Sebastian Alberione
Directeur principal | ing. | Fiscalité

L’industrie du jeu vidéo est fleurissante à Montréal et c’est une source de fierté tant pour la ville que pour l’ensemble du Québec et du Canada. Pour en savoir davantage sur ce qui propulse le secteur, je me suis entretenu avec les dirigeants de studios de jeu vidéo indépendants de toutes tailles à propos de leur parcours, de leurs réussites et de leurs défis.

Il ressort de ces discussions que les technologies, en particulier les engins de jeu (ou moteurs de jeu) et les plateformes de distribution numérique, ont eu un impact majeur sur la naissance de nombreux studios indépendants et sur leur capacité à développer puis à distribuer des jeux de grande qualité dans le monde entier.

De plus, on peut constater que si l’écosystème entrepreneurial entourant le jeu vidéo indépendant a atteint un niveau élevé de maturité, il est encore peu connu du grand public, qui ne réalise peut-être pas à quel point il se développe des projets de jeu extraordinaires dans leur ville et à quel point le marché mondial du jeu vidéo est important et en croissance (il atteindra 108,9 milliards de dollars américains en 2017 selon un article sur newzoo.com). L’engouement pour les eSports n’y est pas étranger.

Les engins de jeu

Les studios peuvent s’appuyer sur des logiciels qui prennent en charge une grande partie de la logique et des interactions qu’il faut implémenter pour donner vie à une expérience de jeu 2D ou 3D, c’est-à-dire que certaines tâches qui nécessitaient auparavant l’intervention de programmeurs sont à présent automatisées. Parfois, ces engins sont combinés à des technologies complémentaires, par exemple ZBrush pour la sculpture et la peinture 3D, Maya pour l’animation ou Gamesparks/AWS pour l’infrastructure. Cela permet à des petites équipes de produire des jeux de qualité exceptionnelle « rapidement » et de se concentrer sur la création du jeu en tant que telle plutôt que sur le développement d’un engin. Des exemples? Jetez un œil aux bandes-annonces de Sundered (par Lotus Games), un jeu entièrement dessiné à la main, ou encore Mordheim (par Rogue Factor), une adaptation du jeu de plateau éponyme.

Néanmoins, il arrive aussi que les outils intégrés ne répondent pas parfaitement aux besoins des studios, qui développent alors des technologies propriétaires pour en étendre les capacités. C’est le cas par exemple de Vandal Games, un studio montréalais qui se spécialise dans les jeux multijoueurs accessibles directement dans un navigateur Web. Cette technologie impliquait le développement de fonctionnalités non supportées par l’engin Unity. Également, certains studios, comme Snowed In Studios à Ottawa, ont développé une expertise de pointe dans le développement de technologies répondant à des besoins précis qui ne sont pas comblés par les fonctionnalités natives des engins disponibles.

Les engins les plus répandus sont Unity et Unreal. Unity offre de nombreux avantages, dont la capacité de créer et de déployer des jeux sur plus de vingt-cinq plateformes différentes (dispositifs mobiles, consoles, PC, etc.), et ce sur la base de frais mensuels par poste de travail. Unreal est fondé sur un modèle où l’on paie un pourcentage des ventes réalisées à la distribution du jeu. Il est donc possible de développer un jeu complet sur la plateforme « gratuitement ». Mais cela ne s’arrête pas là.

Les plateformes de distribution numérique

L’arrivée sur le marché de nouveaux moyens de distribution numérique et de jeux multijoueurs, comme XBOX Live, PS Network ou encore la plateforme Steam, a été une vraie révolution. En effet, il n’y a pas si longtemps, les jeux vidéo étaient vendus dans des boîtes sur des étagères de magasin. Cela constituait une barrière à l’entrée importante pour les petits studios, qui n’avaient pas accès aux canaux de distribution des plus gros acteurs. La donne a quelque peu changé avec les plateformes comme Steam, puisque tout le monde peut à présent distribuer un jeu partout sur la planète en quelques instants. Et c’est ce qui se produit!

