par Editeur Robotechnique | 16 Sep 2026 | IA
Sur une ligne de production, le capteur le plus répandu ne voit rien : il rend un bit. Une cellule photoélectrique dit présent ou absent, un détecteur inductif dit métal ou pas métal, un contact de fin de course dit fermé ou ouvert. Depuis une quinzaine d’années, une partie de ces fonctions migre vers des caméras, et le discours commercial résume volontiers l’affaire par « la caméra remplace le capteur ». C’est vrai sur le papier, et faux dans le détail : une caméra ne rend jamais un bit, mais une mesure bruitée dont un logiciel tire une décision. Tout le métier de la vision industrielle tient dans cet écart — et c’est là que se logent ses limites, y compris celles que l’apprentissage profond n’a pas levées.
Un capteur rend un bit, une caméra rend une statistique
La différence est d’abord physique. Le signal d’un pixel est un comptage de photoélectrons, et ce comptage fluctue : la loi qui le régit est poissonienne, ce qui signifie que la variance du bruit est égale au nombre moyen d’électrons accumulés. Le standard EMVA 1288 de l’European Machine Vision Association, qui sert de référence à toute l’industrie pour caractériser capteurs et caméras, en tire la conséquence directe : pour un capteur idéal, le rapport signal sur bruit vaut la racine carrée du nombre de photons reçus (texte du standard, release 3.0). Autrement dit : quadrupler l’éclairage ne fait que doubler la qualité du signal. Ce n’est pas un défaut d’ingénierie qu’un meilleur capteur corrigera, c’est de la physique quantique appliquée à un atelier.
Le même document définit les deux bornes qui décrivent réellement une caméra : le seuil absolu de sensibilité, c’est-à-dire le nombre moyen de photons nécessaire pour que le rapport signal sur bruit atteigne 1, et la plage dynamique, qui est simplement le rapport entre l’irradiation de saturation et ce seuil. Ce sont ces grandeurs-là — avec l’efficacité quantique, le bruit d’obscurité, les non-uniformités DSNU et PRNU — qui prédisent si une inspection tiendra, bien davantage que le nombre de mégapixels affiché sur la fiche produit. La release 4.0 du standard, publiée le 16 mars 2021, a étendu la méthode aux caméras non linéaires, à la bande spectrale de l’ultraviolet au SWIR et aux capteurs de polarisation ; le corpus est aujourd’hui porté à l’ISO sous la référence ISO 24942 (comité technique TC 42, groupe de travail 28).
Le pixel et le temps de pose décident avant l’algorithme
Deux règles de dimensionnement suffisent à écarter la moitié des projets mal partis. La première fixe la résolution utile : elle s’obtient en divisant la taille de l’objet par la taille du plus petit détail à inspecter, formule que Basler énonce telle quelle dans son guide de sélection. Un champ de 200 mm dans lequel on cherche un défaut de 0,2 mm réclame donc 1 000 pixels sur cette dimension — et c’est un plancher théorique : un défaut qui ne couvre qu’un pixel se confond avec le bruit, la pratique demande d’en couvrir plusieurs.
La seconde règle concerne le mouvement. La documentation Basler la formule sans détour : il faut choisir un temps de pose assez court pour que l’image de l’objet ne se déplace pas de plus d’un pixel pendant l’exposition. Sur un convoyeur à 1 m/s avec un pixel qui couvre 0,2 mm au sol, cela donne 200 µs. Et comme la même page le rappelle, on ne compense pas en montant le gain : le gain amplifie le signal et le bruit. Reste donc une seule variable d’ajustement — l’éclairage. C’est pourquoi, dans une cellule de vision, l’éclairage coûte souvent plus cher en études que la caméra, et pourquoi une installation qui fonctionne en février peut dériver en juillet quand le soleil entre par la verrière.
L’apprentissage profond a déplacé la spécification, pas la physique
L’argument le plus fort en faveur de la caméra reste celui-ci : certains défauts ne se spécifient pas. Une rayure, un coup, une pollution de surface ne s’écrivent pas sous forme de seuil géométrique, alors qu’un opérateur les reconnaît instantanément. C’est le terrain naturel des méthodes non supervisées, entraînées uniquement sur des pièces conformes — approche réaliste, puisqu’un procédé bien réglé produit justement très peu de rebuts à montrer à un modèle.
