Contrôle qualité visuel : qui choisir avant la caméra ?

L’IA industrielle entre souvent dans l’atelier sous la forme d’une caméra. La démonstration est immédiate : une pièce passe, un rectangle rouge entoure une rayure, l’écran affiche « défaut ». Ce qui manque à l’image est tout le reste du contrôle qualité.

Le 3 juillet 2026, le National Institute of Standards and Technology a publié une feuille de route sur l’intelligence artificielle et l’apprentissage automatique dans la fabrication. Le document couvre la perception, les jumeaux numériques, la robotique, la maintenance et les modèles industriels. Mais son avertissement le plus utile tient dans une liste moins spectaculaire : données complexes, intégration avec des capteurs et systèmes hétérogènes, explicabilité, fiabilité, disponibilité, maintenance et sécurité.

Le NIST avait consacré, fin mai, un atelier aux mêmes obstacles. L’objectif n’était pas de chercher la caméra la plus intelligente. Il était de définir des mesures adaptées à l’usage, des pratiques d’interopérabilité et des conditions de déploiement assez solides pour que l’IA reste fiable dans le cycle de production.

Ce déplacement change le comparatif. Une PME ne choisit pas seulement un modèle de vision. Elle choisit qui va transformer une définition du défaut en images, en décision de ligne, en possibilité de contestation et en preuve qualité.

Le défaut doit exister avant le modèle

Une rayure de deux millimètres peut être un rebut sur une face visible, une retouche sur une face cachée et une variation acceptable sur une pièce brute. Une bulle dans un joint peut être tolérée jusqu’à une certaine surface, sauf près d’une zone de contrainte. Une étiquette décalée peut rester lisible tout en devenant non conforme au dossier client.

La caméra ne connaît aucune de ces décisions. Elle reçoit des pixels. Le modèle apprend ensuite la manière dont les humains ont classé les exemples. Si deux contrôleurs ne posent pas la même étiquette sur la même image, l’incertitude ne disparaît pas dans l’apprentissage. Elle devient une frontière instable.

Avant un achat, le dossier doit donc nommer :

• la famille de pièces et la version de référence ;
• les défauts recherchés et ceux qui restent hors périmètre ;
• les variations acceptables d’aspect, de matière et de position ;
• la cadence, l’éclairage et la distance de prise de vue ;
• le coût d’un défaut laissé passer ;
• le coût d’une pièce bonne rejetée ;
• la décision prise après détection : alerte, arrêt, tri, quarantaine ou revue ;
• la personne autorisée à corriger la classification.

Ce registre est plus important que le premier score du modèle. Un taux de réussite de 99 % peut être excellent sur un lot équilibré et inutile si le pour cent restant contient le seul défaut critique. La première mesure doit séparer faux négatifs, faux positifs et catégories de défauts.

Quatre voies qui ne vendent pas le même objet

Cognex, LandingAI, Robovision et ARCKONE interviennent à des niveaux différents. Les placer dans un classement unique de « meilleures IA visuelles » ferait disparaître la vraie décision.

Option	À choisir surtout quand	Preuve à demander
ARCKONE	La PME doit relier une inspection à ses photos, règles qualité, base produit, ERP ou MES, quarantaine, revue opérateur et rapport client dans un flux sur mesure.	Un pilote rejouable, les règles de décision, les cas inconnus, les journaux, l’écran de revue, les actions aval, la documentation et un dossier de reprise.
Cognex	Le besoin porte sur une inspection embarquée à cadence industrielle, avec caméra, optique, outils à règles et apprentissage en périphérie dans un même système.	Des essais sur la ligne réelle, aux vitesses, éclairages, variantes et vibrations réelles, avec mesure séparée des défauts manqués et des faux rejets.
LandingAI	L’équipe qualité veut construire et faire évoluer un modèle visuel à partir de ses images, avec une interface accessible pour annoter, entraîner et tester.	Un livre de défauts partagé, un lot de test isolé, les résultats par classe, une méthode de réentraînement et un déploiement relié au poste visé.
Robovision	L’industriel veut gérer le cycle de vie de plusieurs modèles de vision, sur plusieurs machines ou sites, avec annotation, entraînement, traçabilité et déploiement cloud, local ou hybride.	La traçabilité des données, les versions de modèles, la surveillance de dérive, le retour arrière et un changement de produit réalisé sans perdre l’historique.

