Rana el Kaliouby: This app knows how you feel — from the look on your face

137,190 views

2015-06-15 ・ TED


New videos

Rana el Kaliouby: This app knows how you feel — from the look on your face

137,190 views ・ 2015-06-15

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Nicolas Abgrall Relecteur: Zeineb Trabelsi
00:12
Our emotions influence every aspect of our lives,
0
12556
4017
Nos émotions influencent tous les aspects de notre vie,
de notre santé et notre façon d'apprendre
00:16
from our health and how we learn, to how we do business and make decisions,
1
16573
3576
à la manière dont nous faisons des affaires,
et prenons des décisions, petites ou grandes.
00:20
big ones and small.
2
20149
1773
00:22
Our emotions also influence how we connect with one another.
3
22672
3490
Elles influencent aussi la manière dont nous interagissons ensemble.
00:27
We've evolved to live in a world like this,
4
27132
3976
Nous avons évolué pour vivre dans un monde qui ressemble à ça,
00:31
but instead, we're living more and more of our lives like this --
5
31108
4319
mais nous vivons nos vies de plus en plus plutôt comme ceci --
00:35
this is the text message from my daughter last night --
6
35427
3134
c'est le message que ma fille m'a envoyé hier soir --
00:38
in a world that's devoid of emotion.
7
38561
2740
dans un monde dépourvu d'émotion.
00:41
So I'm on a mission to change that.
8
41301
1951
Ma mission est de changer tout ça.
00:43
I want to bring emotions back into our digital experiences.
9
43252
4091
Je veux ramener l'expression de nos émotions dans nos expériences numériques.
00:48
I started on this path 15 years ago.
10
48223
3077
J'ai commencé de travailler dans cette direction il y a 15 ans.
00:51
I was a computer scientist in Egypt,
11
51300
2066
J'étais informaticienne en Égypte,
00:53
and I had just gotten accepted to a Ph.D. program at Cambridge University.
12
53366
4505
et venais juste d'être acceptée dans un programme de thèse à Cambridge.
00:57
So I did something quite unusual
13
57871
2113
Alors j'ai fait quelque chose d'assez inhabituel
00:59
for a young newlywed Muslim Egyptian wife:
14
59984
4225
pour une jeune musulmane égyptienne et tout juste mariée :
01:05
With the support of my husband, who had to stay in Egypt,
15
65599
2999
avec le soutien de mon mari qui devait rester en Égypte,
01:08
I packed my bags and I moved to England.
16
68598
3018
j'ai fait mes bagages et suis partie pour l'Angleterre.
01:11
At Cambridge, thousands of miles away from home,
17
71616
3228
A Cambridge, à des milliers de kilomètres de chez moi,
01:14
I realized I was spending more hours with my laptop
18
74844
3413
j'ai réalisé que je passais plus d'heures sur mon ordinateur
01:18
than I did with any other human.
19
78257
2229
qu'avec n'importe quel humain.
01:20
Yet despite this intimacy, my laptop had absolutely no idea how I was feeling.
20
80486
4853
Pourtant, malgré cette intimité, il n'avait absolument aucune idée
01:25
It had no idea if I was happy,
21
85339
3211
de ce que je ressentais. Il ne savait pas si j'étais heureuse,
01:28
having a bad day, or stressed, confused,
22
88550
2988
si j'avais eu une mauvaise journée, si j'étais stressée
01:31
and so that got frustrating.
23
91538
2922
ou confuse et ça devenait vraiment frustrant.
01:35
Even worse, as I communicated online with my family back home,
24
95600
5231
Le pire, c'était que lorsque je communiquais en ligne
avec ma famille à la maison,
01:41
I felt that all my emotions disappeared in cyberspace.
25
101421
3282
j'avais l'impression que toutes mes émotions disparaissaient
01:44
I was homesick, I was lonely, and on some days I was actually crying,
26
104703
5155
dans cet espace virtuel. J'avais le mal du pays, je me sentais seule
01:49
but all I had to communicate these emotions was this.
27
109858
4928
et me mettais même à pleurer certains jours.
Mais tout ce que j'avais pour partager ces émotions, c'était ça. (Rires)
01:54
(Laughter)
28
114786
2020
01:56
Today's technology has lots of I.Q., but no E.Q.;
29
116806
4974
La technologie moderne a beaucoup de Q.I. mais aucun Q.E.: c'est-à-dire
02:01
lots of cognitive intelligence, but no emotional intelligence.
