/cas d’usage
Contrôle qualité visuel par l’IA
Des défauts situés et mesurés sur chaque image, selon les critères de vos équipes qualité.
Le contrôle qualité par IA photographie chaque pièce, produit ou lot, y repère rayures, taches, éléments manquants ou marquages illisibles, et mesure les écarts à vos tolérances. Un modèle de vision, entraîné sur des images que vos experts ont annotées, range l’objet parmi les conformes, les pièces à reprendre ou les rebuts. Nos ingénieurs le conçoivent et le maintiennent en production.
/usages
Des défauts, des absences et des écarts repérés sur l’image.
Dans le commerce, au 20 octobre 2026, Carrefour avait équipé de caméras 28 hypermarchés français ; l’IA y détecte ruptures, écarts de prix et erreurs d’implantation du rayon.
Vision par ordinateurInspection d’ouvragesCarrefour, ventes du troisième trimestre 2026 (communiqué) (nouvel onglet)
- Défauts de surface Signale rayures, taches ou fissures, les entoure sur l’image et en mesure la taille.
- Présence et position Vérifie qu’un composant, un bouchon ou une étiquette est présent, bien placé et dans le bon sens.
- Lots reçus ou expédiés Juge sur photo une palette, un colis ou un retour, et joint l’image à la réserve de livraison.
- Écart à la référence Compare la photo à l’objet attendu (gabarit, maquette numérique, plan de rayon) et liste ce qui manque.
/fonctionnement
Un contrôle qualité par IA en quatre temps, de l’image à l’arbitrage.
Vos images annotées entraînent un modèle d’apprentissage profond (Deep Learning). Selon le besoin, il classe l’image entière, encadre chaque défaut (détection d’objets) ou en trace le contour au pixel près (segmentation). L’étalonnage de la caméra convertit les pixels en millimètres ; une reconnaissance optique de caractères (OCR) contrôle les marquages.
Vos équipes fixent les tolérances et le seuil de confiance ; le modèle ne les modifie jamais.
- Prise de vueUne caméra fixe, sous un éclairage constant, photographie chaque objet ; l’image reçoit le numéro du lot.
- MesureLe modèle situe chaque défaut et chiffre sa confiance ; une règle fixe compare ensuite la taille du défaut à vos tolérances.
- AiguillageAu-dessus du seuil, la décision du modèle s’applique ; au-dessous, l’image part à l’écran d’un contrôleur.
- ApprentissageChaque arbitrage du contrôleur devient un exemple annoté pour la version suivante du modèle.
/prérequis
Des images, un poste stable et des tolérances écrites.
Un modèle de vision n’apprend que ce que ses images lui montrent. Entraîné à reconnaître des défauts connus, il ignore celui qui manque à son jeu d’images ; un reflet commun aux photos de pièces défectueuses devient, à tort, un signe de défaut.
Selon l’article 4 du règlement européen sur l’IA, toute organisation qui utilise l’IA prend des mesures pour favoriser sa maîtrise par son personnel. Nous apprenons à vos contrôleurs à lire un score et à corriger les décisions du modèle.
Règlement européen sur l’IA, article 4 (nouvel onglet)IA hébergée chez vousConseil
- Des images annotées par vos experts, défaut par défaut, les plus rares compris
- Un poste de prise de vue constant grâce à un éclairage, une distance et un angle fixés
- Des tolérances écrites en cotes, en surfaces ou en nombre de défauts admis
- Une puissance de calcul adaptée au poste, sur vos serveurs ou dans un hébergement en France
Carrefour vise 20 % de ruptures en moins en France par détection automatique.
/sur le terrain
Un gain mesuré avant d’équiper le premier poste.
Un contrôle visuel automatisé peut coûter largement plus que le temps d’inspection qu’il fait gagner. Ce temps se mesure donc au poste, avant tout développement.
En service, l’opérateur reçoit le verdict dès la prise de vue et contrôle lui-même son travail ; le système peut aussi proposer la correction.
- Objet jamais vu Déclenche de fausses alertes quand le décor varie ; un premier périmètre homogène les contient.
- Contrôle constant Applique les mêmes tolérances du premier au dernier objet de la journée et garde l’image de chaque décision.
- Tâche répétitive Quitte le poste du contrôleur, qui ne tranche plus que les images douteuses.
/cadre
Une caméra tournée vers le produit, des données réservées à la qualité.
Règlement européen sur l’IA, article 6 (nouvel onglet)Règlement européen sur l’IA, annexe III (nouvel onglet)La vidéosurveillance au travail (CNIL) (nouvel onglet)Contrôle de l’activité des personnes employées (CNIL) (nouvel onglet)Code du travail, article L1222-4 (Légifrance) (nouvel onglet)Veille réglementaire
- Règlement européen sur l’IA, article 6 Exclut des composants de sécurité, depuis le 27 juillet 2026, le système d’IA réservé au contrôle qualité dont la défaillance ne menace ni la santé ni la sécurité. Il échappe alors, en principe, au haut risque de l’annexe I.
- Annexe III, point 4 b) Classe à haut risque les systèmes d’IA qui suivent et évaluent les performances et le comportement des salariés, avec des règles applicables au 2 décembre 2027. Les arbitrages de vos contrôleurs servent à régler et à entraîner le modèle, jamais à les évaluer.
- CNIL, vidéosurveillance au travail Proscrit, sauf circonstances particulières, les caméras qui filment les employés à leur poste : l’objectif se cadre donc sur le produit seul.