Le jeu de données de référence dans ce domaine, MVTec AD, présenté à CVPR 2019, donne la mesure du problème : 5 354 images haute résolution, 15 catégories (5 textures et 10 objets), 73 types de défauts, 1 888 régions annotées au pixel près, réparties en 3 629 images d’entraînement et 1 725 images de test. Les auteurs, qui évaluaient au passage les méthodes de l’état de l’art de l’époque, concluaient qu’il restait « une marge d’amélioration considérable ». Six ans plus tard, le constat reste prudent : une évaluation publiée le 24 septembre 2025 a confronté plusieurs modèles de fondation récents — ceux qui promettent de remplacer l’annotation par une simple description textuelle du défaut — à des images industrielles réelles. Résultat : tous échouent sur les données de terrain, alors que ces mêmes modèles se comportent bien sur les jeux de données publics. Une performance annoncée sur un benchmark ne dit donc rien de la tenue sur vos propres pièces, et le coût d’annotation reste la ligne budgétaire qu’aucun modèle générique n’efface. Nous l’avions déjà observé à propos des progrès de l’IA en reconnaissance d’images : les gains de laboratoire ne se transposent pas tels quels.
Sortir de l’îlot : parler automate
Une caméra qui décide seule ne sert à rien ; il faut que l’automate reçoive le verdict, change de recette quand la série change et sache dans quel état se trouve le système. C’est l’objet de la spécification OPC UA for Machine Vision (OPC 40100-1), écrite avec le VDMA, qui modélise un système de vision comme une machine à états et normalise la gestion des recettes, des configurations et des résultats — le contenu restant propre à chaque fournisseur. Sa définition est volontairement large : tout système capable d’acquérir et de traiter des images, de la caméra intelligente au poste multi-caméras, entre dans le cadre. Côté acquisition, c’est le standard GenICam qui fournit l’interface de programmation commune, par-dessus GigE Vision, USB3 Vision, CoaXPress ou Camera Link. Sans ces couches, un changement de fournisseur signifie réécrire l’intégration — un piège classique, voisin de celui que nous décrivions à propos des cobots dans les petits ateliers.
Là où la caméra ne remplace pas le capteur : la sécurité
Reste le domaine où la substitution atteint sa limite la plus nette. Les dispositifs de protection par vision existent et sont reconnus : l’INRS leur consacre un chapitre entier de son aide au choix d’un dispositif de protection sensible (brochure ED 6281). On y trouve deux familles — celles qui surveillent l’obstruction d’un motif de référence passif (VBPDPP) et celles qui exploitent la stéréovision (VBPDST) — et surtout leurs performances réelles. Les premières affichent des temps de réponse minimaux de l’ordre de 20 ms et une capacité de détection de 20 à 40 mm ; les secondes annoncent de 150 ms à environ 2 000 ms, une valeur qui peut varier d’un facteur 10 selon le temps de calcul alloué et le filtrage retenu. Le document précise aussi que l’éclairement minimal nécessaire va de 15 à 1 600 lux selon la configuration, qu’une poussière ou une fumée provoque des déclenchements intempestifs, et qu’un vêtement réfléchissant porté par l’opérateur est purement et simplement incompatible avec un dispositif à motif de référence.
Le classement normatif dit le reste. La norme NF EN 61496-1 définit trois types d’équipements de protection électrosensibles (2, 3 et 4), reliés aux niveaux de performance de l’ISO 13849-1. Dans l’inventaire de l’état de la technique dressé par l’INRS, les dispositifs à vision apparaissent jusqu’au type 3 / PL d / SIL 2 ; au niveau supérieur — type 4, PL e, SIL 3 — la seule technologie classiquement rencontrée reste la barrière immatérielle. Une caméra peut donc surveiller une zone, pas arbitrer n’importe quel risque.