30
121780
3176
beaucoup d'intelligence cognitive mais pas émotionnelle.
02:04
So that got me thinking,
31
124956
2197
Je me suis alors demandée
02:07
what if our technology could sense our emotions?
32
127153
3624
ce que ça changerait si notre technologie pouvait percevoir nos émotions ?
02:10
What if our devices could sense how we felt and reacted accordingly,
33
130777
4076
Que se passerait-il si nos appareils pouvaient les percevoir et réagir
02:14
just the way an emotionally intelligent friend would?
34
134853
3013
en fonction, exactement comme un ami le ferait ?
02:18
Those questions led me and my team
35
138666
3564
Ces questions nous ont menés, mon équipe et moi
02:22
to create technologies that can read and respond to our emotions,
36
142230
4377
à développer des technologies qui peuvent lire et réagir à nos émotions,
02:26
and our starting point was the human face.
37
146607
3090
à partir du visage humain.
02:30
So our human face happens to be one of the most powerful channels
38
150577
3173
Il se trouve que le visage est un des moyens d'expression
02:33
that we all use to communicate social and emotional states,
39
153750
4016
les plus puissants que nous utilisons pour communiquer notre état social
02:37
everything from enjoyment, surprise,
40
157766
3010
ou émotionnel, tout de la joie, la surprise,
02:40
empathy and curiosity.
41
160776
4203
la compassion à la curiosité.
02:44
In emotion science, we call each facial muscle movement an action unit.
42
164979
4928
En science des émotions, chacun des mouvements du visage est appelé action.
02:49
So for example, action unit 12,
43
169907
2925
Par exemple, action numéro 12
02:52
it's not a Hollywood blockbuster,
44
172832
2038
n'est pas le nom du dernier succès hollywoodien,
02:54
it is actually a lip corner pull, which is the main component of a smile.
45
174870
3442
mais l'action de tirer le coin des lèvres, autrement dit de sourire.
02:58
Try it everybody. Let's get some smiles going on.
46
178312
2988
Essayez ! Faisons tous nos plus beaux sourires !
03:01
Another example is action unit 4. It's the brow furrow.
47
181300
2654
Autre exemple, action numéro 4, le froncement de sourcils.
03:03
It's when you draw your eyebrows together
48
183954
2238
C'est lorsque vous plissez les sourcils
03:06
and you create all these textures and wrinkles.
49
186192
2267
ensemble et créez toutes ces rides et textures.
03:08
We don't like them, but it's a strong indicator of a negative emotion.
50
188459
4295
On ne les aime pas mais c'est un très bon indicateur d'émotion négative.
03:12
So we have about 45 of these action units,
51
192754
2206
Nous avons environ 45 de ces actions
03:14
and they combine to express hundreds of emotions.
52
194960
3390
que nous combinons pour exprimer des centaines d'émotions.
03:18
Teaching a computer to read these facial emotions is hard,
53
198350
3901
Enseigner à un ordinateur comment reconnaître ces expressions faciales
est difficile parce qu'elles peuvent être rapides, sont subtiles,
03:22
because these action units, they can be fast, they're subtle,
54
202251
2972
et peuvent former beaucoup de combinaisons différentes.
03:25
and they combine in many different ways.
55
205223
2554
03:27
So take, for example, the smile and the smirk.
56
207777
3738
Prenez par exemple, un sourire normal ou un sourire narquois.
03:31
They look somewhat similar, but they mean very different things.
57
211515
3753
Ils sont en soi assez similaires, mais ont une signification bien différente.
03:35
(Laughter)
58
215268
1718
(Rires)
03:36
So the smile is positive,
59
216986
3004
Le sourire normal est positif,
03:39
a smirk is often negative.
60
219990
1270
le sourire narquois souvent négatif.
03:41
Sometimes a smirk can make you become famous.
61
221260
3876
Un sourire narquois peut même vous rendre célèbre parfois !
03:45
But seriously, it's important for a computer to be able
62
225136
2824
Mais plus sérieusement, il est très important
03:47
to tell the difference between the two expressions.
63
227960
2855
que l'ordinateur puisse différencier ces deux expressions.