Un nombre de jeux de plus en plus important est mis en vente chaque jour, ce qui complique la tâche des studios indépendants, qui n’ont pas la capacité de faire des campagnes de marketing de masse. Ce n’est pas un retour à la case départ, mais le budget pour la mise en marché des jeux constitue aussi une forme de barrière à l’entrée. Des jeux de grande qualité passent ainsi presque inaperçus. À titre d’exemple, 403 jeux ont été publiés en 2012 sur Steam, pour plus de 6 000 en 2017, à l’heure actuelle.

Les studios doivent donc parfois faire appel à des éditeurs, qui prennent en charge le volet marketing des projets en échange d’une part des profits réalisés. Cela dit, il n’est pas simple de trouver un éditeur. Selon Jean-François Boivin, de Panache Digital Games, la présence locale d’éditeurs de jeux davantage impliqués dans les studios indépendants serait très bénéfique.

Prochaines avancées technologiques

Quelles seront les prochaines avancées technologiques? Difficile à dire. Sans tomber dans une bataille de buzz words, on ne semble pas pour l’instant anticiper de rupture majeure du côté de la réalité virtuelle ou augmentée. L’intelligence artificielle, en revanche, va prendre beaucoup d’importance, tant en matière de mécaniques de jeu en tant que telles qu’en matière d’outils de développement (automatisation de processus complexes de création, analyses comportementales, etc.).

Selon Kien-Van Tram, de Vandal Games, les progrès réalisés en intelligence artificielle et dans le traitement des mégadonnées permettront dans le futur d’effectuer des analyses à toutes les étapes du cycle de vie du produit et d’optimiser l’acquisition de joueurs, leur rétention ainsi que la monétisation des jeux.

La préoccupation première demeure la capacité de faire découvrir les jeux produits. Il y a donc certainement de la place pour des innovations en la matière.

Je finirai en remerciant les studios qui ont pris le temps de me parler. Voici des liens vers leur site Web. Faites-y un petit tour et découvrez leurs jeux!

https://www.rogue-factor.com/
http://thunderlotusgames.com/
https://www.panachedigitalgames.com/
http://vandalgames.net/
http://www.urubustudio.com/
http://www.snowedin.ca/
http://www.gravedangergames.com/

Enfin, pour en savoir davantage sur les studios indépendants, prenez quelques minutes pour aller sur le site de la Guilde des développeurs indépendants de jeu vidéo (131 membres).

Consultez le rapport 2017 de l’Association canadienne du logiciel de divertissement, qui donne des chiffres intéressants sur l’industrie du jeu vidéo au Canada.

04 Déc 2017  |  Écrit par :

M. Alberione est votre expert en fiscalité pour le bureau de Montréal. Contactez-le dès...

Voir le profil

Article suivant

Novembre 2017

Vous désirez réduire vos impôts à payer? Une bonne planification fiscale doit normalement s’effectuer tout au long de l’année. Toutefois, il est encore temps de mettre en place certaines stratégies qui vous permettront de réduire votre facture d’impôt. Par ailleurs, certaines nouvelles mesures qui entreront en vigueur à compter de 2018 pourraient devoir être prises en considération.

Nous vous proposons ici quelques idées simples et efficaces à mettre en place d’ici la fin de l’année 2017, ou au début de 2018. Nous soulignons également quelques changements importants qui entreront prochainement en vigueur. N’hésitez pas à discuter avec votre conseiller de Raymond Chabot Grant Thornton pour déterminer les mesures qui s’appliquent à votre situation.

Pour en savoir plus, téléchargez le document (pdf)

 

Article suivant

Stratégies fiscales en direct, novembre 2017

Élimination graduelle des restrictions à l’obtention des RTI pour les grandes entreprises à compter du 1er janvier 2018

En 2012, le gouvernement du Québec, suite à une entente avec le gouvernement du Canada, d’harmonisation de la TPS/TVH et TVQ, avait annoncé qu’il procèderait éventuellement à l’élimination des restrictions à l’obtention d’un remboursement de la taxe sur les intrants (RTI) par les grandes entreprises (GE). Lors du budget provincial de mars 2015, le ministre des Finances avait annoncé une élimination graduelle des restrictions à compter du 1er janvier 2018.