Le contexte économique invite au même réalisme : le VDMA attend pour 2026 un chiffre d’affaires de 14,1 milliards d’euros pour la robotique et l’automation allemandes, en recul de 5 %. Dans un marché sous tension, les projets de vision qui aboutissent ne sont pas les plus ambitieux, mais ceux où quelqu’un a posé, avant d’acheter, les trois questions qui décident : combien de pixels sur le défaut, combien de microsecondes de pose, et que fait-on du verdict une fois qu’il est rendu.
par Editeur Robotechnique | 26 Août 2026 | IA
La question revient dans toutes les petites structures qui commencent à outiller leurs équipes avec de l’IA générative : faut-il appeler un modèle de langage par une API distante, ou l’héberger sur une machine à soi ? Le débat est le plus souvent posé en termes de convictions — souveraineté contre facilité. Il se tranche beaucoup mieux avec trois grandeurs mesurables : la quantité de mémoire disponible, la vitesse à laquelle cette mémoire est lue, et le volume de jetons consommés chaque mois. Le cadre juridique et les compétences d’exploitation viennent ensuite, et ils ne renversent la décision que dans des cas identifiables.
Ce que « faire tourner un modèle » veut dire, en gigaoctets
Un modèle de langage est d’abord un tableau de nombres. Dans sa précision native — le format bfloat16, soit 2 octets par paramètre — un modèle de 24 milliards de paramètres occupe environ 48 Go. Aucune carte graphique grand public ne dispose d’une telle quantité de mémoire vive, et c’est précisément le problème que résout la quantification : on réduit le nombre de bits utilisés pour coder chaque poids.
Le format de fichier le plus répandu pour cet usage est GGUF, conçu pour les moteurs d’inférence de la famille ggml. La documentation du format détaille les variantes : Q4_K aboutit à 4,5 bits par poids, Q5_K à 5,5 bits, Q6_K à 6,5625 bits. Le calcul se pose alors sans ambiguïté : 24 milliards de poids à 4,5 bits représentent environ 13,5 Go de fichier. À cela s’ajoute le cache des clés et valeurs d’attention, qui croît linéairement avec la longueur du contexte et peut peser plusieurs gigaoctets sur une fenêtre de 128 000 jetons.
Les ordres de grandeur annoncés par les éditeurs sont cohérents avec cette arithmétique. Mistral AI indique pour Mistral Small 3.1, publié sous licence Apache 2.0 avec une fenêtre de contexte allant jusqu’à 128 000 jetons, que le modèle « peut fonctionner sur un seul RTX 4090 ou un Mac doté de 32 Go de RAM ». C’est là le vrai seuil d’entrée du local : non pas la puissance de calcul, mais la capacité mémoire.
Le goulot d’étranglement est la bande passante, pas les téraflops
La génération de texte est autorégressive : le modèle produit un jeton, le réinjecte, et recommence. À chaque jeton, l’ensemble des poids actifs doit être relu depuis la mémoire de la carte. Le débit maximal d’un flux unique se calcule donc directement : bande passante mémoire divisée par la taille des poids lus. Avec 13,5 Go de poids et une carte de l’ordre du téraoctet par seconde, le plafond arithmétique se situe autour de quelques dizaines de jetons par seconde — et aucune optimisation logicielle ne le franchira.
Cette contrainte explique deux choses. D’abord le positionnement des cartes récentes : la GeForce RTX 5090 embarque 32 Go de GDDR7 sur un bus de 512 bits pour une consommation annoncée de 575 W — la capacité et la largeur du bus comptent davantage, pour cet usage, que le nombre d’unités de calcul. Ensuite l’avantage structurel du cloud : en traitant des dizaines de requêtes par lot (batching), un opérateur lit les poids une seule fois pour servir plusieurs utilisateurs. Le coût par jeton s’effondre mécaniquement, ce qu’une machine mono-utilisateur ne peut pas reproduire. Les architectures dites à « mélange d’experts » desserrent partiellement cet étau en n’activant qu’une fraction des paramètres à chaque jeton. Pour qui a déjà bataillé avec des arbitrages de capacité mémoire sur un poste de travail, la logique est familière : la quantité disponible détermine ce qu’on peut charger, sa vitesse détermine ce qu’on peut en faire.