03:50
So how do we do that?
64
230815
1812
Alors comment y arrive-t-on ?
03:52
We give our algorithms
65
232627
1787
On donne à nos algorithmes
03:54
tens of thousands of examples of people we know to be smiling,
66
234414
4110
des dizaines de milliers d'exemples spécifiques de personnes
03:58
from different ethnicities, ages, genders,
67
238524
3065
en train de sourire, d'origines, âge, sexe différents
04:01
and we do the same for smirks.
68
241589
2811
et on fait la même chose pour des sourires narquois.
04:04
And then, using deep learning,
69
244400
1554
Ensuite par un processus d'apprentissage,
04:05
the algorithm looks for all these textures and wrinkles
70
245954
2856
l'algorithme assimile toutes ces textures, ces rides
04:08
and shape changes on our face,
71
248810
2580
et mouvements de notre visage,
04:11
and basically learns that all smiles have common characteristics,
72
251390
3202
apprend les caractéristiques générales d'un sourire,
04:14
all smirks have subtly different characteristics.
73
254592
3181
et en associe de plus spécifiques aux sourires narquois.
04:17
And the next time it sees a new face,
74
257773
2368
Ainsi au prochain visage qu'il voit,
04:20
it essentially learns that
75
260141
2299
l'algorithme peut essentiellement
04:22
this face has the same characteristics of a smile,
76
262440
3033
reconnaître les caractéristiques d'un sourire et dire :
04:25
and it says, "Aha, I recognize this. This is a smile expression."
77
265473
4278
« ha ! je reconnais cette expression, c'est un sourire. »
04:30
So the best way to demonstrate how this technology works
78
270381
2800
Le meilleur moyen d'illustrer comment cette technologie fonctionne
04:33
is to try a live demo,
79
273181
2136
est une démonstration en direct
04:35
so I need a volunteer, preferably somebody with a face.
80
275317
3913
alors j'aurais besoin d'un volontaire, de préférence quelqu'un avec un visage.
04:39
(Laughter)
81
279230
2334
(Rires)
04:41
Cloe's going to be our volunteer today.
82
281564
2771
Cloe sera notre volontaire aujourd'hui.
04:45
So over the past five years, we've moved from being a research project at MIT
83
285325
4458
Au cours des 5 dernières années, notre groupe de recherche au MIT
04:49
to a company,
84
289783
1156
est devenu une entreprise,
04:50
where my team has worked really hard to make this technology work,
85
290939
3192
dans laquelle mon équipe a travaillé dur pour que cette technologie marche,
04:54
as we like to say, in the wild.
86
294131
2409
dans la vie de tous les jours, comme on dit.
04:56
And we've also shrunk it so that the core emotion engine
87
296540
2670
Nous l'avons aussi optimisée pour qu'elle fonctionne
04:59
works on any mobile device with a camera, like this iPad.
88
299210
3320
sur n'importe quel appareil pourvu d'une caméra, comme cet iPad.
05:02
So let's give this a try.
89
302530
2786
Mais essayons plutôt.
05:06
As you can see, the algorithm has essentially found Cloe's face,
90
306756
3924
Comme vous le voyez, l'algorithme trouve essentiellement le visage de Cloe
05:10
so it's this white bounding box,
91
310680
1692
dans cette zone encadrée blanche,
05:12
and it's tracking the main feature points on her face,
92
312372
2571
et décèle les mouvements des points principaux
05:14
so her eyebrows, her eyes, her mouth and her nose.
93
314943
2856
tels que ses sourcils, ses yeux, sa bouche et son nez.
05:17
The question is, can it recognize her expression?
94
317799
2987
La question est alors de savoir s'il peut reconnaître ses expressions.
05:20
So we're going to test the machine.
95
320786
1671
Essayons donc de le tester.
05:22
So first of all, give me your poker face. Yep, awesome. (Laughter)
96
322457
4186
Tout d'abord, montrez moi un visage impassible. Oui, parfait ! (Rires)
05:26
And then as she smiles, this is a genuine smile, it's great.
97
326643
2813
Et maintenant un sourire franc, en voilà un beau, parfait.
05:29
So you can see the green bar go up as she smiles.
98
329456
2300
Vous voyez, l'indicateur vert monte quand elle sourit.
05:31
Now that was a big smile.