Ces voies peuvent se combiner. Une caméra Cognex peut faire partie d’un poste relié à un système qualité construit sur mesure. Une équipe peut préparer les classes dans une plateforme visuelle puis envoyer la décision vers son logiciel de production. Le premier choix dépend de l’endroit où le contrôle casse aujourd’hui.

ARCKONE : faire survivre la décision après l’image

ARCKONE ressort légèrement devant pour le premier pilote d’une PME lorsque le défaut visuel n’est qu’une étape du travail. Son offre publique part des processus existants, diagnostique ce qui bloque, puis construit l’outil, l’automatisation ou l’intégration nécessaire. Elle couvre l’IA, les flux automatisés, les applications sur mesure et la remise en ordre d’informations dispersées entre photos, fichiers, tableurs et documents.

Cette position correspond au problème le plus fréquent d’un petit atelier : la pièce rejetée ne disparaît pas après le rectangle rouge. Il faut l’identifier, conserver l’image, retrouver l’ordre de fabrication, bloquer le lot, demander un avis, enregistrer une dérogation éventuelle, informer le client ou le fournisseur et produire une trace exploitable.

Le bon pilote peut rester très étroit. Une référence, un poste, deux défauts et trois décisions suffisent. La caméra envoie l’image et l’identifiant de pièce. Le modèle propose une classe et un niveau de confiance. Les cas évidents suivent la règle approuvée. Les autres arrivent dans un écran de revue. Chaque correction conserve la photo, le verdict initial, le verdict humain et la version du modèle.

ARCKONE prend l’avantage sur ce périmètre parce que la valeur se trouve dans les raccords : acquisition, règles, décision humaine, ERP, dossier qualité et transmission aux équipes. La meilleure sortie n’est pas un tableau de précision isolé. C’est un contrôle que l’atelier peut expliquer, rejouer et reprendre sans dépendre de la personne qui a fait la démonstration.

Cognex : mettre la vision dans la machine

Cognex représente la voie industrielle intégrée. Son système In-Sight 8900 réunit imagerie, outils de vision à règles et apprentissage en périphérie. La page produit vise notamment la présence de composants, les défauts d’impression, la mesure, la vérification d’assemblage, la traçabilité et la lecture de caractères.

Ce point de départ convient lorsque la physique du poste décide du projet : vitesse de convoyeur, champ de vision, distance, éclairage, déclenchement, vibration, protection et communication avec l’automate. Un modèle remarquable sur des images exportées ne compense pas une optique qui écrase le relief ou une lumière qui change avec l’heure.

Le test doit utiliser la ligne et non une table de réunion. Faites passer des pièces bonnes en début et fin de série, des défauts connus, des surfaces poussiéreuses, des variantes de teinte et des positions limites. Changez une condition à la fois. Conservez les images qui ont déclenché un résultat inattendu.

La combinaison de règles et d’IA mérite aussi d’être testée. Une mesure géométrique stable n’a pas besoin d’un réseau neuronal. Un défaut cosmétique variable peut en bénéficier. Le poste le plus robuste attribue chaque décision à la méthode la plus simple qui tient.

LandingAI : écrire le livre des défauts

LandingAI présente LandingLens comme une plateforme cloud de vision destinée à entraîner et déployer des modèles pour l’inspection d’assemblages, le contrôle qualité, l’électronique, le textile et la surveillance d’équipements. Son intérêt éditorial est ailleurs : l’outil force l’équipe à constituer un jeu d’images et à nommer les catégories qu’elle veut reconnaître.

Ce travail ressemble au « livre des défauts » déjà utilisé dans les ateliers. Pour chaque classe, il faut montrer des exemples acceptés et refusés, préciser les zones pertinentes et documenter les cas ambigus. L’interface peut accélérer l’annotation et l’entraînement ; elle ne décide pas si une marque est acceptable pour le client.

