Neural System
Solutions · Industrie

Sécurité au travail et efficacité dans l’usine

EPI, zones dangereuses, chutes, fatigue, fuites et émissions : l’IA surveille l’activité 24 h/24 et vous alerte dès qu’une situation sort de la norme.

Détection des EPI

Casques, gilets et autres EPI sur les chantiers et les lignes de production

Voir la démo

Modèle de vision par ordinateur entraîné par Neural pour identifier, sur chaque travailleur, la présence ou l’absence d’équipements de protection individuelle — combinaisons, gants, lunettes, masques et visières — à partir des caméras déjà installées. Chaque non-conformité déclenche une alerte avec preuve photo et alimente des indicateurs de sécurité par zone, équipe et poste.

Comment ça marche

  1. 1Les caméras (RTSP/IP) envoient les images au serveur d’inférence sur site ou dans le cloud.
  2. 2Le modèle YOLO détecte en quelques millisecondes les personnes et chaque EPI (ou son absence).
  3. 3Un tracker associe les détections à chaque travailleur pour éviter les alertes en double.
  4. 4Des règles par zone définissent les EPI obligatoires (par ex. casque et gilet sur le chantier).
  5. 5Les alertes avec photo sont envoyées au responsable sécurité (tableau de bord, e-mail, WhatsApp, webhook).
YOLOv8 EPI (BTP)YOLOv5 Neural (santé)YOLO11 + ByteTrack (personnes)

Bénéfices

  • Surveillance continue 24 h/24, sans dépendre des rondes sur place.
  • Preuve photo de chaque événement pour les formations et les audits (règles de sécurité au travail, ISO 45001).
  • Indicateurs de conformité par zone, équipe et poste pour des actions de prévention ciblées.
  • Moins d’accidents, d’arrêts de travail et de contentieux sociaux.
  • Exploite l’infrastructure de caméras (vidéosurveillance) existante.
jusqu’à 60 %
Réduction des accidents avec arrêt
Des dizaines de milliers
Coût moyen évité par accident grave
2 à 4 h/jour
Temps de ronde libéré pour la sécurité
> 95 %
Conformité atteinte en 90 jours

Estimations de référence fondées sur des indicateurs du marché (statistiques officielles d’accidents du travail et études de sécurité au travail) ; les résultats réels varient selon la taille de l’entreprise, l’accidentologie actuelle et le degré d’adoption.

Analyse de productivité

Mesure le temps productif et le temps d’inactivité à partir de l’activité manuelle au poste

Voir la démo

Statistiques de temps productif × inactif pour les postes fondés sur l’activité manuelle (mains et bras par rapport au corps). Le système n’identifie pas les personnes par leur nom : il mesure le profil d’activité du poste pour appuyer l’équilibrage des lignes, le dimensionnement des équipes et l’amélioration continue.

Comment ça marche

  1. 1Le modèle de posture suit les articulations de chaque opérateur et le tracker conserve l’identité de chaque personne.
  2. 2Le mouvement est mesuré aux mains par rapport au buste de la personne, avec des points lissés et une zone morte. Balancements du corps, transferts de poids, marche, tremblements de la caméra et petits tics ne comptent pas comme travail.
  3. 3Compte comme productif : manipuler quelque chose pendant au moins 2 s, mains éloignées du corps et devant/au-dessus des hanches, ou garder un bras tendu sur une pièce/un outil pendant un réglage.
  4. 4Mains pendantes, près du visage (radio, téléphone) ou posées sur le corps, ainsi que les gestes de conversation, comptent comme pause.
  5. 5Les courtes pauses entre deux cycles comptent comme productives ; sans activité manuelle pendant la durée configurée, toute la période devient du temps d’inactivité.
  6. 6Les rapports par poste, équipe et période révèlent goulots d’étranglement et opportunités.
YOLO11-PoseByteTrackCinématique des mains

Bénéfices

  • Chronométrage continu, sans chronométreur ni effet observateur.
  • Des données objectives pour dimensionner équipes et horaires.
  • Identification des goulots d’étranglement et des attentes de matière.
10–25 %
Gain de productivité
-30 %
Temps d’inactivité par manque de matière
80 %
Réduction de l’effort de chronométrage

Usage recommandé en toute transparence et avec une communication aux équipes, dans le respect des lois applicables en matière de protection des données et des accords collectifs.

Émissions des cheminées

Repère cheminées/échappements et fumées, et analyse la palette de couleurs pour indiquer la qualité de la combustion

Voir la démo

L’IA repère la cheminée (ou l’échappement) et la fumée qui en sort, découpe le contour exact du panache et analyse sa palette de couleurs. La couleur de la fumée indique la qualité de la combustion et ce qui brûle : blanche, il s’agit en général de simple vapeur d’eau ; gris foncé et noire, d’une combustion incomplète (suie) ; bleutée, d’huile qui brûle ; jaunâtre ou brune, d’un signe de soufre ou de NO₂. Le noircissement est mesuré sur l’échelle de Ringelmann, celle utilisée par les inspecteurs de l’environnement.