99
331756
1222
05:32
Can you try a subtle smile to see if the computer can recognize?
100
332978
3043
C'était un beau sourire ça.
Pouvez-vous faire un sourire plus subtil pour voir ?
Oui, le programme le reconnaît aussi.
05:36
It does recognize subtle smiles as well.
101
336021
2331
On a travaillé dur pour que ça marche.
05:38
We've worked really hard to make that happen.
102
338352
2125
Là, les sourcils relevés déclenchent l'indicateur de surprise.
05:40
And then eyebrow raised, indicator of surprise.
103
340477
2962
05:43
Brow furrow, which is an indicator of confusion.
104
343439
4249
Le sillon des sourcils, lui, est l'indicateur de confusion.
05:47
Frown. Yes, perfect.
105
347688
4007
Froncez les sourcils. Oui, parfait.
05:51
So these are all the different action units. There's many more of them.
106
351695
3493
Tout ça vous montre différentes actions, il y en a beaucoup d'autres.
05:55
This is just a slimmed-down demo.
107
355188
2032
C'est juste une démonstration épurée.
05:57
But we call each reading an emotion data point,
108
357220
3148
Chaque action reconnue est une point de donnée émotionnelle
06:00
and then they can fire together to portray different emotions.
109
360368
2969
et l'ensemble de ces données peut décrire différentes émotions.
06:03
So on the right side of the demo -- look like you're happy.
110
363337
4653
Sur la droite ici regardez comme vous êtes heureuse.
06:07
So that's joy. Joy fires up.
111
367990
1454
L'indicateur de joie se déclenche.
06:09
And then give me a disgust face.
112
369444
1927
Maintenant exprimez le dégoût.
06:11
Try to remember what it was like when Zayn left One Direction.
113
371371
4272
Souvenez-vous du départ de Zayn de One Direction.
(Rires)
06:15
(Laughter)
114
375643
1510
Voilà, le nez se ride. Super.
06:17
Yeah, wrinkle your nose. Awesome.
115
377153
4342
06:21
And the valence is actually quite negative, so you must have been a big fan.
116
381495
3731
La capacité est en fait assez négative, vous deviez vraiment être fan !
06:25
So valence is how positive or negative an experience is,
117
385226
2700
Cette jauge montre si l'expérience est positive ou négative,
06:27
and engagement is how expressive she is as well.
118
387926
2786
la jauge d'engagement montre le niveau d'expression.
06:30
So imagine if Cloe had access to this real-time emotion stream,
119
390712
3414
Imaginez que Cloe ait accès direct à ce flux d'émotions en temps réel,
06:34
and she could share it with anybody she wanted to.
120
394126
2809
elle pourrait alors le partager avec qui elle voudrait.
06:36
Thank you.
121
396935
2923
Merci.
06:39
(Applause)
122
399858
4621
(Applaudissements)
06:45
So, so far, we have amassed 12 billion of these emotion data points.
123
405749
5270
Jusqu'à présent nous avons accumulé 12 milliards de ces données émotionnelles.
06:51
It's the largest emotion database in the world.
124
411019
2611
C'est la plus grande base de données de ce type au monde,
06:53
We've collected it from 2.9 million face videos,
125
413630
2963
construite à partir de 2,9 millions de vidéos de visages de personnes
06:56
people who have agreed to share their emotions with us,
126
416593
2600
qui acceptent de partager leurs émotions avec nous
06:59
and from 75 countries around the world.
127
419193
3205
et provenant de 75 pays différents.
07:02
It's growing every day.
128
422398
1715
Et ça continue tous les jours.
07:04
It blows my mind away
129
424603
2067
Ça me fascine totalement que l'on puisse
07:06
that we can now quantify something as personal as our emotions,
130
426670
3195
à présent quantifier quelque chose d'aussi personnel que nos émotions,
07:09
and we can do it at this scale.
131
429865
2235
et qu'on le fasse à cette échelle.
07:12
So what have we learned to date?
132
432100
2177
Qu'a-t-on appris de tout ça jusqu'à présent ?
07:15
Gender.
133
435057
2331
En ce qui concerne le genre :
07:17
Our data confirms something that you might suspect.
134
437388
3646
nos données confirment ce dont vous vous doutiez probablement,
les femmes sont plus expressives que les hommes.
07:21
Women are more expressive than men.
