DeepHawk : L’IA frugale au service du contrôle qualité industriel
- Sophia
- Modifié le
Partager la publication
Une pépite française de l'intelligence artificielle industrielle
Dans le paysage en constante évolution de l’intelligence artificielle appliquée à l’industrie, une start-up française se distingue par son approche innovante et son potentiel disruptif. DeepHawk, fondée à Rennes par Gilles Allain et Tomas Crivelli, deux experts du logiciel B2B et de la vision par ordinateur, réinvente le contrôle qualité visuel en s’appuyant sur une intelligence artificielle frugale et hautement performante. Contrairement aux solutions classiques de deep learning, qui nécessitent d’importantes ressources et un grand volume de données, DeepHawk propose une approche optimisée et écoresponsable.
La technologie frugale : faire plus avec moins
L’IA frugale repose sur une philosophie simple : maximiser l’efficacité avec un minimum de ressources. Ce concept, appliqué à l’intelligence artificielle, permet de réduire la consommation énergétique et la dépendance aux données massives. La technologie frugale suit trois principes fondamentaux :
- Optimisation des ressources : minimisation des besoins en calcul et en données d’entraînement.
- Réduction de l’empreinte environnementale : diminution de la consommation énergétique et des émissions de carbone.
- Simplicité et efficacité : conception de solutions adaptées aux besoins industriels sans complexité inutile.
DeepHawk incarne ces principes en offrant une technologie de vision par ordinateur capable d’identifier des défauts de fabrication avec une précision stupéfiante, tout en nécessitant très peu de données d’entraînement et de puissance de calcul.
Une IA optimisée pour le contrôle qualité
L’algorithme de DeepHawk est capable de détecter des anomalies jusqu’à la taille d’un seul pixel. Cette capacité est essentielle dans des secteurs comme l’automobile, l’aérospatial ou la fabrication de batteries, où la qualité est primordiale. Contrairement aux systèmes traditionnels de vision industrielle, qui exigent souvent plusieurs milliers d’images pour s’entraîner, DeepHawk fonctionne avec seulement 30 à 50 images de référence.
Cette frugalité permet une mise en production rapide et une adaptation immédiate à de nouvelles conceptions ou à des changements dans les processus de fabrication. En conséquence, DeepHawk offre une réduction des coûts d’implémentation et des temps d’arrêt.
Une vitesse de traitement inégalée
DeepHawk ne se contente pas d’être précis, il est aussi extrêmement rapide. Son système peut analyser jusqu’à 60 images par seconde, permettant ainsi un contrôle qualité en temps réel sur les lignes de production à haute cadence. Cette rapidité d’exécution offre aux industriels une solution adaptée à des chaînes de production modernes, où chaque seconde compte.
Un des atouts majeurs de DeepHawk est sa compatibilité avec divers formats d’imagerie, notamment :
- Imagerie visible
- Rayons X
- Infrarouge
Cette polyvalence permet une application dans de nombreux secteurs industriels, de l’électronique à l’agroalimentaire, en passant par l’industrie pharmaceutique.
Un impact environnemental réduit
Dans un contexte où les entreprises cherchent à réduire leur empreinte écologique, DeepHawk se positionne comme une alternative durable. Sa technologie consomme 375 fois moins d’énergie que les solutions traditionnelles de deep learning, réduisant ainsi de façon significative l’impact environnemental du contrôle qualité industriel.
Des applications industrielles multiples
DeepHawk a déjà attiré l’attention des grands industriels. Parmi ses clients figurent des entreprises de premier plan telles que Stellantis, acteur majeur du secteur automobile. Les domaines d’application sont variés :
- Industrie automobile : détection de micro-défauts sur des pièces mécaniques.
- Aérospatiale : contrôle des soudures et des composants critiques.
- Fabrication de batteries : analyse des électrodes pour prévenir les défauts.
- Electronique : inspection des circuits imprimés.
- Industrie pharmaceutique : vérification de l’intégrité des produits.