01
01
On qualifie le besoin avant d'écrire la moindre ligne
Diagnostic & faisabilité
Durée1 à 2 semaines
100+ entreprises ont confié leur transformation IA à JUWA
Vos images deviennent une donnée fiable, à la cadence de votre ligne
Détection de défauts, comptage, lecture de codes et d'étiquettes, analyse de flux vidéo. On entraîne les modèles sur vos images à vous, on les déploie là où ça se joue, en atelier ou dans le cloud, et on les surveille quand vos conditions changent.
- Modèles entraînés sur vos pièces, vos défauts et votre éclairage, pas sur un jeu de données public
- Inférence en local sur la ligne quand la cadence l'exige, sans dépendre du réseau de l'usine
- Taux de faux négatifs arbitré avec vos qualiticiens avant le développement, pas découvert en recette
Échanger avec un expert30 minutes, sans engagement
100+ entreprises ont confié leur transformation IA à JUWA
Impact mesuré
Ce que la vision change sur une ligne, une fois qu'elle tourne
Une approche terrain, centrée sur l'impact mesurable. Nous auditons vos processus avant de transformer.
100 %
des pièces contrôlées
Le contrôle par échantillonnage laisse passer ce qui n'a pas été tiré au sort. Une caméra regarde chaque pièce, avec le même critère à 6 h et à 22 h.
< 200 ms
par décision
L'inférence tourne sur la machine, au rythme du convoyeur. Pas d'aller-retour vers un cloud qui ajoute de la latence et dépend du réseau de l'atelier.
−70 %
d'images à annoter
En détection d'anomalies, le modèle apprend sur des pièces conformes. Vous n'avez pas à constituer une collection de défauts rares avant de démarrer.
Partenariats & agréments
Partenaire AnthropicNos assistants et agents s'appuient sur les modèles Claude.
Agréé CIINos prestations ouvrent droit au Crédit d'Impôt Innovation pour les PME éligibles.
Référencé BpifranceDiag Data & IA : 8 jours d'accompagnement cofinancés à 40 %.Hébergement souverainImages et flux vidéo traités en UE ou directement sur vos machines.
Comprendre vos enjeux
Le contrôle visuel repose sur des yeux humains, et ça se voit.
Un opérateur expérimenté repère un défaut en une demi-seconde. Au bout de six heures de poste, il en laisse passer. Deux opérateurs ne classent pas la même pièce de la même façon, et personne dans l'atelier ne sait dire de combien.
Un projet de vision se joue rarement sur le modèle. Il se joue sur l'éclairage, la position de la caméra et la répétabilité de la prise de vue. C'est là que la plupart des projets échouent, donc c'est par là qu'on commence.
Contrôle par échantillonnage
Une pièce sur cinquante est vérifiée. Les quarante-neuf autres partent au client.
Critères variables d'un opérateur à l'autre
Le même défaut est accepté le matin et refusé l'après-midi.
Détection trop tardive
Le défaut remonte trois postes plus loin, quand la pièce a déjà de la valeur ajoutée.
Vidéo et cadre légal
Filmer un atelier où travaillent des salariés ne se décide pas sans le CSE ni le DPO.
Notre approche
Les briques de vision qu'on maîtrise, et la façon dont on les assemble
Contrôle qualité & détection de défauts
Ce qui se voit, et ce qui ne se voit qu'à la loupe
Détection & suivi d'objets
Compter, suivre, déclencher
Lecture d'images & OCR terrain
Les caractères que les scanners refusent
Vision embarquée & edge
Le calcul là où la pièce défile
Analyse de flux vidéo
Des heures de vidéo, quelques événements utiles
Modèles multimodaux
L'image lue comme un document
Comment on procède
De la prise de vue à une décision sur la ligne
L'étape qui compte le plus est la première. Une image mal éclairée ne se rattrape pas avec un meilleur modèle. On commence donc par le banc d'acquisition, chez vous, avec vos pièces.
- 1
Acquisition
Choix du capteur et du montage sur votre poste, jusqu'à obtenir une image répétable.
caméra · optique · éclairage - 2
Jeu d'images
On collecte sur site et on fige avec vos qualiticiens ce qui est bon et ce qui ne l'est pas.
collecte · annotation · critères - 3
Entraînement
Le type de modèle dépend de ce que vous avez : des défauts documentés, ou seulement des bonnes pièces.
supervision · anomalie · augmentation - 4
Déploiement
Inférence sur la machine ou au bord du réseau, résultat renvoyé à l'automate ou à votre MES.
edge · GPU · automate - 5
Surveillance & dérive
Nouveau fournisseur, éclairage modifié, nouvelle référence : le modèle est réévalué avant de dériver.
faux négatifs · nouvelles références
Architecture
Les images restent sur votre site, les décisions partent dans vos systèmes
Les flux arrivent de vos caméras et de vos appareils terrain. Ce qui en ressort est une décision ou une donnée structurée, envoyée à votre automate, votre MES ou votre ERP. Les images brutes, elles, n'ont aucune raison de quitter votre réseau.
