En avril 2021, je m’intéresse à une branche de l’IA qui sort enfin du laboratoire pour de vrai: la vision par ordinateur. Reconnaître un produit sur une photo, repérer un défaut sur une pièce, lire un compteur, compter des objets dans une scène. La machine se met à « regarder ». Comme Directeur technique chez HLC, je vois le potentiel: inspection visuelle, reconnaissance de pièces, contrôle qualité pour nos dealers. Mais je veux comprendre ce que ça veut dire, « regarder pour de vrai » — pis surtout, où ça accroche.

La promesse est séduisante. Une caméra plus un modèle, pis on automatise des tâches visuelles répétitives. Pour un commerce de pièces de vélo, repérer automatiquement un produit ou détecter un défaut, ça vaut de l’or en temps gagné.

Ce que la machine voit vraiment

flowchart TD
    A[Vision par ordinateur sort du labo] --> B[Cas concrets dealers]
    B --> C[Reconnaissance de pieces et produits]
    B --> D[Detection de defauts]
    B --> E[Comptage, lecture de compteurs]
    A --> F{Regarde-t-elle vraiment?}
    F --> G[Sensible aux conditions: lumiere, angle, flou]
    F --> H[Biais des donnees d'entrainement]
    F --> I[Faux positifs et faux negatifs]
    F --> J[Ne comprend pas le contexte]
    G --> K[Garder un humain dans la boucle]
    H --> K
    I --> K
    J --> K
    K --> L[Outil utile, pas oeil magique]

Le piège, c’est de croire que la machine voit comme nous. Elle ne voit pas: elle reconnaît des patterns dans des pixels. Change la lumière, l’angle, ajoute un reflet ou un flou, pis elle peut se tromper en titi. Elle a appris sur des données précises; sors-la de ce cadre pis elle déraille. Pis elle ne comprend pas le contexte: elle dit « ça ressemble à X », pas « c’est X dans cette situation ». C’est puissant, mais ce n’est pas un œil humain.

Garder l’humain dans la boucle

Comme pour le reste de l’IA, ma règle reste la même: la vision par ordinateur automatise, suggère, accélère — mais sur des cas critiques, un humain valide. Surtout au début, le temps de mesurer le taux de faux positifs pis de faux négatifs sur nos vrais cas, pas sur une démo bien éclairée.

Je commencerais petit: un cas précis, bien cadré, où l’erreur n’est pas catastrophique, pis je mesure honnêtement la performance avant d’élargir. La vision par ordinateur, bien dosée, libère du temps sur des tâches abrutissantes. Mais elle ne remplace pas le jugement.

Ce que je retiens

En avril 2021, la vision par ordinateur sort du laboratoire pour de vrai: reconnaissance de pièces, détection de défauts, des cas concrets pour nos dealers. La machine se met à « regarder ».

Ce que je retiens, comme Directeur technique, c’est qu’elle ne voit pas comme nous — elle reconnaît des patterns dans des pixels, sans comprendre le contexte. Sensible à la lumière, à l’angle, aux biais de ses données, elle se trompe hors de son cadre. La règle reste la même que pour le reste de l’IA: automatiser, suggérer, accélérer, mais garder un humain dans la boucle sur le critique. Un outil utile, pas un œil magique. Pis c’est en mesurant honnêtement sur nos vrais cas, pas sur une démo bien éclairée, qu’on sait vraiment ce que ça vaut.