Neural System
Solutions · Commerce

Comprendre le comportement des clients en magasin

Flux et comptage de personnes, files d’attente, satisfaction, profil des visiteurs et incidents dans les allées — des indicateurs qui n’existaient jusqu’ici que dans l’e-commerce.

Satisfaction client

Réactions des clients aux produits, aux vitrines et au service

Voir la démo

Modèle d’IA entraîné à reconnaître les expressions faciales associées aux émotions — joie, tristesse, peur, dégoût, surprise, colère, mépris et neutre. Il mesure en temps réel la réaction des clients, élèves et publics aux produits, au service, aux cours, aux vitrines et aux présentations.

Comment ça marche

  1. 1Le détecteur YuNet repère les visages dans chaque image.
  2. 2Le modèle HSEmotion (entraîné sur le jeu de données AffectNet) classe 8 émotions avec leurs probabilités.
  3. 3Les lectures sont lissées dans le temps pour chaque personne afin d’éviter les variations brusques.
  4. 4Un indice de satisfaction (valence) résume l’humeur du public minute par minute.
YuNet (OpenCV)HSEmotion (AffectNet)Suivi des visagesYOLO11-pose

Bénéfices

  • Un retour émotionnel objectif, sans questionnaire.
  • Identifie les moments et les produits qui suscitent le plus d’enthousiasme (ou de frustration).
  • Complète le NPS et les enquêtes avec des données continues et anonymes.
+10–20 %
Efficacité des campagnes
-50 %
Coût des pré-tests
temps réel
Détection de l’insatisfaction au service

Les expressions faciales indiquent des émotions apparentes, pas des états intérieurs. Usage anonyme et agrégé, conforme aux lois applicables en matière de protection des données.

Flaques et fuites dans les allées

Repère fuites et flaques sur les sols, tuyauteries et équipements

Voir la démo

Détection automatique des fuites d’eau, d’huile, de produits chimiques et d’effluents à partir des caméras. Le système repère la source, mesure la surface touchée et suit son évolution, en déclenchant des alertes pour le confinement avant que le problème ne provoque des arrêts, des accidents ou des dommages environnementaux.

Comment ça marche

  1. 1Les caméras couvrent les zones critiques (salles de pompes, réservoirs, canalisations, quais, sols d’usine).
  2. 2La segmentation par texte (CLIPSeg) trace le contour des jets, gouttes, écoulements et flaques, sans entraînement propre à la scène.
  3. 3Les régions qui ressemblent plutôt à de la vapeur ou de la fumée sont écartées ; le modèle entraîné par Neural renforce la détection.
  4. 4La fuite est confirmée sur au moins 3 images sur 5 consécutives, ce qui évite les fausses alertes dues aux reflets.
  5. 5La surface touchée est mesurée image par image pour repérer l’extension.
  6. 6Des alertes avec images sont envoyées à la maintenance et à l’équipe sécurité au travail.
CLIPSeg (segmentation par texte, sans entraînement)YOLOv5 (modèle entraîné par Neural)OpenCV

Bénéfices

  • La détection précoce réduit les pertes de produit et les arrêts de machines.
  • Prévient les glissades et les chutes, l’une des principales causes d’accident.
  • Évite la contamination des sols et les amendes environnementales.
  • Historique pour la maintenance prédictive.
jusqu’à 30 %
Réduction des pertes d’intrants
-50 %
Délai moyen de confinement
Des milliers
Coût évité par arrêt non planifié

Estimations de référence ; elles dépendent du type de liquide, de l’éclairage et de la position de la caméra.

Flux et comptage de personnes

Visiteurs, entrées, temps de présence et carte de chaleur du magasin

Voir la démo

Comptage automatique et anonyme des personnes : entrées et sorties par une ligne virtuelle, occupation en temps réel, visiteurs uniques, temps de présence moyen et carte de chaleur des zones les plus fréquentées — les caméras deviennent un capteur d’audience pour les décisions d’exploitation et de marketing.

