficacité du développement.
- Géographie et latence: l'emplacement du centre de données du fournisseur de services affecte la latence des appels d'API. Pour les applications qui nécessitent une vitesse de réponse élevée, il est important de choisir une zone de serveur proche de la base d'utilisateurs.
- Confidentialité et conformité des données: si l'image implique la confidentialité des utilisateurs ou les informations sensibles, assurez-vous de comprendre les politiques de traitement des données du fournisseur de services, les emplacements de stockage et la conformité aux réglementations pertinentes (telles que le RGPD).
Mon conseil est que si le budget et la pile technologique le permettent, vous pouvez commencer par un service plus polyvalent, avec une meilleure documentation et un soutien communautaire, tels que Google Vision, qui peut répondre aux besoins les plus élémentaires. Au fur et à mesure que le projet se développe, déterminez si d'autres services doivent être introduits pour répondre à des scénarios plus professionnels.
Quels sont les défis et précautions communs pour intégrer la reconnaissance d'image de l'IA dans PHP?
Greffer les «yeux» de l'IA à un projet PHP semble cool, mais en fonctionnement réel, vous pouvez rencontrer des problèmes mineurs ou avoir besoin de prêter attention à certains détails afin de faire fonctionner le processus entièrement en douceur et en toute sécurité.
Tout d'abord, le délai de réseau et le délai d'appel de l'API sont des problèmes inévitables. Les services AI s'exécutent généralement sur des serveurs distants, et PHP initie les demandes d'API, qui est essentiellement une communication réseau. Si le réseau est instable, les fichiers d'image sont trop grands ou le service AI répond lentement, votre script PHP peut être relâché car vous attendez trop longtemps. Mon expérience est que vous devez définir un temps de délai d'expiration raisonnable et implémenter un mécanisme de réessayer de demande, comme l'utilisation d'un algorithme de backoff exponentiel, et réessayer s'il échoue.
Deuxièmement, la gestion et la sécurité des clés API sont cruciales. Ces clés sont vos informations d'identification de service, ce qui peut entraîner la maltraitance de votre compte et encourir des frais élevés une fois qu'ils sont divulgués. Jamais CODODE HARD la touche API dans le code! L'approche correcte consiste à le stocker en variables d'environnement, aux fichiers de configuration (et le fichier ne doit pas être suivi par des systèmes de contrôle de version) ou dans un service de gestion de clés dédié. Les applications PHP lisent les clés de ces emplacements sécurisés lors du déploiement.
Ensuite, la gestion des erreurs et la capture des exceptions doivent être en place. Le JSON retourné par un service d'IA n'est pas toujours la réponse réussie que vous attendez. Les erreurs de réseau, la défaillance de l'authentification, le format d'image non pris en charge, la limitation du flux de service, etc. peuvent entraîner le retour des codes d'erreur ou des exceptions de l'API. Votre code PHP doit avoir des blocs try-catch
robustes qui sont capables d'attraper ces exceptions et de donner des invites amicales ou des enregistrements de journal en fonction du type d'erreur, plutôt que de s'écraser directement.
Les limites de la taille et du format de l'image sont également des problèmes pratiques. La plupart des services d'IA ont des exigences pour les images téléchargées (comme ne dépassant pas 20 Mo) et le format (JPEG, PNG, etc.). Du côté PHP, vous devez effectuer un traitement de somme de contrôle préliminaire lors du téléchargement d'images, tels que la compression d'images et la conversion des formats pour s'assurer qu'ils respectent les exigences de l'API. Sinon, vous recevrez une erreur comme "l'image est trop grande" sur le serveur.
Le contrôle des coûts est un gros problème. Les services d'IA sont généralement facturés par le nombre d'appels ou la quantité de données traitées. Si vous avez un grand nombre d'images à traiter, ou si le nombre d'images téléchargées par les utilisateurs est grand, le coût peut s'accumuler rapidement. Je considère généralement: les demandes de lots (si l'API le prend en charge), les balises d'image identifiées par Cache (évitez les appels répétés), définissez un plafond d'appel quotidien / mensuel ou une reconnaissance AI des images dans un scénario spécifique.
Le traitement asynchrone est presque un must pour un grand nombre d'images. Si votre application doit traiter des milliers d'images, appeler l'API un par un en synchronisation bloque sérieusement le processus PHP, ce qui fait attendre l'utilisateur trop longtemps. Une meilleure approche est que lorsque l'utilisateur télécharge l'image, PHP place les informations de l'image dans une file d'attente de messages (comme RabbitMQ, Kafka), puis un processus de travailleur de base indépendant (démon / travailleur) consomme la file d'attente, invoque le service AI de manière asynchrone et traite les résultats. Cela peut empêcher le délai d'attente de demande frontale et améliorer l'expérience utilisateur.
Enfin, n'oubliez pas que l'IA n'est pas précise à 100% . Bien que l'IA soit puissante, il peut également faire des erreurs ou donner des étiquettes qui ne sont pas suffisamment exactes. Pour les scénarios critiques qui nécessitent une précision élevée, il peut être nécessaire d'examiner manuellement les résultats d'identification de l'IA ou de définir un seuil de confiance, et des étiquettes ci-dessous qui sont jetées ou marquées pour une revue manuelle. Dans le même temps, les images impliquant la confidentialité des utilisateurs (telles que les visages) doivent se conformer aux réglementations pertinentes de confidentialité des données lors du traitement et du stockage des balises.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undress AI Tool
Images de déshabillage gratuites

