Étude de cas · Vision par ordinateur en edge

Des caméras qui comptent,
une vidéo qui ne sort jamais.

Une chaîne de magasins en Arabie saoudite avait déjà des caméras dans chaque point de vente, sans qu'aucune donnée d'exploitation n'en sorte jamais. J'ai piloté la partie IA et edge : ces caméras produisent désormais de la donnée d'exploitation en direct, calculée sur un boîtier posé dans le magasin. Aucune image brute ne franchit la porte.

Secteur
Exploitation de points de vente · Arabie saoudite
Mon rôle
Responsable IA · pipeline edge
Stack
NVIDIA Jetson · DeepStream · TensorRT
Statut
Pilote

01La contrainte qui a tout façonné

La PDPL saoudienne traite la vidéo de personnes identifiables comme une donnée personnelle, et flouter les visages ne vaut pas anonymisation : un flou est une transformation, pas une garantie, et l'original reste ce que vous avez transmis. Les images brutes ne pouvaient donc aller nulle part. Ni vers un GPU dans le cloud, ni vers un point d'entrée régional, ni dans un bucket pour plus tard.

Ce seul fait renverse la construction habituelle. Plutôt que d'amener la vidéo au calcul, on fait entrer le calcul dans le magasin : la seule chose autorisée à sortir, c'est la conclusion.

« Flouter un visage n'est pas de l'anonymisation. Une fois ce point acquis, la vidéo ne peut plus quitter le bâtiment, et toutes les autres décisions en découlent. »

02Ce que j'ai piloté

J'ai porté la partie IA et edge de bout en bout : choisir ce qui tourne sur l'appareil, le faire tourner dans le budget thermique et de débit d'un petit boîtier, et décider quels signaux étaient assez fiables pour être mis devant une équipe d'exploitation.

Deux décisions que je retiens. D'abord, la licence du modèle : j'ai basculé le détecteur sur un modèle sous licence permissive, parce que plusieurs choix évidents portent des clauses copyleft qui vous suivent jusque dans un produit commercial, et qu'un problème de licence découvert après déploiement ne se corrige pas d'un patch. Ensuite, un bug de mesure qui bloquait discrètement trois des fonctions analytiques : la logique de comptage avait l'air terminée et se trompait d'une façon qui ne se voit que sur de vraies images. Pour le débusquer, il a fallu lire le comportement plutôt que le code ; la correction a débloqué les trois d'un coup.

Volontairement peu disert sur l'architecture. C'est un produit commercial en activité : la conception reste chez l'entreprise.

03Où ça en est

Phase pilote, sur le matériel du client. Aucun chiffre de précision ni de débit sur cette page, et c'est volontaire : rien n'a encore été mesuré, et un nombre inventé pour un portfolio vaut moins que l'aveu qu'il n'existe pas.

0 image
De vidéo brute quittant le magasin. Seules les conclusions sortent, vers un cloud isolé par client
Caméras existantes
Aucune nouvelle caméra installée. Le matériel que la chaîne possède déjà devient le réseau de capteurs

Sur ce qu'un Jetson sait faire, et ne sait pas faire, une fois DeepStream et TensorRT dans l'équation : Ce qu'un boîtier à 250 $ sait vraiment faire.

Des caméras que vous n'avez pas le droit d'envoyer dans le cloud ? Parlons-en