Comment ça marche

  1. 1Chaque personne est détectée et suivie avec un identifiant anonyme.
  2. 2Le franchissement de la ligne virtuelle définit une entrée ou une sortie.
  3. 3Les positions cumulées forment la carte de chaleur des déplacements.
  4. 4Les rapports par heure, jour, semaine et magasin éclairent les effectifs, l’aménagement et les campagnes.
YOLO11 (COCO)ByteTrackLigne virtuelleCarte de chaleur

Bénéfices

  • Le taux de transformation réel du magasin (fréquentation × tickets).
  • Des plannings alignés sur les pics de fréquentation.
  • Aménagement et mise en avant des produits guidés par la carte de chaleur.
  • Contrôle de la jauge pour la sécurité et la réglementation incendie.
+5–15 %
Hausse du taux de transformation
-10–20 %
Coût de main-d’œuvre inoccupée
98 %
Précision de comptage typique

Comptage anonyme (sans identification des personnes), compatible avec les lois applicables en matière de protection des données. La précision dépend de l’emplacement de la caméra.

Surveillance des files d’attente

Longueur de la file, temps d’attente et alertes pour ouvrir une nouvelle caisse

Voir la démo

Mesure automatique de la longueur des files et du temps d’attente aux caisses, comptoirs, accueils et guichets. Quand la file dépasse la limite, le système recommande d’ouvrir un nouveau point de service — avant que le client renonce à son achat.

Comment ça marche

  1. 1Une zone de file est dessinée sur l’image de la caméra.
  2. 2Chaque personne dans la zone est suivie et son temps d’attente mesuré.
  3. 3Sortir de la zone compte comme être servi.
  4. 4Les alertes de file longue et d’attente excessive sont envoyées à l’encadrement.
YOLO11 (COCO)ByteTrackZone de file

Bénéfices

  • Moins d’achats abandonnés à cause des longues files.
  • Respect des réglementations sur le temps d’attente maximal.
  • Dimensionnement des caisses fondé sur des données réelles.
-30–50 %
Temps d’attente moyen
+2–4 %
Ventes récupérées
+15 pts
NPS

Estimations de référence du marché de la distribution ; les résultats dépendent du volume de clients et de l’organisation.

Profil des visiteurs

Genre et tranche d’âge estimés du public + contenus personnalisés

Voir la démo

Estimation anonyme du profil du public — genre et tranche d’âge — à partir des caméras. Les données alimentent des rapports d’audience et les Contenus personnalisés : écrans et bornes affichent le contenu le plus adapté au profil des personnes qui passent à ce moment-là.

Comment ça marche

  1. 1Les visages sont détectés et suivis tant qu’ils restent dans le champ.
  2. 2Un Vision Transformer (ViT) estime l’âge en années et le genre à partir des visages de face, plusieurs fois par personne.
  3. 3Les lectures sont consolidées par personne (âge médian et probabilité moyenne de genre), ce qui élimine les variations.
  4. 4Chaque personne n’est comptée qu’une fois, sans conserver d’image ni d’identité.
  5. 5Le profil agrégé déclenche la recommandation de contenu/campagne la plus pertinente.
YuNet (OpenCV)Vision Transformer âge/genre (ViT-Base/16 · ONNX INT8)Suivi des visagesMédiane temporelle par personne

Bénéfices

  • Savoir qui visite réellement le magasin (pas seulement qui achète).
  • Campagnes et assortiment alignés sur le public réel à chaque moment de la journée.
  • Une audience prouvée pour vendre des espaces publicitaires à des partenaires.
+20–35 %
Attention portée au contenu affiché
+8–12 %
Ventes des produits mis en avant
nouvelle source de revenus
Monétisation des écrans (retail media)

Les estimations d’âge et de genre sont des approximations statistiques (erreur moyenne d’environ 6–7 ans et environ 87 % de justesse sur le genre en validation sur le jeu de données FairFace ; éclairage, angle et résolution de la caméra influent). Un usage agrégé et anonyme est recommandé (lois applicables en matière de protection des données).

Tous les secteurs

Un cas d’usage en tête ? Envoyez une vidéo et recevez une analyse gratuite.

Envoyez-nous un extrait vidéo de votre activité : nous le traitons avec notre IA et vous renvoyons le résultat avec détections, alertes et indicateurs — sans engagement.