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











La méthode principale de création de fonctions de partage social dans PHP est de générer dynamiquement des liens de partage qui répondent aux exigences de chaque plate-forme. 1. Obtenez d'abord la page actuelle ou les informations d'URL et d'article spécifiées; 2. Utilisez UrLencode pour coder les paramètres; 3. Épisser et générer des liens de partage en fonction des protocoles de chaque plate-forme; 4. Afficher les liens sur l'avant pour que les utilisateurs puissent cliquer et partager; 5. Générez dynamiquement des balises OG sur la page pour optimiser l'affichage du contenu du partage; 6. Assurez-vous d'échapper à la saisie des utilisateurs pour empêcher les attaques XSS. Cette méthode ne nécessite pas d'authentification complexe, a de faibles coûts de maintenance et convient à la plupart des besoins de partage de contenu.

1. La maximisation de la valeur commerciale du système de commentaires nécessite de combiner la livraison précise de la publicité native, les services à valeur ajoutée par l'utilisateur (tels que le téléchargement d'images, les commentaires de recharge), d'influencer le mécanisme d'incitation basé sur la qualité des commentaires et la conformité de la monétisation anonyme des données de données; 2. La stratégie d'audit doit adopter une combinaison de mécanismes de filtrage des mots clés dynamiques pré-audit et de signalement des utilisateurs, complétés par une note de qualité des commentaires pour réaliser une exposition hiérarchique de contenu; 3. Anti-brosses nécessite la construction d'une défense multicouche: la vérification sans capteur RecaptChav3, le robot de reconnaissance de champ de miel, IP et la limite de fréquence d'horodatage empêchent l'arrosage, et la reconnaissance du modèle de contenu marque les commentaires suspects et itéra en continu pour traiter les attaques.

Pour réaliser la correction d'erreur de texte et l'optimisation de la syntaxe avec l'IA, vous devez suivre les étapes suivantes: 1. Sélectionnez un modèle ou une API d'IA appropriée, tels que Baidu, Tencent API ou bibliothèque NLP open source; 2. Appelez l'API via Curl ou Guzzle de PHP et traitez les résultats de retour; 3. Afficher les informations de correction d'erreur dans l'application et permettre aux utilisateurs de choisir d'adopter l'adoption; 4. Utilisez PHP-L et PHP_CODESNIFFER pour la détection de syntaxe et l'optimisation du code; 5. Collectez en continu les commentaires et mettez à jour le modèle ou les règles pour améliorer l'effet. Lorsque vous choisissez AIAPI, concentrez-vous sur l'évaluation de la précision, de la vitesse de réponse, du prix et du support pour PHP. L'optimisation du code doit suivre les spécifications du PSR, utiliser le cache raisonnablement, éviter les requêtes circulaires, revoir le code régulièrement et utiliser x

