Ce que l'œil voit à la troisième heure n'est pas ce qu'il voyait à la première.
Détection, classification, comptage, contrôle qualité : un modèle entraîné sur vos images ne fatigue pas, applique le même critère à chaque pièce, et signale ce qui sort de la norme au moment où cela sort de la norme.
- Entraîné sur vos images
- Déployable hors ligne
- Seuil réglé avec vous
Le contrôle visuel est ce qui se dégrade en premier
Pas par manque de sérieux : parce que l'attention humaine sur une tâche répétitive n'est pas constante, et personne ne peut la rendre constante.
Le critère dérive
Deux opérateurs ne classent pas identiquement la même pièce limite, et le même opérateur ne la classe pas identiquement matin et fin de poste. La norme existe sur le papier, pas dans les faits.
Le contrôle est partiel
Contrôler cent pour cent du flux coûte trop cher, donc on échantillonne. Le défaut qui passe entre deux échantillons se découvre chez le client.
L'incident n'est pas documenté
Quand un problème remonte, il n'y a pas d'image, pas d'horodatage, pas de trace. L'analyse se fait de mémoire, et la cause reste incertaine.
De l'image à la décision
Le point difficile n'est pas de détecter : c'est de décider où placer le seuil, et de le tenir.
Constitution du jeu d'images
Nous partons de vos images réelles, dans vos conditions réelles d'éclairage, de cadrage et de salissure. Les cas limites comptent autant que les cas évidents : ce sont eux qui déterminent la qualité finale, et ils sont souvent absents des jeux fournis.
Annotation et définition du critère
Avec vos experts métier, nous fixons ce qui constitue un défaut, une classe, un objet à compter. Cette étape révèle presque toujours des désaccords internes sur des cas précis — les trancher est une partie du travail, pas un préalable.
Entraînement et validation
Le modèle est entraîné puis évalué sur des images qu'il n'a jamais vues. Les deux erreurs sont mesurées séparément : le défaut manqué et la fausse alerte, qui n'ont ni le même coût ni le même traitement.
Réglage du seuil
Vous décidez du compromis : rater moins de défauts au prix de plus de fausses alertes, ou l'inverse. Ce réglage est un choix métier chiffré, pas un paramètre technique laissé par défaut.
Déploiement et supervision
Le modèle tourne sur site, y compris sans connexion, sur un poste ou un boîtier proche de la caméra. Les cas incertains sont archivés avec leur image et servent à réentraîner : le système s'améliore avec le temps au lieu de dériver.
Ce que le système sait faire
Détection d'objets
Localiser et compter des éléments dans une image ou un flux vidéo, avec leur position et leur horodatage.
Classification
Trier des images en catégories définies avec vous : conforme, à reprendre, à rebuter, ou vos propres classes métier.
Contrôle qualité
Détecter rayures, manques, défauts de montage, écarts dimensionnels ou d'aspect sur une chaîne.
Lecture de codes et de plaques
Codes-barres, QR, numéros de série, plaques d'immatriculation, y compris dégradés ou partiellement masqués.
Comptage et flux
Compter des passages, des pièces, des véhicules ou des personnes, avec agrégation par période.
Analyse documentaire visuelle
Cas où l'image porte l'information : plans, schémas, photos de terrain, constats.
Trois environnements, trois contraintes
Le contrôle visuel en fin de ligne est fait par échantillonnage. Les retours client portent sur des défauts d'aspect que l'échantillon a manqués.
Caméra en ligne, modèle entraîné sur les défauts réellement observés, seuil réglé avec le responsable qualité, archivage de chaque cas incertain.
Le contrôle passe de l'échantillon au flux complet, avec un critère identique à toute heure et une image conservée pour chaque alerte.
Les numéros de série et codes sont saisis à la main à la réception, avec des erreurs qui se propagent dans le stock.
Lecture automatique à la réception, contrôle immédiat contre le bon de livraison attendu, alerte en cas d'écart.
La saisie disparaît et l'écart est détecté au quai, pas à l'inventaire.
Le comptage des passages et des présences se fait par estimation, ce qui ne permet aucun dimensionnement fin.
Comptage automatisé sur flux vidéo, agrégation par période, sans conservation d'image identifiante.
Des chiffres réels remplacent les estimations, avec un traitement conçu pour ne pas créer de données personnelles.
Ce que nous mesurons au pilote
Les deux erreurs sont mesurées séparément, sur vos images, dans vos conditions. Une précision globale annoncée sans distinguer les deux ne veut rien dire.
- du flux contrôlé au lieu d'un échantillon, sur le poste couvert
- 100 %
du flux contrôlé au lieu d'un échantillon, sur le poste couvert
- connexion internet requise : le modèle tourne sur site si vous le souhaitez
- 0
connexion internet requise : le modèle tourne sur site si vous le souhaitez
- entre le lancement du pilote et la décision d'industrialiser
- 6-10 semaines
entre le lancement du pilote et la décision d'industrialiser
Ces ordres de grandeur viennent de ce que nous mesurons au pilote sur des périmètres comparables. Sur votre corpus, ils sont mesurés avant industrialisation, pas promis avant.
Questions fréquentes
Cela dépend de la variabilité du défaut, pas d'un chiffre absolu. Quelques centaines d'exemples bien choisis, cas limites compris, valent mieux que dix mille images toutes identiques.
Non. Le modèle peut tourner entièrement sur site, sur un poste ou un boîtier proche de la caméra. C'est le cas standard en environnement industriel.
Rien, tant qu'on ne dit pas combien de défauts sont manqués et combien de fausses alertes sont générées. Nous donnons toujours les deux chiffres séparément.
Nous ne le faisons pas. Le comptage anonyme, sans conservation d'image identifiante, est possible ; l'identification de personnes ne l'est pas chez nous.
Il se dégrade si les conditions changent — nouvel éclairage, nouveau produit, nouvelle caméra. C'est pour cela que les cas incertains sont archivés : ils servent au réentraînement périodique.
Pas systématiquement. Nous partons de l'existant et nous mesurons ce qu'il permet. Quand une caméra ne suffit pas, nous le disons avant le pilote, pas après.
Ce que cette solution ne fait pas
La vision par ordinateur n'est pas magique : sur des défauts que vos propres experts ne classent pas de la même façon, aucun modèle ne fera mieux qu'eux. Nous refusons les projets où le critère de défaut ne peut pas être défini, et nous refusons d'annoncer un taux de précision sans préciser combien de défauts sont manqués et combien de fausses alertes sont générées. Nous ne déployons pas non plus de reconnaissance de personnes : ce n'est ni notre métier ni un terrain que nous voulons occuper.
Quel contrôle visuel vous échappe aujourd'hui ?
Venez avec des images réelles, cas limites compris. Nous vous dirons franchement si le critère est apprenable, ou s'il faut d'abord le définir.