Aller au contenu

100+ entreprises ont confié leur transformation IA à JUWA

4,7/5 sur Trustpilot

Vision par ordinateur

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

Parlez-nous de votre projet

Réponse en moins d'une heure ouvrée

En envoyant ce formulaire, JUWA traite vos données pour répondre à votre demande. Politique de confidentialité.

100+ entreprises ont confié leur transformation IA à JUWA

  • Logo Safran en blanc : un S encerclé d'un arc suivi du nom Safran en capitales
  • Logo Heineken : le nom de la marque en lettres blanches sur fond transparent
  • Logo du ministère de l'Intérieur en blanc : bloc Marianne, nom du ministère et devise Liberté, Égalité, Fraternité
  • Logo BlaBlaCar : le nom de la plateforme de covoiturage en lettres blanches
  • Logo Abeille Assurances : pictogramme d'abeille suivi du nom de l'assureur
  • Logo C. Steinweg Group
  • Logo CCCA
  • Logo SuperHote en blanc sur fond transparent
  • Logo DataBird : le nom de l'école de formation data en lettres blanches
  • Logo HelloSafe : le nom du comparateur d'assurances en lettres blanches
  • Logo BTP CFA Île-de-France : trois losanges superposés traversés de barres obliques, suivis du nom du centre de formation
  • Logo BTP CFA Occitanie : losange jaune posé sur des feuilles et des barres obliques, au-dessus du nom du réseau et de la mention Campus des métiers de la Construction
  • Logo Hemerion en blanc : deux barres obliques suivies du nom hemerion en minuscules
  • Logo Liveblocks : pictogramme géométrique suivi du nom de l'éditeur en lettres blanches
Impact mesuré

Ce que la vision change sur une ligne, une fois qu'elle tourne

Équipe JUWA en session de travail

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

AnthropicPartenaire AnthropicNos assistants et agents s'appuient sur les modèles Claude.
République françaiseAgréé CIINos prestations ouvrent droit au Crédit d'Impôt Innovation pour les PME éligibles.
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.

Technicien mesurant une pièce mécanique au pied à coulisse numérique en atelier

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

  • Détection & suivi d'objets

  • Lecture d'images & OCR terrain

  • Vision embarquée & edge

  • Analyse de flux vidéo

  • Modèles multimodaux

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. 1

    Acquisition

    Choix du capteur et du montage sur votre poste, jusqu'à obtenir une image répétable.

    caméra · optique · éclairage
  2. 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. 3

    Entraînement

    Le type de modèle dépend de ce que vous avez : des défauts documentés, ou seulement des bonnes pièces.

    supervision · anomalie · augmentation
  4. 4

    Déploiement

    Inférence sur la machine ou au bord du réseau, résultat renvoyé à l'automate ou à votre MES.

    edge · GPU · automate
  5. 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

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
Estimer vos gains en 30 s
Méthode JUWA

Du diagnostic à la production, avec un seul interlocuteur

  1. 1

    Diagnostic & faisabilité

    On qualifie le besoin avant d'écrire la moindre ligne

    1 à 2 semaines

  2. 2

    Cadrage & architecture

    Vous validez le périmètre, ensuite on construit

    1 semaine

  3. 3

    Build & itérations

    Sprints courts, une démo chaque semaine

    4 à 6 semaines

  4. 4

    Industrialisation

    Ce qui sépare une démo d'un poste en production

    2 à 3 semaines

  5. 5

    Go-live & TMA 12 mois

    On reste là, bien après la mise en production

    Go-live + TMA 12 mois

On démarre par un échange pour cadrer votre cas concret.

MVP en production
6 sem.
PME et ETI accompagnées
100+
Coûts opérationnels en moins
45 %
Satisfaction Trustpilot
4,7/5
Pourquoi ce modèle

Vision JUWA, solution sur étagère, ou intégrateur de machine spéciale

Recommandé
Adaptation à vos pièces
Oui : Modèles entraînés sur vos références, vos défauts et votre éclairage
Souveraineté des images
Oui : Traitées sur vos machines ou en UE, rétention paramétrée avec vous
Intégration au SI et à l'automate
Oui : Connecté à votre MES, votre ERP et votre supervision
Tenue dans la durée
Oui : Suivi de dérive, réentraînement et TMA 12 mois par nos ingénieurs

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.

Échanger avec un expert
Stack technologique

Des technologies éprouvées, de la caméra jusqu'à votre ERP

  • OpenCV
  • Claude
  • Mistral AI
  • OpenAI
  • PyTorch
  • Pandas
  • NVIDIA
  • scikit-learn
  • TypeScript
  • AWS
  • PostgreSQL
  • Next.js
  • Python
  • Docker
  • React
  • Node.js
  • Microsoft Azure
  • Google Cloud
  • n8n
  • Kubernetes
  • FastAPI
Toutes les technologies
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

Mathieu

CEO, SUPERHOTE

“J’ai travaillé pendant quelques mois avec l’équipe de Juwa, et l’expérience a été excellente du début à la fin. Tristan et Mathéo m’ont accompagnée avec beaucoup de sérieux, de rigueur et surtout une vraie écoute de mes besoins. Leur approche est très structurée et professionnelle : tout est clair, carré et orienté résultats. Grâce à leur accompagnement, j’ai pu développer efficacement ma prospection commerciale, exactement comme je le souhaitais, et cela s’est rapidement traduit par du chiffre d’affaires. Au-delà des résultats, c’est aussi très agréable de travailler avec une équipe impliquée, disponible et proactive. Je recommande vivement Juwa à toute entreprise !”
Marie Vuillemenot

Marie Vuillemenot

Directrice générale, COVICO Hôtellerie I AICR France

“Nos processus manuels freinaient notre croissance et coûtaient cher. En un mois, l'équipe de JUWA a automatisé toute notre chaîne administrative. À la clé, 20 000 € d'économies par an et 3 employés réaffectés à des tâches à valeur ajoutée.”
Louis & Théophile

Louis & Théophile

Fondateurs, Iconokom

“Nos employés passaient des heures à ressaisir des données. En deux mois, JUWA a automatisé 80 % de ces tâches. Résultat : nous économisons 10 heures par semaine et nous n'avons plus d'erreurs de saisie.”

Élise M.

Fondatrice, Organisme de formation linguistique

“La consolidation financière était un cauchemar à cause d'erreurs de saisie et de fichiers éparpillés. JUWA nous a développé un système automatisé pour centraliser et contrôler nos chiffres. En 3 mois, nos rapports sont fiables à 100 % et je prends mes décisions en deux fois moins de temps.”
Charles M.

Charles M.

Co-fondateur, PME dans le bâtiment

Note Trustpilot 4,7 sur 5
FAQ

Questions fréquentes

Combien d'images faut-il pour démarrer ?

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.

Nos défauts sont rares. Est-ce rédhibitoire ?

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.

Faut-il changer nos caméras ?

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.

Le traitement se fait sur site ou dans le cloud ?

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.
Voir les 4 autres questions

Que se passe-t-il quand nos pièces ou notre éclairage changent ?

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.

Filmer nos ateliers pose-t-il un problème RGPD ?

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.

Quels délais pour un premier résultat, et comment se construit le budget ?

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.

En quoi êtes-vous différents d'un cabinet de conseil ou d'une ESN ?

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.
Heineken
BlaBlaCar
DataBird
HelloSafe

Un contrôle visuel que vous aimeriez ne plus faire à la main ?