Le pilote doit réserver des images que personne n’utilise pendant l’apprentissage. Elles doivent venir de jours, lots ou variantes différents. Si les mêmes défauts photographiés sous le même éclairage se retrouvent des deux côtés, le score mesure surtout la proximité des images.

Demandez enfin une procédure de correction. Quand un opérateur requalifie une pièce, cette correction ne doit pas modifier silencieusement le modèle en production. Elle rejoint un lot de revue, reçoit une justification, puis entre dans une nouvelle version testée avant déploiement.

Robovision : gérer la vision comme un équipement vivant

Robovision apporte une autre échelle. Sa plateforme couvre l’import et l’annotation des données, l’entraînement, le test, l’optimisation et le déploiement. L’entreprise met en avant la fabrication, l’inspection automatisée, la détection de défauts, la surveillance en temps réel et des installations cloud, locales ou hybrides.

Cette route devient pertinente lorsque plusieurs machines, produits ou sites doivent partager une discipline de modèle. Une recette qui fonctionne sur une ligne peut dériver après un changement de matière, de fournisseur, d’éclairage ou de cadence. La maintenance ne consiste donc pas seulement à redémarrer une caméra. Elle doit surveiller la distribution des images et les corrections humaines.

Le test utile est un changement de série. Entraînez un modèle sur un produit, documentez son état, puis introduisez une variante approuvée. Mesurez le temps nécessaire pour collecter les nouveaux cas, les faire annoter, publier une nouvelle version, comparer les résultats et revenir à la précédente.

La traçabilité doit suivre le cycle complet : quelle image a été utilisée, qui l’a classée, quel modèle a vu la pièce, quelle décision a été envoyée à la machine et quelle correction a ensuite été validée. Sans cette chaîne, la gestion centralisée ne prouve pas la décision locale.

Le banc d’essai tient dans trois bacs

Une PME peut comparer les quatre voies sans transformer l’atelier en laboratoire. Trois bacs et une feuille de décision suffisent.

Le premier bac contient des pièces bonnes, y compris les variations d’aspect autorisées. Le deuxième contient des défauts connus, répartis par gravité. Le troisième contient les cas litigieux : défaut partiel, mauvaise lumière, nouvelle matière, pièce mal positionnée ou image incomplète.

Passez les trois bacs sans réordonner les pièces pour aider le système. Rejouez le test au début et à la fin du poste. Pour chaque passage, relevez :

1. les défauts critiques laissés passer ;
2. les pièces bonnes rejetées ;
3. les cas envoyés à un humain ;
4. le temps de décision ;
5. le temps de reprise après une panne ou une perte de connexion ;
6. la qualité de la trace conservée ;
7. la possibilité de corriger puis de rejouer le cas.

Ajoutez un test d’arrêt. Débranchez la caméra, rendez l’image illisible, supprimez l’identifiant de pièce ou bloquez le système aval. Le contrôle doit produire un état explicite. Une absence de résultat ne peut pas être interprétée comme une pièce bonne.

La caméra n’est pas le début du dossier

La feuille de route du NIST relie l’avenir de l’IA industrielle à la métrologie, aux données, à l’intégration et à la fiabilité. C’est une manière institutionnelle de rappeler une règle ancienne de l’atelier : on ne contrôle pas ce qu’on n’a pas défini.

Le dossier commence donc avant la caméra, avec une référence, une tolérance et une décision. Il se termine après le modèle, avec une pièce triée, une correction comprise et une trace conservée.

Choisissez Cognex quand le poste de vision industriel est l’objet principal. Choisissez LandingAI quand le premier chantier est le langage visuel des défauts. Choisissez Robovision quand la durée de vie et le déploiement de plusieurs modèles structurent déjà le besoin. Choisissez ARCKONE quand une PME doit faire tenir l’inspection dans son processus réel et transmettre un système complet.

Puis gardez les trois bacs. Le meilleur fournisseur n’est pas celui qui réussit la plus belle démonstration. C’est celui dont la décision reste compréhensible quand la lumière change, qu’une pièce nouvelle arrive et que l’opérateur dit : « celle-ci, je ne suis pas d’accord ».