Vos sources
Caméras & capteursGigE, USB3, caméras IP
Photos terrain & mobilessmartphones, tablettes durcies
Archives images & vidéoNVR, stockage interne
Votre couche vision
Inférence en edge sur la ligne, ou en UE pour les traitements par lot
Vos usages
Automates & supervisionAPI, MES, SCADA
Qualité & traçabilitéERP, GED, dossier de lot
Pilotage & alertestableaux de bord, notifications
Cas clients
Des projets IA livrés, chiffres à l'appui
RAG & OCRIndustrie
-55 %temps de recherche SAV
Assistant IA documentaire pour une PME industrielle
Voir le cas
IA BTPAutomatisation
-70 %de temps par note de débours
Automatisation IA des débours et DPGF : PME du BTP
Voir le casAgents IASaaS B2B
×10productivité, verbatim du fondateur
Superhote, 4 agents IA livrés en 12 jours sur AWS Bedrock
Voir le casSimulateur de gains
Combien d'heures vos équipes passent-elles à contrôler des pièces à l'œil ?
Choisissez la tâche qui vous coûte le plus, donnez votre volume, le gain s'affiche. Le calcul reprend le facteur qu'on mesure chez nos clients, jamais une projection commerciale.
- Facteur mesuré en production, pas une promesse marketing
- Résultat immédiat, sans laisser vos coordonnées
- Hypothèses affichées et ajustables
Qu'est-ce qui vous coûte le plus ?
Combien de documents traitez-vous par mois ?
documents
Méthode JUWA
Du diagnostic à la production, avec un seul interlocuteur
Vous gardez la main à chaque jalon : comité Go/No-Go, livrable utilisable, transparence totale sur les choix techniques. Aucune boîte noire, aucune dérive de périmètre.
05 phases~ 8-12 semaines1 référent du diagnostic au go-live
La suite vous appartient
On démarre par un échange pour cadrer votre cas concret.
Une visio sans engagement. Vous repartez avec un retour qualifié sur la faisabilité, l'ordre de grandeur ROI et les prochaines étapes, même si vous décidez de ne pas avancer avec nous.
6 sem.
MVPMVP en production
100+
PME et ETIPME et ETI accompagnées
45 %
coûts en moinsCoûts opérationnels en moins
4,7/5
TrustpilotSatisfaction Trustpilot
Pourquoi ce modèle
Vision JUWA, solution sur étagère, ou intégrateur de machine spéciale
Trois façons d'automatiser un contrôle visuel. Une solution sur étagère se branche vite tant que vos pièces ressemblent à celles prévues par l'éditeur. Un intégrateur de machine spéciale maîtrise la mécanique et l'optique, beaucoup moins les modèles. On fait les deux.
Adaptation à vos pièces
JUWA · vision sur mesureModèles entraînés sur vos références, vos défauts et votre éclairage
Solution de vision sur étagèreBon sur les cas prévus par l'éditeur, en échec au-delà
Intégrateur machine spécialeRègles déterministes, sensibles à la moindre variation
Souveraineté des images
JUWA · vision sur mesureTraitées sur vos machines ou en UE, rétention paramétrée avec vous
Solution de vision sur étagèreImages souvent renvoyées vers le cloud de l'éditeur
Intégrateur machine spécialeReste sur site, mais sans traçabilité des décisions
Intégration au SI et à l'automate
JUWA · vision sur mesureConnecté à votre MES, votre ERP et votre supervision
Solution de vision sur étagèreConnecteurs standards, personnalisation limitée
Intégrateur machine spécialeBonne maîtrise de l'automate, peu du reste du SI
Tenue dans la durée
JUWA · vision sur mesureSuivi de dérive, réentraînement et TMA 12 mois par nos ingénieurs
Solution de vision sur étagèreVous subissez la feuille de route de l'éditeur
Intégrateur machine spécialeMaintenance mécanique assurée, pas l'évolution des modèles
Un défaut qui passe encore trop souvent ?
On regarde ensemble ce qui relève vraiment de la vision par ordinateur, et ce qu'un capteur bien placé règlerait pour beaucoup moins cher.