L'entrée vocale de l'utilisateur est capturée et envoyée au backend PHP via l'API MediaRecorder du JavaScript frontal; 2. PHP enregistre l'audio en tant que fichier temporaire et appelle STTAPI (tel que Google ou Baidu Voice Recognition) pour le convertir en texte; 3. PHP envoie le texte à un service d'IA (comme Openaigpt) pour obtenir une réponse intelligente; 4. PHP appelle ensuite TTSAPI (comme Baidu ou Google Voice Synthesis) pour convertir la réponse en fichier vocal; 5. PHP diffuse le fichier vocal vers l'avant pour jouer, terminant l'interaction. L'ensemble du processus est dominé par PHP pour assurer une connexion transparente entre toutes les liens.

PHP n'effectue pas directement un traitement d'image AI, mais s'intègre via les API, car il est bon dans le développement Web plutôt que dans les tâches à forte intensité informatique. L'intégration de l'API peut atteindre une division professionnelle du travail, réduire les coûts et améliorer l'efficacité; 2. Intégration des technologies clés incluez l'utilisation de Guzzle ou Curl pour envoyer des demandes HTTP, le codage et le décodage des données JSON, l'authentification de la sécurité des clés de l'API, les tâches de traitement de la file d'attente asynchrones, les tâches prenant du temps, la gestion des erreurs robuste et le mécanisme de retrait, le stockage et l'affichage d'images; 3. Les défis courants incluent le coût des API incontrôlable, les résultats de génération incontrôlables, la mauvaise expérience utilisateur, les risques de sécurité et la gestion difficile des données. Les stratégies de réponse consistent à définir des quotas et des caches utilisateur, en fournissant des conseils ProTT et une sélection multi-images, des notifications asynchrones et des invites de progrès, un stockage et un audit de contenu de la variable d'environnement clé et un stockage cloud.

PHP fournit une base d'entrée pour les modèles d'IA en collectant des données utilisateur (telles que l'historique de navigation, la localisation géographique) et le prétraitement; 2. Utilisez Curl ou GRPC pour se connecter avec les modèles d'IA pour obtenir les résultats de prédiction de taux de clics et de taux de conversion; 3. Ajuster dynamiquement la fréquence d'affichage publicitaire, la population cible et d'autres stratégies basées sur les prédictions; 4. Testez différentes variantes publicitaires via A / B et enregistrez les données et combinez une analyse statistique pour optimiser l'effet; 5. Utilisez PHP pour surveiller les sources de trafic et les comportements des utilisateurs et intégrer avec des API tierces telles que Googleads pour réaliser la livraison automatisée et l'optimisation de rétroaction continue, améliorer finalement CTR et CVR et réduire le CPC, et implémenter pleinement la boucle fermée du système publicitaire basé sur l'IA.

PHP assure l'atomicité de la déduction des stocks via les transactions de base de données et les verrous en ligne de Forupdate pour empêcher la survente élevée élevée en simultation; 2. La cohérence de l'inventaire multiplateforme dépend de la gestion centralisée et de la synchronisation axée sur les événements, combinant des notifications API / WebHook et des files d'attente de messages pour assurer une transmission fiable de données; 3. Le mécanisme d'alarme doit définir un faible inventaire, un inventaire zéro / négatif, des ventes invidables, des cycles de réapprovisionnement et des stratégies de fluctuations anormales dans différents scénarios, et sélectionner Dingtalk, SMS ou les personnes responsables par e-mail en fonction de l'urgence, et les informations d'alarme doivent être complètes et claires pour réaliser l'adaptation et la réponse rapide.

Sélectionnez le service de reconnaissance vocale AI approprié et intégrez PHPSDK; 2. Utilisez PHP pour appeler FFMPEG pour convertir les enregistrements en formats requis API (tels que WAV); 3. Téléchargez des fichiers sur le stockage cloud et appelez API Asynchronous Recognition; 4. Analyser les résultats JSON et organiser du texte à l'aide de la technologie NLP; 5. Générez des documents Word ou Markdown pour terminer l'automatisation des enregistrements de la réunion. L'ensemble du processus doit assurer le chiffrement des données, le contrôle d'accès et la conformité pour garantir la confidentialité et la sécurité.