Ainsi, pour bien mettre en œuvre ces nouvelles dispositions, Revenu Québec a publié, le 25 octobre 2017, le bulletin TVQ. 206.1-10 qui précise l’application de la Loi sur la taxe de vente du Québec (LTVQ) à l’égard de cette élimination graduelle des restrictions qui débutera le 1er janvier 2018 et qui sera complétée au 1er janvier 2021.

Si vous êtes une GE en ce moment, ou si vous le devenez au cours des prochains mois et même des quatre (4) prochaines années, sachez que ces nouvelles mesures vous affecteront et impliqueront de mettre en place un système serré de suivis des réclamations de vos RTI aux fins de la TVQ.

Téléchargez le document ci-dessous.

Article suivant

Jean-François Djoufak
Directeur | Fiscalité

Notre pays, et particulièrement Montréal, vibre au rythme des investissements massifs et d’initiatives diverses en intelligence artificielle. C’est dans ce contexte que Raymond Chabot Grant Thornton a démarré, cette année, une pratique d’intelligence artificielle et d’analytique avancée pour aider les PME à emboiter le pas vers cette révolution technologique qui s’amorce.

Dans le cadre de l’infolettre Curieusement Techno de la pratique Fiscalité-RD, j’animerai la tribune dédiée à l’intelligence artificielle. Je partagerai avec vous des questions à se poser, des pratiques à adopter, et des exemples dont vous pouvez vous inspirer pour votre entreprise. De plus, seront abordées les technologies de rupture (innovations technologiques qui finissent par remplacer des technologies dominantes dans un marché) qui pourraient améliorer, optimiser, voire révolutionner les pratiques implémentées en entreprise.

Marvin Lee Minsky, l’un des créateurs de l’intelligence artificielle, la définit comme étant « la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains, car elles demandent des processus mentaux de haut niveau, tels que: l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique. » Dans cette première tribune, nous allons restreindre notre conceptualisation de l’intelligence artificielle à l’utilisation de l’apprentissage automatique (machine learning) pour créer des agents (logiciels qui agissent de façon autonome) capables de penser et de raisonner comme des humains.

Qu’est-ce que l’apprentissage automatique?

L’apprentissage automatique est un ensemble de techniques (régression linéaire, classification bayésienne, boosting, réseaux de neurones, etc.) permettant de donner à la machine la capacité d’apprendre à partir d’expériences passées pour qu’elle soit en mesure de déduire des règles qui constitueront de nouvelles connaissances et sur la base desquelles sera analysée toute nouvelle situation. C’est ainsi que sur la base de données analytiques collectées par les sites de commerce électronique, un algorithme d’apprentissage automatique peut déterminer des règles qui caractérisent les utilisateurs les plus à risque de supprimer leur compte. En s’appuyant sur ces dernières règles, l’algorithme serait alors en mesure d’analyser leurs actions pour leur proposer des offres promotionnelles juste avant qu’ils ne prennent la décision cruciale. Si le calcul des précédentes règles s’appuie systématiquement sur des correspondances établies par des experts entre les données analytiques et des utilisateurs, on dit que l’apprentissage est supervisé.  On dit que l’apprentissage est semi-supervisé quand le calcul des règles s’appuie partiellement sur des correspondances préétablies. Dans le cas où de telles correspondances n’existent tout simplement pas, l’apprentissage est dit non supervisé. Finalement, on parle d’apprentissage par renforcement lorsque des résultats calculés par l’algorithme sont réutilisés pour guider le calcul des prochaines prédictions.