Stack technologique
Des technologies éprouvées, de la caméra jusqu'à votre ERP
Bibliothèques de vision, modèles de détection et de segmentation, modèles vision-langage pour les cas très variables, exécution en edge sur GPU embarqué. On assemble les bonnes briques et on les raccorde à votre SI. Vos images restent souveraines.
- AWS — Cloud
- React — Langages
- PostgreSQL — Bases de données
- Mistral AI — LLMs & IA
- PyTorch — Data & ML
- Python — Langages
- OpenCV — Data & ML
- OpenAI — LLMs & IA
- Claude — LLMs & IA
- Docker — Cloud
- Next.js — Langages
- TypeScript — Langages
- Pandas — Data & ML
- NVIDIA — Data & ML
- Microsoft Azure — Cloud
- Google Cloud — Cloud
- Node.js — Langages
- n8n — Automatisation
- scikit-learn — Data & ML
- FastAPI — Langages
- Kubernetes — Cloud
Diagnostic gratuit · Lecture par un expert IA · Sans engagement
Ils témoignent
Ce qu'en disent les équipes
“JUWA nous a fait gagner énormément de temps. Productivité franchement ×10, voire plus. Un vrai game changer, je vois un avant / après JUWA.”
Mathieu
CEO, SUPERHOTE
FAQ
Questions fréquentes
Ça dépend de l'approche. En classification supervisée, quelques centaines d'exemples par type de défaut suffisent souvent, à condition qu'ils soient représentatifs. En détection d'anomalies, on apprend sur des pièces conformes uniquement : deux à trois cents images propres permettent déjà de démarrer. C'est l'approche qu'on privilégie quand vos défauts sont rares, ce qui est le cas le plus fréquent sur une ligne bien réglée.
Non, c'est plutôt la norme. Une ligne à 0,5 % de rebut produit deux cents bonnes pièces pour un défaut, et un modèle supervisé entraîné naïvement là-dessus apprend à tout déclarer conforme. On traite ce déséquilibre par la détection d'anomalies, l'augmentation de données et parfois la génération synthétique de défauts. Le vrai sujet est ailleurs : combien vous coûte un défaut qui part chez le client.
Souvent oui, et ça coûte moins cher que ce que les gens imaginent. Une caméra de vidéosurveillance filme pour l'œil humain, pas pour un modèle : compression agressive, mise au point automatique, exposition variable. Pour du contrôle fin, il faut un capteur adapté, une optique choisie et surtout un éclairage maîtrisé. On spécifie le matériel pendant le diagnostic et vous l'achetez directement, sans marge de notre côté.
Sur site dès que la cadence ou la confidentialité l'imposent. Un contrôle à la pièce sur convoyeur tourne sur un GPU embarqué posé à côté de la machine : la décision tombe en quelques dizaines de millisecondes et rien ne dépend du réseau. Pour de l'analyse par lot ou des volumes irréguliers, un traitement en UE coûte moins cher à exploiter. Le choix se fait au cadrage, sur des critères de latence et de coût, pas par principe.
Les performances baissent, parfois sans que personne ne s'en aperçoive. Un changement de fournisseur de matière, des néons remplacés par des LED, une nouvelle référence : ce sont les causes de dérive les plus courantes. On instrumente donc le modèle dès la mise en production, avec un suivi des scores et un échantillon revu périodiquement par vos qualiticiens. Le réentraînement fait partie de la TMA.
Il y a un cadre à respecter et il se traite. Information des salariés, consultation du CSE, base légale documentée, durée de conservation limitée, accès restreints. On évite la surveillance individuelle, on floute ou on anonymise à la source quand des personnes apparaissent, et on n'utilise jamais de reconnaissance biométrique. L'AI Act ajoute des obligations sur certains usages, notamment la reconnaissance d'émotions au travail, qui est interdite. On cadre ça avec votre DPO dès la première phase.
Un premier livrable utile sort en général en 4 à 8 semaines, selon la complexité et le nombre d'intégrations. On avance en sprints courts, avec des jalons hebdomadaires. Côté budget, on cadre d'abord le périmètre, le matériel d'acquisition et les gains attendus, puis on chiffre un projet aligné sur ce qui vous crée de la valeur. Vous gardez la main, jalon après jalon.
Un cabinet de conseil cadre puis sous-traite la livraison ; une ESN exécute mais rarement avec le cadrage stratégique. Nous faisons les deux, avec le même interlocuteur senior du diagnostic à la production. Pas de cascade de sous-traitance, pas de profils juniors facturés au prix fort. Et on reste après le go-live, avec la TMA.
Nos expertises
Explorez nos autres savoir-faire IA
Le même cabinet de conseil et agence IA, décliné par compétence. Chaque savoir-faire se combine aux autres dans vos projets.