Malgré tous les progrès de l’intelligence artificielle, la plupart des systèmes de sécurité vidéo ne parviennent toujours pas à reconnaître le contexte dans des conditions réelles. La majorité des caméras peuvent capturer des images en temps réel, mais ont du mal à les interpréter. Il s’agit d’un problème qui devient une préoccupation croissante pour les concepteurs, les fabricants et les écoles de villes intelligentes, chacun d’entre eux pouvant dépendre de l’IA pour assurer la sécurité des personnes et des biens.
Lumana, une société de vidéosurveillance IA, estime que les défauts de ces systèmes résident profondément dans les fondements de leur construction. « Les plateformes vidéo traditionnelles ont été créées il y a plusieurs décennies pour enregistrer des images, et non pour les interpréter », a déclaré Jordan Shou, vice-président du marketing de Lumana. « Ajouter l’IA à une infrastructure obsolète, c’est comme mettre une puce intelligente dans un téléphone à cadran. Cela peut fonctionner, mais il ne sera jamais vraiment intelligent ou suffisamment fiable pour comprendre ce qui est capturé ou aider les équipes à prendre des décisions plus intelligentes en temps réel. »
De grosses conséquences
Lorsque les systèmes de sécurité vidéo traditionnels superposent l’IA à une infrastructure plus ancienne, de fausses alertes et des problèmes de performances surviennent. Les alertes et les détections manquées ne sont pas seulement des problèmes techniques, mais aussi des risques pouvant avoir des conséquences dévastatrices. Shou souligne un cas récent où un système de surveillance scolaire, qui utilisait un module complémentaire d’IA pour la détection des armes à feu, a identifié par erreur un objet inoffensif pour une arme, déclenchant une réponse inutile de la police.
« Chaque erreur, qu’il s’agisse d’un événement manqué ou d’une fausse alerte, qui entraîne une réponse inappropriée, érode la confiance », a-t-il déclaré. « Cela fait perdre du temps, de l’argent et peut traumatiser des personnes qui n’ont rien fait de mal. »
Les erreurs peuvent également être coûteuses. Chaque fausse alerte oblige les équipes à interrompre leur travail réel et à enquêter, un processus qui peut drainer chaque année des millions de dollars des budgets de sécurité publique et de fonctionnement.
Construire une fondation plus intelligente
Au lieu de superposer l’IA aux anciens cadres de sécurité vidéo, Lumana a reconstruit l’infrastructure elle-même avec une plate-forme tout-en-un combinant du matériel de sécurité vidéo moderne, des logiciels et une IA propriétaire. La conception de cloud hybride de la société connecte n’importe quelle caméra de sécurité à des processeurs alimentés par GPU et à des modèles d’IA adaptatifs qui fonctionnent en périphérie, ce qui signifie qu’ils sont situés aussi près que possible de l’endroit où les images sont capturées.
Le résultat, selon Shou, est une performance plus rapide et une analyse plus précise. Chaque caméra devient un dispositif d’apprentissage continu qui s’améliore au fil du temps, comprenant les mouvements, les comportements et les modèles uniques à son environnement.
« Le problème est que la plupart des systèmes de vidéosurveillance actuels utilisent des modèles d’IA statiques et prêts à l’emploi qui ont été conçus uniquement pour fonctionner dans des environnements spécifiques. L’IA ne devrait pas avoir besoin d’un environnement de laboratoire parfait pour fonctionner », a expliqué Shou. « Il doit fonctionner dans des conditions réelles et s’adapter en fonction des données vidéo entrantes. C’est pourquoi, lorsque les clients comparent Lumana à leurs systèmes d’IA existants ou à d’autres, la différence et les écarts de performances sont immédiatement évidents. »
La conception de l’entreprise donne également la priorité à la confidentialité. Toutes les données sont cryptées, régies par des contrôles d’accès et conformes aux normes SOC 2, HIPAA et NDAA. Les clients peuvent désactiver le suivi facial ou biométrique s’ils le souhaitent. « Nous nous concentrons sur les actions, pas sur les identités », a déclaré Shou.
Cas d’utilisation réels
Les systèmes Lumana ont été déployés dans plusieurs industries. L’un de ses projets les plus visibles est celui avec JKK Pack, un fabricant d’emballages opérationnel 24 heures sur 24 qui utilise des caméras de sécurité pour surveiller la sécurité et l’efficacité opérationnelle de ses installations.
Avant le déploiement de Lumana, les caméras enregistraient uniquement les incidents pour un examen ultérieur, ce qui entraînait des événements manqués et une réponse réactive aux incidents. Après la mise à niveau, le même matériel pourrait détecter en temps réel les mouvements dangereux, les défauts d’équipement ou les goulots d’étranglement de fabrication. L’entreprise a signalé des enquêtes et des alertes 90 % plus rapides en moins d’une seconde, ce qui a considérablement amélioré la réponse aux incidents de sécurité, sans remplacer une seule caméra.
Dans un autre déploiement, un détaillant en alimentation a intégré l’IA de Lumana dans son réseau de caméras existant pour signaler les activités inhabituelles au point de vente, comme les vides répétés, et pour corréler ces événements avec des preuves visuelles. Le système a réduit la démarque inconnue et amélioré la responsabilité des employés en fournissant des exemples concrets de violations des politiques.
Au-delà de la fabrication, le système Lumana a été utilisé lors de grands événements publics, dans des restaurants et pour des opérations municipales. Dans les villes, il permet d’identifier les décharges sauvages et les incendies ; dans les chaînes de restauration rapide, il surveille la sécurité des cuisines et la manipulation des aliments.
Un effort plus large pour une sécurité vidéo IA fiable
Le travail de Lumana intervient à un moment où la précision et la responsabilité remplacent la vitesse comme priorités absolues de l’IA d’entreprise. Une étude récente de F5 a révélé que seulement 2 % des entreprises se considèrent pleinement prêtes à faire évoluer l’IA, la gouvernance et la sécurité des données étant citées comme les principaux défis.
Cette prudence se reflète sur le marché, les analystes avertissant qu’à mesure que l’IA prend davantage de décisions, les systèmes doivent rester « auditables, transparents et exempts de parti pris ».
L’architecture de Lumana fait écho à l’appel à la responsabilité, alliant performances et contrôle à la gouvernance des données et à la cybersécurité dans une solution facile à déployer qui améliore l’infrastructure de caméras de sécurité existante, aidant les organisations à extraire une valeur immédiate de la vidéo IA.
La prochaine étape de la vision industrielle
Shou a déclaré que la prochaine étape de développement de Lumana vise à passer de la détection et de la compréhension à la prévision.
« La prochaine évolution de la vidéo IA portera sur le raisonnement », a-t-il déclaré. « La capacité d’appréhender le contexte en temps réel et de fournir des informations exploitables et percutantes à partir des données vidéo collectées va changer notre façon de penser la sécurité, les opérations et la sensibilisation. »
Pour Lumana, l’objectif n’est pas seulement d’apprendre à l’IA à mieux voir, mais de l’aider à comprendre ce qu’elle voit et de permettre à ceux qui s’appuient sur ces données vidéo de prendre des décisions plus intelligentes et plus rapides.
Source de l’image : Unsplash