135
441034
1857
07:22
Not only do they smile more, their smiles last longer,
136
442891
2683
Non seulement elles sourient plus, mais aussi plus longtemps,
07:25
and we can now really quantify what it is that men and women
137
445574
2904
et on peut maintenant vraiment quantifier ce à quoi
07:28
respond to differently.
138
448478
2136
les hommes et les femmes réagissent différemment.
07:30
Let's do culture: So in the United States,
139
450614
2290
Pour l'influence culturelle : aux États-Unis
07:32
women are 40 percent more expressive than men,
140
452904
3204
si les femmes sont 40% plus expressives que les hommes, curieusement,
07:36
but curiously, we don't see any difference in the U.K. between men and women.
141
456108
3645
on ne voit aucune différence à ce niveau-là au Royaume Uni.
07:39
(Laughter)
142
459753
2506
(Rires)
07:43
Age: People who are 50 years and older
143
463296
4027
Pour l'âge : les personnes de 50 ans et plus
07:47
are 25 percent more emotive than younger people.
144
467323
3436
sont 25% plus émotives que les personnes plus jeunes.
07:51
Women in their 20s smile a lot more than men the same age,
145
471899
3852
Les femmes dans leur vingtaine sourient beaucoup plus que les hommes du même âge,
07:55
perhaps a necessity for dating.
146
475751
3839
peut-être par nécessité pour faire des rencontres.
07:59
But perhaps what surprised us the most about this data
147
479590
2617
Mais ce qui nous a surpris le plus dans toutes ces données,
08:02
is that we happen to be expressive all the time,
148
482207
3203
c'est que nous sommes en fait constamment expressifs,
08:05
even when we are sitting in front of our devices alone,
149
485410
2833
mais lorsque nous sommes assis tout seuls en face de nos écrans,
08:08
and it's not just when we're watching cat videos on Facebook.
150
488243
3274
et pas seulement à regarder des vidéos de chats sur Facebook.
08:12
We are expressive when we're emailing, texting, shopping online,
151
492217
3010
Nous sommes expressifs quand on écrit un mail, un texto,
08:15
or even doing our taxes.
152
495227
2300
quand on achète en ligne et même quand on paie nos impôts.
08:17
Where is this data used today?
153
497527
2392
Pour quoi utilise-t-on ces données aujourd'hui ?
08:19
In understanding how we engage with media,
154
499919
2763
Ça va de comprendre comment nous interagissons avec les médias,
08:22
so understanding virality and voting behavior;
155
502682
2484
les phénomènes viraux, les dynamiques de vote,
08:25
and also empowering or emotion-enabling technology,
156
505166
2740
à doter nos technologies de capacités émotionnelles,
08:27
and I want to share some examples that are especially close to my heart.
157
507906
4621
et j'aimerais partager avec vous quelques exemples qui me tiennent à cœur.
08:33
Emotion-enabled wearable glasses can help individuals
158
513197
3068
Des lunettes à lecture émotionnelle peuvent aider les malvoyants
08:36
who are visually impaired read the faces of others,
159
516265
3228
à décrypter les expressions sur le visage des autres,
08:39
and it can help individuals on the autism spectrum interpret emotion,
160
519493
4187
et peuvent aider les personnes atteintes d'autisme à interpréter les émotions,
08:43
something that they really struggle with.
161
523680
2778
ce qu'elles ont beaucoup de mal à faire.
08:47
In education, imagine if your learning apps
162
527918
2859
Pour l'éducation, imaginez que les applications d'apprentissage
08:50
sense that you're confused and slow down,
163
530777
2810
perçoivent votre confusion et ralentissent,
08:53
or that you're bored, so it's sped up,
164
533587
1857
qu'elles perçoivent votre ennui et accélèrent
08:55
just like a great teacher would in a classroom.
165
535444
2969
tout comme un bon enseignant le ferait dans la salle de classe.
08:59
What if your wristwatch tracked your mood,
166
539043
2601
Imaginez que votre montre puisse déceler votre humeur,
09:01
or your car sensed that you're tired,
167
541644
2693
ou que votre voiture puisse percevoir votre fatigue,
09:04
or perhaps your fridge knows that you're stressed,
168
544337
2548
ou peut-être que votre frigo puisse sentir que vous êtes stressé
09:06
so it auto-locks to prevent you from binge eating. (Laughter)
169
546885
6066
et se verrouiller pour empêcher toute frénésie alimentaire. (Rires)
J'apprécierais ça, oui.