L’énergie : ce que le régulateur a effectivement mesuré
Le débat « local plus vert que le cloud » manquait de données publiques. Il en existe désormais. L’Arcep a publié en mai 2026, avec le Pôle d’expertise de la régulation numérique (PEReN), un rapport intitulé « Intelligence artificielle générative : quels défis environnementaux ? ». Sa partie expérimentale est directement utile : 22 modèles à poids ouverts, de 3 à 123 milliards de paramètres, ont été mesurés en inférence sur le supercalculateur Jean Zay.
Trois résultats méritent d’être retenus. La quantification en 8 ou 4 bits produit un gain moyen de 39 % sur la consommation électrique. Les modèles à mélange d’experts consomment en moyenne 45 % de moins que les modèles denses de taille équivalente. Enfin, l’activation d’un mode « raisonnement » coûte cher : jusqu’à +92 % en moyenne sur les modèles testés, et jusqu’à +849 % sur une tâche de génération de code. Le rapport ajoute une conclusion contre-intuitive : les modèles les plus énergivores ne sont pas nécessairement les plus performants.
Sur l’impact unitaire, les chiffres compilés par l’Arcep vont de 0,24 Wh pour une requête textuelle médiane annoncée par Google à quelques wattheures selon les estimations académiques, avec un avertissement explicite sur l’absence de méthodologie harmonisée. Côté infrastructure, le rendement des centres de données français progresse lentement : indicateur PUE moyen de 1,42 en 2024 contre 1,46 en 2023, pour une consommation en hausse de 12 % sur l’année parmi les opérateurs suivis. La leçon pratique est claire : le levier de sobriété n’est pas l’endroit où tourne le modèle, mais le choix du modèle, son format et l’activation ou non du mode raisonnement. Une station locale à 575 W en charge continue consomme 0,575 kWh par heure de calcul, refroidissement du local non compris.
Le droit ne suit pas le câble
Envoyer des données à un service d’IA distant, c’est presque toujours une sous-traitance au sens du RGPD, avec ce qu’elle implique de contrat, de localisation d’hébergement et de durées de conservation. La CNIL a finalisé le 22 juillet 2025 trois recommandations portant notamment sur l’application du RGPD aux modèles entraînés sur des données personnelles, sur l’annotation et sur la sécurité du développement, et met à disposition une série de fiches pratiques IA qui traitent de la qualification juridique des fournisseurs.
S’y ajoute le calendrier européen. Le règlement sur l’intelligence artificielle est entré en vigueur le 1er août 2024 ; les obligations relatives aux modèles à usage général s’appliquent depuis le 2 août 2025, et l’application générale du texte est fixée au 2 août 2026, avec des échéances repoussées pour certains systèmes à haut risque. Enfin, l’ANSSI a publié le 29 avril 2024 des recommandations de sécurité pour un système d’IA générative couvrant l’ensemble du cycle, de l’entraînement à la mise en production.
Il faut en tirer la conséquence inconfortable : héberger en interne ne vaut pas conformité. Un serveur GPU posé sous un bureau, sans cloisonnement réseau, sans journalisation ni gestion des accès, expose davantage les données qu’un contrat de sous-traitance correctement rédigé. Le local déplace la responsabilité, il ne la supprime pas.
La grille de décision
Six critères suffisent en général à trancher :
- Volume mensuel de jetons — c’est la seule variable qui décide économiquement. En dessous de quelques millions de jetons par mois, l’amortissement d’une machine dédiée ne se justifie pas.
- Sensibilité des données — dossiers médicaux, données RH, secrets industriels : la question n’est plus le coût.
- Latence exigée — un traitement par lots nocturne tolère tout ; une saisie assistée en temps réel non.
- Disponibilité attendue — une machine unique n’offre aucune redondance, et son indisponibilité est totale pendant une panne matérielle.
- Compétence d’exploitation — pilotes, supervision thermique, sauvegardes, veille de sécurité : du temps humain récurrent.
