Caméras augmentées et IA : de la sûreté vers la sécurité au travail

Les premiers algorithmes d’analyse d’images étaient basés sur la détection de pixels afin de déterminer des mouvements dans le champ de vision de la caméra. Avec le machine learning et le deep learning, la vidéosurveillance a franchi une nouvelle dimension : « la grande nouveauté, c’est la classification, explique Rémi Arnould, sales engineer chez Axis. On ne se base plus sur des mouvements, mais on apprend aux algorithmes à classifier des objets pour être en mesure de faire remonter à des opérateurs des informations fiables ».

Aujourd’hui, plutôt que d’analyser « ce qui bouge » dans l’image, on est en mesure de “reconnaître et distinguer” des classes d’objets : un humain, un véhicule. Qu’il soit en mouvement ou immobile. Cela décuple les scénarios de détection pour les opérateurs en même temps que les cas d’usage pour les exploitants de parcs de caméras.

En réduisant le taux de fausses alarmes et en améliorant l’analyse d’images, les nouveaux algorithmes font coup double : « cela permet d’avoir une solution qui vient aider réellement l’opérateur, souligne Rémi Arnould. L’objectif est de faciliter le travail de nos clients pour que les opérateurs vidéo puissent se concentrer sur les vraies informations en utilisant au maximum l’automatisation grâce à l’analyse d’images ». Plus fiable, la technologie est mieux acceptée par l’opérateur. Et la capacité démultipliée de traitement des données de l’algorithme en temps réel permet aussi à ce dernier de se concentrer sur l’essentiel, dans un contexte de multiplication des caméras et de pénurie d’agents. Aujourd’hui les principaux fabricants proposent des solutions sur « étagères », où la phase d’entraînement de l’algorithme est déjà routinisée et fiabilisée : Lapi (lecture automatisée de plaque d’immatriculation), comptage de personnes ou de véhicules, en plus de la traditionnelle détection d’intrusion.

À côté des caméras augmentées dédiées à la qualité dans les process industriels 4.0, ou au comptage et à la gestion des flux en contexte bâtimentaire et urbain, on assiste à de nouvelles solutions développées pour la sécurité au travail : « on peut faire de la détection du port d’EPI sur les entrées de sites industriels, note Rémi Arnould. On peut aussi gérer la coexistence des travailleurs dans certaines zones. La caméra va par exemple être capable de détecter la présence d’un individu dans une zone particulière pour pouvoir déclencher un événement automatiquement via un message audio ou un signal visuel. L’idée étant d’alerter du danger les personnes qui pénètrent dans cette zone ».

Si les algorithmes ont généralement besoin d’un système de vidéosurveillance à la pointe (résolution, couleur, focales, bande passante…) pour fonctionner parfaitement, donc de matériels plus chers, Rémi Arnould possède un argument imparable : « en mutualisant les besoins en sûreté et en sécurité, l’objectif est aussi de pouvoir réduire les budgets alloués aux différentes équipes chez nos clients ».

Article extrait du n° 608 de Face au Risque : « Vidéosurveillance algorithmique » (juillet-août 2025).