Un réseau de neurones est un ensemble de nœuds de calculs (neurones) organisés en couches et montés en réseau qui permettent de former des fonctions complexes. Les résultats calculés par la première couche de neurones servent d’entrée aux calculs d’une deuxième couche, et ainsi de suite. Lorsqu’utilisées pour la reconnaissance visuelle, les premières couches d’unités identifient par exemple des lignes, des courbes, et des angles, alors que les couches intermédiaires identifient des formes et que les couches supérieures identifient des objets comme des yeux ou des roues.  La méthode d’apprentissage automatique qui en résulte a été appelée apprentissage profond, ou deep learning.  Bien qu’existant depuis une dizaine d’années, l’apprentissage profond a connu des développements spectaculaires à la suite de l’augmentation de la puissance de calcul des ordinateurs, notamment la possibilité de faire du calcul général sur des processeurs graphiques (GPU), et du développement de grandes bases de données.

Comment formuler un problème d’apprentissage automatique?

L’apprentissage automatique peut être utilisé en entreprise pour résoudre une multitude de problèmes. Pour bien les formuler, il est nécessaire de déterminer la catégorie dans laquelle ils se situent. On distingue quatre principales catégories de problèmes d’apprentissage automatique:

Raymond Chabot Grant Thornton - image

La classification: les problèmes regroupés dans cette catégorie ont pour objectif d’attribuer une classe ou une étiquette à chaque objet d’un jeu de données en mode supervisé ou semi-supervisé, donc avec l’aide d’experts. Ils peuvent être unaires (ex.: est-il possible de détecter des transactions inhabituelles chez nos clients?), binaires (ex.: le prospect Dupont sera-t-il converti ou pas?) ou à classe multiple (ex.: quel type de produit l’utilisateur John est-il le plus susceptible d’acheter : un ordinateur, un portable ou un téléphone intelligent?).

Le clustering: la différence majeure de cette catégorie avec la précédente est que les problèmes qu’elle regroupe consistent à déterminer les règles de classification et les différentes classes sans interventions humaines. C’est donc une résolution en mode non supervisé. On retrouve ici des problèmes de partitionnement des utilisateurs à des fins de marketing (ex.: quels sont nos principaux segments de marchés si l’on considère les caractéristiques démographiques de nos clients et leurs paniers d’achats?) ou de compréhension de leurs comportements (ex.: comment peut-on classifier les mots clés utilisés pour les recherches sur notre site Web?).

La régression: on regroupe dans cette catégorie les problèmes qui consistent à prédire ou à calculer des valeurs numériques plutôt que des classes. On peut entre autres citer des calculs de prix (ex.: quel est le juste prix de vente si l’on considère les différentes contraintes de production?), les prédictions de demandes de produits (ex.: étant donné les résultats de la dernière campagne marketing, combien de produits seront vendus le mois prochain?), etc.

Le classement (ou ranking): les problèmes regroupés dans cette catégorie se ramènent au calcul de l’importance relative d’un objet par rapport aux autres objets du même jeu de données. Comme exemples, on peut citer les recommandations (ex.: quelle est la liste des cinq produits à afficher à l’utilisateur si l’on prend en compte son historique d’achat?), la mise en page de sites Web (ex.: comment organiser l’affichage sur des sites Web si l’on prend en compte l’historique de navigation des utilisateurs), etc.

Ceci étant présenté, la réponse à la question en titre de cet article est OUI. Vous pouvez intégrer l’intelligence artificielle dans vos entreprises pourvu que les problèmes que vous voulez résoudre puissent être formulés relativement aux quatre catégories. Il est cependant conseillé de faire l’exercice initial avec des projets simples, mais à grande valeur ajoutée pour votre entreprise. L’étape de formulation du problème est d’autant plus importante qu’elle va également influencer les procédures de collecte de données que vous allez devoir implémenter, sujet que je traiterai dans mon prochain article en mettant l’emphase sur la qualité et de la pertinence des données capturées.

01 Nov 2017  |  Écrit par :

Jean-François Djoufak, directeur, fiscalité, Raymond Chabot Grant Thornton.

Voir le profil