- Durée de vie utile — les modèles ouverts se renouvellent bien plus vite que le matériel ne s’amortit.
Dans la pratique, la réponse la plus fréquente est hybride. Un petit modèle quantifié tournant en interne suffit largement aux tâches de classification, d’extraction de champs, de détection de doublons ou d’anonymisation — des travaux répétitifs, à fort volume et à faible exigence de créativité, dans la même veine que ce que la reconnaissance d’images a industrialisé avant lui. Les tâches ouvertes — rédaction longue, synthèse complexe, code — restent avantageusement servies par une API, éventuellement après un passage local qui retire les identifiants du texte envoyé.
Un conseil pour finir : commencer par instrumenter. Compter pendant un mois les jetons réellement consommés, par usage et par service, évite de dimensionner un serveur sur une intuition. C’est le chiffre qui décide, pas la conviction.
par RobotRedactor | 14 Déc 2023 | IA
L’ère numérique a vu naître des progrès fulgurants et fascinants dans divers domaines, dont celui de l’intelligence artificielle (IA). Comment cette IA révolutionne-t-elle notre façon de percevoir notre environnement grâce à la reconnaissance d’images et au croisement de diverses données informatiques ? Nous vous invitons à plonger au coeur de ce sujet passionnant. Ensemble, nous comprendrons les mécanismes qui sous-tendent cette technologie, sa progression époustouflante et son intégration grandissante. Enfin, nous évoquerons les perspectives d’avenir ainsi que les défis que devra relever l’intelligence artificielle pour continuer sur sa lancée.
L’intelligence artificielle (IA) est un domaine de l’informatique qui crée des machines capables de réaliser des tâches qui nécessiteraient normalement l’intelligence humaine. Elle englobe l’apprentissage automatique (machine learning), où les ordinateurs apprennent et adaptent leur comportement en analysant des données, et le traitement du langage naturel, permettant aux machines de comprendre et de répondre en langage humain.
Comprendre la reconnaissance d’images
Plongeons ensemble dans l’univers fascinant de la reconnaissance d’images par l’intelligence artificielle. Au cœur de ce processus, nous trouvons un réseau neuronal qui simule notre propre cerveau pour identifier et analyser des images.
Aidé par un algorithme précis, le réseau apprend à distinguer les différentes caractéristiques d’une image grâce à l’apprentissage automatique. Ce dernier utilise des données d’entraînement – une collection considérable d’images taguées – pour améliorer progressivement ses performances.
Laissez-vous porter par cette avancée technologique qui transforme notre monde en décryptant chaque pixel avec une précision inouïe !
Évolution technologique de l’IA
L’évolution de l’intelligence artificielle dans la reconnaissance d’images est sans conteste une avancée majeure. Cette progression, fruit de l’innovation constante des chercheurs, a permis à cette technologie de connaître des bonds spectaculaires en quelques années seulement.
Grâce au progrès technique et scientifique, nous assistons aujourd’hui à l’émergence d’une nouvelle forme d’intelligence artificielle : l’IA créative. Ce nouveau type d’intelligence est capable non seulement de reconnaître des images mais également de faire preuve de créativité pour générer du contenu visuel inédit et surprenant qui défie parfois même notre imagination humaine.
Futur et défis de l’intelligence artificielle
L’avancée fulgurante de l’intelligence artificielle dans la reconnaissance d’images nous propulse vers un futur prometteur. Toutefois, elle suscite également des défis cruciaux et stimulants.
Le défi majeur réside dans l’autonomie de ces systèmes. Nous aspirons à créer des entités capables d’une interprétation autonome des images, sans intervention humaine constante. L’éthique demeure cependant une préoccupation centrale : jusqu’où doit aller cette autonomie ? Quelles limites établir pour respecter les libertés individuelles ?
De plus, une interaction sophistiquée avec le monde réel est attendue. Cela signifie pouvoir comprendre et s’adapter aux changements dynamiques du contexte environnant en temps réel.
Voilà donc les passionnants défis que nous devrons surmonter pour naviguer vers le brillant avenir qui se profile à l’horizon !