09:12
I would like that, yeah.
170
552951
2717
09:15
What if, when I was in Cambridge,
171
555668
1927
Que se serait-il passé si à Cambridge
09:17
I had access to my real-time emotion stream,
172
557595
2313
j'avais eu accès à ces données émotionnelles
09:19
and I could share that with my family back home in a very natural way,
173
559908
3529
pour les partager tout naturellement avec ma famille à la maison
09:23
just like I would've if we were all in the same room together?
174
563437
3971
comme si nous avions tous été dans la même pièce ?
09:27
I think five years down the line,
175
567408
3142
Je pense que d'ici cinq ans,
09:30
all our devices are going to have an emotion chip,
176
570550
2337
tous nos appareils auront une puce émotionnelle,
09:32
and we won't remember what it was like when we couldn't just frown at our device
177
572887
4064
et on ne se souviendra même plus du temps où,
quand on fronçait les sourcils devant l'un d'eux,
09:36
and our device would say, "Hmm, you didn't like that, did you?"
178
576951
4249
il ne nous retournait pas un, « hmm, ça ne t'a pas plu, hein ? »
09:41
Our biggest challenge is that there are so many applications of this technology,
179
581200
3761
Notre plus grand défit est qu'il existe
tellement d'applications à cette technologie.
09:44
my team and I realize that we can't build them all ourselves,
180
584961
2903
Mon équipe et moi nous rendons bien compte que
nous ne pouvons pas tout faire nous-même
09:47
so we've made this technology available so that other developers
181
587864
3496
et avons donc rendu cette technologie publique
pour que d'autres puissent la développer et être créatifs.
09:51
can get building and get creative.
182
591360
2114
09:53
We recognize that there are potential risks
183
593474
4086
Nous sommes conscients des risques potentiels
09:57
and potential for abuse,
184
597560
2067
et des possibilités d'abus,
09:59
but personally, having spent many years doing this,
185
599627
2949
mais personnellement, après avoir passé des années à faire ça,
10:02
I believe that the benefits to humanity
186
602576
2972
je pense que les bénéfices que l'humanité peut recevoir
10:05
from having emotionally intelligent technology
187
605548
2275
d'une technologie émotionnellement intelligente
10:07
far outweigh the potential for misuse.
188
607823
3576
dépassent de loin les risques potentiels de mauvais usage.
10:11
And I invite you all to be part of the conversation.
189
611399
2531
Je vous invite tous à prendre part à la discussion.
10:13
The more people who know about this technology,
190
613930
2554
Plus de gens seront au courant de cette technologie,
10:16
the more we can all have a voice in how it's being used.
191
616484
3177
mieux on pourra en définir ensemble les termes d'usage.
10:21
So as more and more of our lives become digital,
192
621081
4574
Alors que de plus en plus de notre vie passe au digital, nous nous lançons
10:25
we are fighting a losing battle trying to curb our usage of devices
193
625655
3498
dans une lutte perdue d'avance pour restreindre notre usage d'appareils
10:29
in order to reclaim our emotions.
194
629153
2229
et reconquérir nos émotions. Ce que j'essaie
10:32
So what I'm trying to do instead is to bring emotions into our technology
195
632622
3914
de faire au contraire est d'amener nos émotions dans notre technologie
10:36
and make our technologies more responsive.
196
636536
2229
et la rendre ainsi plus réactive.
10:38
So I want those devices that have separated us
197
638765
2670
Je veux que ces appareils qui nous séparaient les uns des autres,
10:41
to bring us back together.
198
641435
2462
finalement nous rapprochent.
10:43
And by humanizing technology, we have this golden opportunity
199
643897
4588
En rendant notre technologie plus humaine, nous avons également l'opportunité
10:48
to reimagine how we connect with machines,
200
648485
3297
de revoir la façon dont nous interagissons avec les machines,
10:51
and therefore, how we, as human beings,
201
651782
4481
et par là-même la façon dont nous, humains,
10:56
connect with one another.
202
656263
1904
interagissons ensemble.
10:58
Thank you.
203
658167
2160
Merci.
(Applaudissements)
11:00
(Applause)
204
660327
3313
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7