Guide
Contrôle qualité par vision IA : ce qu'une PME doit savoir
Défauts d'aspect, composants absents : ce que la vision par IA contrôle bien, ce qu'elle demande, et les règles si la caméra filme vos salariés.
Mis à jour le
Un contrôle visuel par intelligence artificielle (IA) sait repérer, sur une image, ce qui s'écarte d'une pièce conforme : rayure, bavure d'injection, manque de matière, tache, composant absent, étiquette mal posée. Il fonctionne bien quand trois conditions sont réunies : un éclairage stable, des critères d'acceptation écrits, et des exemples de défauts en nombre suffisant. Il ne remplace pas votre métrologie, et il ne décide pas seul du sort d'un lot.
Ce que l'on appelle « vision par IA »
La vision industrielle existe depuis longtemps : une caméra, un éclairage, un logiciel qui mesure ou compare à des règles fixées par un technicien (un seuil de contraste, une position, une dimension). Ce qu'apporte l'IA, et plus précisément l'apprentissage automatique, c'est la capacité d'apprendre à partir d'images : on montre au système des pièces bonnes et des pièces défectueuses, et il apprend à les distinguer, y compris pour des défauts difficiles à décrire par une règle.
| Approche | Principe | Quand elle convient |
|---|---|---|
| Vision par règles | Mesures et comparaisons programmées | Dimension, position, présence, lecture de codes, pièces très répétables |
| Vision par apprentissage | Le système apprend sur des images annotées | Défauts d'aspect variables (textures, matières naturelles, plastiques, surfaces usinées) |
| Détection d'anomalies | Le système apprend seulement la pièce bonne et signale ce qui s'en écarte | Défauts rares ou imprévisibles, au prix de fausses alertes à régler |
Beaucoup de postes combinent les deux : des règles pour mesurer, l'apprentissage pour juger l'aspect.
Où cela sert dans une PME industrielle
- Plasturgie : bavures, retassures, manques, points noirs, déformations en sortie de presse.
- Mécanique et décolletage : présence d'un filetage, d'un chanfrein, d'une rayure sur une face fonctionnelle, tri de pièces mélangées.
- Agroalimentaire de transformation : aspect, couleur, présence d'un corps étranger visible, conformité de l'étiquette et de la date imprimée.
- Assemblage de biens d'équipement : présence et orientation des composants, connecteurs, vis, marquages.
L'Insee montre que l'usage de l'IA progresse vite dans l'industrie manufacturière : 17 % des entreprises de 10 salariés ou plus en 2025, contre 7 % en 2024. L'enquête ne détaille pas la part de la vision dans ces usages.
Ce que le projet vous demandera
- Un catalogue de défauts. Écrivez, avec photos, ce qui est acceptable et ce qui ne l'est pas, à partir de vos échantillons limites et des exigences du client. Sans ce document, le système apprend vos hésitations.
- Des images de défauts. Le plus difficile est souvent de réunir assez de pièces mauvaises de chaque type. Gardez les rebuts, photographiez-les au poste, dans l'éclairage réel.
- Un poste stable. Éclairage, distance, position de la pièce : chaque variation non prévue fait baisser la fiabilité. Une bonne partie du travail est mécanique et optique, pas logicielle.
- Un choix entre deux erreurs. Le système peut rejeter des pièces bonnes (fausses alertes, coût de retouche) ou laisser passer des pièces mauvaises (risque client). Décidez à l'avance laquelle vous tolérez le moins, et réglez en conséquence.
- Une validation documentée. Faites passer un lot connu, comparez avec le contrôle humain, conservez le résultat. Votre client ou votre auditeur vous le demandera.
- Un suivi dans le temps. Un changement de matière, de moule ou de fournisseur peut dérouter le modèle. Prévoyez qui revalide après chaque changement.
Quand la caméra filme aussi vos salariés
Une caméra posée au-dessus d'un poste de contrôle peut filmer les mains, le visage ou les gestes de l'opérateur. La CNIL (Commission nationale de l'informatique et des libertés) rappelle, dans sa fiche sur la vidéosurveillance au travail, que les caméras ne doivent pas placer les employés sous surveillance constante et permanente et ne doivent pas filmer les employés sur leur poste de travail, sauf circonstances particulières. Elle demande aussi une information visible des salariés et l'inscription du dispositif au registre des traitements.
Le Code du travail (article L2312-38) prévoit que le comité social et économique (CSE) est informé et consulté avant la décision de mettre en œuvre des moyens ou techniques permettant un contrôle de l'activité des salariés.
En pratique : cadrez sur la pièce, pas sur la personne ; ne conservez que les images utiles au contrôle ; dites clairement à quoi sert la caméra. Si le dispositif peut servir à mesurer la cadence d'un opérateur, traitez-le comme un sujet social, pas seulement technique.
Par où commencer
Prenez un seul défaut qui vous coûte cher (réclamations, tri chez le client) sur un seul poste. Réunissez le catalogue et les rebuts pendant quelques semaines avant de consulter un intégrateur. Vous saurez alors lui dire précisément ce qu'il doit détecter, à quelle cadence, et avec quelle tolérance d'erreur. Les limites générales sont rassemblées dans limites de l'IA dans l'industrie, et l'exploitation des non-conformités détectées dans 8D et AMDEC.
Questions fréquentes
Combien d'images faut-il pour entraîner un contrôle visuel par IA ?
Il n'y a pas de chiffre universel. Le point dur est rarement le nombre de bonnes pièces, mais celui des pièces défectueuses : il faut des exemples de chaque type de défaut, photographiés dans les conditions réelles du poste.
Une caméra de contrôle qualité qui filme aussi l'opérateur est-elle permise ?
La CNIL rappelle que les caméras ne doivent pas placer les employés sous surveillance constante et permanente, ni filmer leur poste de travail sauf circonstances particulières. Cadrez la caméra sur la pièce, informez les salariés et consultez le CSE avant la mise en place si le dispositif peut contrôler leur activité.
Sources
Pages consultées pour écrire cet article :