- Code du travail Interdit toute collecte d’information sur un salarié par un dispositif qu’il ignore (article L1222-4). Impose de consulter le CSE des entreprises privées de 50 salariés et plus avant tout moyen de contrôle de l’activité (article L2312-38).
/méthode
Un contrôle qualité par IA mis au point sur un produit pilote.
Un projet complet livre le poste de prise de vue, le modèle, l’écran de revue et la liaison avec l’automate ou vos logiciels de production et de gestion (MES, ERP).
- INVENTAIRE DES DÉFAUTS Un échantillon de rebuts se trie avec vos experts : chaque défaut y reçoit un nom, une photo de référence et une tolérance chiffrée.
- BANC DE PRISE DE VUE Caméra, optique et éclairage se règlent d’abord, puis le jeu d’images se constitue et s’annote.
- DOUBLE CONTRÔLE Objet par objet, le verdict du modèle se confronte à celui de vos contrôleurs ; l’examen de leurs désaccords fixe le seuil de confiance et décide de la généralisation.
- SUIVI EN SERVICE La part d’images que le modèle renvoie à vos contrôleurs se relève en continu ; sa hausse signale une dérive, que corrige un nouvel entraînement sur les images récentes.
/dans votre secteur
Le même cas d’usage, décliné secteur par secteur.
-
Analyse les images prises dans la benne des camions de collecte pour mesurer la qualité du tri et les erreurs les plus fréquentes, afin de cibler la sensibilisation des habitants.
-
Détecte sur la ligne, à la caméra, les pièces rayées, mal gravées ou hors cote avant l’emballage, et vérifie que le marquage du produit correspond à l’étiquette.
-
Compare les photos ou les vues à 360° du chantier à la maquette BIM, repère les ouvrages manquants ou mal posés et les défauts de finition, et prépare la liste des réserves avant la réception.
-
Inspecte les photos du rayon ou des produits reçus et retournés, signale la rupture, l’étiquette de prix erronée, l’écart au planogramme ou l’article abîmé, pour corriger avant que le client le voie.
-
Examine les photos prises au quai ou à la livraison, repère palettes écrasées, films déchirés et étiquettes illisibles, et joint la preuve au dossier avant que les réserves ne soient closes.
-
Repère sur les images des caméras d’un pulvérisateur les adventices à traiter, et contrôle à la réception l’aspect des grains, des fruits ou des légumes.
/à savoir
Les questions courantes sur l’inspection visuelle par IA.
Détection d’anomaliescontactez-nous
Quelle différence entre vision industrielle classique et vision par IA ?
La vision industrielle classique applique des règles programmées : seuils, contours, mesures entre deux bords. Elle suffit pour mesurer la cote d’une pièce rigide, toujours présentée à l’identique. L’apprentissage profond apprend sur des exemples annotés et tolère la variabilité d’un défaut d’aspect.
Comment détecter des défauts rares avec l’IA ?
Le modèle apprend d’abord à quoi ressemble un produit conforme : c’est la détection d’anomalies. Tout écart notable part en revue, même sans exemple annoté du défaut. Les anomalies confirmées par vos contrôleurs entraînent ensuite un modèle qui les nomme.
Combien coûte un projet de contrôle qualité par IA ?
Le budget tient au poste de prise de vue, au calcul et à l’intégration. Chaque défaut et chaque référence de produit à couvrir demandent leurs propres images annotées et leurs propres essais. L’exploitation s’y ajoute : calcul, suivi et réentraînement du modèle.
Peut-on ajouter de l’IA à une caméra de contrôle déjà installée ?
Souvent, oui. Le modèle relit les seules images que la caméra a signalées et confirme ou lève chaque alerte, sans modifier le poste. Si le logiciel de traitement d’images est fermé, récupérer images et résultats coûte cher : nous l’examinons dès le cadrage.
/sources
Sources
- Carrefour, communiqué « Q3 2026 sales » (20 octobre 2026), 2026 (nouvel onglet)
- Carrefour, communiqué « Plan stratégique Carrefour 2030 » (18 février 2026), 2026 (nouvel onglet)
- Commission européenne, AI Act Service Desk, article 4, version consolidée au 27 juillet 2026, 2026 (nouvel onglet)
- Commission européenne, AI Act Service Desk, article 6 (version consolidée en français), 2026 (nouvel onglet)
- Commission européenne, Shaping Europe’s digital future, « AI Omnibus enters into force », 2026 (nouvel onglet)
- Commission européenne, AI Act Service Desk, annexe III (version consolidée en français), 2026 (nouvel onglet)
- CNIL, « La vidéosurveillance – vidéoprotection au travail », 2018 (nouvel onglet)
- Légifrance, code du travail, articles L1222-4 et L2312-38, 2008 et 2018 (nouvel onglet)
- CNIL, « Contrôle de l’activité des personnes employées » (9 juillet 2026), 2026 (nouvel onglet)
/cas proches
- Lecture de documents numérisés Reconnaît le texte des courriers, formulaires et pièces numérisés, même manuscrits, pour les rendre exploitables (OCR).
- Extraction d’informations Lit factures, contrats et formulaires, en extrait les champs utiles et les transmet à vos logiciels.
- Inspection d’ouvrages Analyse les photos de terrain ou de drone pour repérer fissures, corrosion et défauts d’entretien.
- Comptage sur images Compte objets, véhicules ou passages sur images et vidéos, sans identifier personne.
/contact
Travaillons ensemble
Découvrez comment Inceptive peut vous aider à transformer votre activité et à résoudre des problématiques opérationnelles complexes grâce à l’intelligence artificielle.