Comment ça marche

  1. 1Segmentation guidée par texte (CLIPSeg) : à chaque image, l’IA marque où se trouvent fumée ou vapeur — sans entraînement spécifique.
  2. 2La détection guidée par texte (OWLv2) repère les cheminées ou échappements et écarte les structures similaires (tours de distillation, bâtiments de l’usine) ; la confiance minimale est réglable.
  3. 3C’est le contour du panache (et non un rectangle) qui sert à l’analyse : le ciel, les bâtiments et la cheminée elle-même ne faussent pas les couleurs.
  4. 4Les couleurs du panache sont regroupées en 4 couleurs dominantes (k-means dans l’espace CIELab) et chacune est classée dans une teinte.
  5. 5Noircissement = proximité de la fumée avec le noir (0 % = blanc, 100 % = noir). Échelle de Ringelmann = noircissement ÷ 20 (niveaux 0 à 5).
  6. 6Chaque cheminée est analysée séparément (la fumée juste au-dessus ; les flammes de torchère sont exclues de l’analyse des couleurs). Les indicateurs montrent la pire cheminée.
  7. 7Une fumée sombre persistante (à partir du niveau de Ringelmann configuré) ou une coloration anormale déclenche une alerte identifiant la cheminée, avec une image du moment.
CLIPSeg (segmentation guidée par texte, sans entraînement)OWLv2 (détection guidée par texte)Palette de couleurs k-means en CIELabÉchelle de Ringelmann

Bénéfices

  • Lecture de la couleur de la fumée → cause probable : vapeur, particules, combustion incomplète, huile, soufre ou NO₂.
  • Échelle de Ringelmann automatique, celle utilisée lors des contrôles (par ex. limite de fumée noire pour le diesel).
  • Des preuves continues pour les autorisations environnementales et leurs prescriptions (normes d’émission applicables).
  • Identification immédiate de la combustion incomplète → économies de combustible.
3–8 %
Économie de combustible
Jusqu’à des millions
Ordre de grandeur des amendes environnementales évitables
24 h/24
Couverture de la surveillance
-70 %
Temps de réaction aux écarts

La couleur et le noircissement sont des indicateurs visuels : ils ne remplacent pas des analyseurs de gaz certifiés. L’éclairage (contre-jour, coucher de soleil) modifie la couleur apparente de la fumée ; des caméras fixes cadrées sur le ciel donnent les meilleurs résultats. Les chiffres d’économie varient selon le procédé et le combustible.

Fuites de liquides

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.

Zones dangereuses autour des machines

Alerte lorsque des personnes entrent dans des zones dangereuses ou interdites

Voir la démo

Des clôtures virtuelles tracées sur l’image de la caméra délimitent les zones dangereuses (rayon d’action de machines, presses, ponts roulants, quais, zones sous tension) ou restreintes (magasins, périmètres). Lorsqu’une personne y entre, une alerte immédiate est déclenchée ; elle peut faire retentir des sirènes ou activer le verrouillage de la machine.

Comment ça marche

  1. 1L’utilisateur trace la zone sur l’image de la caméra (polygone libre).
  2. 2Le détecteur repère les personnes et les véhicules ; la position des pieds détermine la présence dans la zone.
  3. 3Chaque entrée génère un événement avec photo, durée et heure.
  4. 4Les intégrations webhook/automate permettent d’arrêter des machines ou de déclencher une signalisation.
YOLO11 (COCO)ByteTrackGéorepérage par polygone

Bénéfices

  • Prévention des accidents graves et mortels avec des machines et des véhicules.
  • Mise en place en quelques minutes, sans travaux ni capteurs physiques.
  • Preuves pour l’analyse des incidents et des presque-accidents.
jusqu’à 70 %
Réduction des presque-accidents dans les zones de machines
Coût zéro
Coût des capteurs physiques
< 1 s
Temps de détection

Ne remplace pas les dispositifs de sécurité certifiés (exigés par la réglementation sur la sécurité des machines) ; c’est une couche de protection supplémentaire.

Chutes et malaises

Distingue debout, assis et allongé au sol pour signaler les chutes sans fausses alertes

Voir la démo

Estimation de la posture humaine (17 points clés du corps) appliquée à chaque personne dans le champ. Lorsqu’il repère une transition brusque de debout à allongé — ou une personne au sol depuis longtemps —, le système envoie une alerte immédiate à l’équipe d’intervention et réduit le délai de prise en charge.

Comment ça marche

  1. 1Le modèle de posture repère les épaules, hanches, genoux et chevilles de chaque personne ; le tracker suit chaque individu.
  2. 2Debout : jambes tendues sous les hanches (genou au-delà de 140° et pieds bien en dessous des hanches) — se pencher pour ramasser quelque chose compte encore comme debout.
  3. 3Assis : buste droit, cuisses presque horizontales et pieds sous les hanches (chaise, banc, bord du lit). Buste incliné et jambes tendues = semi-allongé (lit, fauteuil).
  4. 4Accroupi/à genoux : genoux très fléchis avec les hanches près des talons, ou hauteur du corps bien inférieure à celle de la même personne debout.
  5. 5Au sol : buste horizontal sans que les jambes soutiennent le corps, ou pieds au-dessus des hanches. Assis par terre : hanches à la hauteur des pieds.
  6. 6Les mesures sont normalisées par la taille du corps de la personne et la posture est confirmée par un vote sur plusieurs images, pour éviter les clignotements.
  7. 7Chute : une personne vue debout qui arrive au sol avec une descente rapide des hanches. Une personne trouvée déjà allongée au sol déclenche une alerte au bout de quelques secondes.
  8. 8Une alerte avec une image du moment est envoyée en quelques secondes ; assis, semi-allongé et accroupi ne déclenchent pas d’alarme.
YOLO11-PoseByteTrackRègles biomécaniques

Bénéfices

  • Réduction drastique du temps entre la chute et la prise en charge (« long lie »).
  • Enregistrements vidéo pour l’analyse des causes et la défense juridique.
  • Moins de charge de surveillance visuelle pour l’équipe soignante.
-80 %
Délai de prise en charge
Plusieurs milliers
Surcoût moyen par chute avec blessure
jusqu’à 40 %
Réduction des chutes avec blessure grave

Estimations de référence issues de la littérature sur la sécurité des patients ; les performances dépendent de l’angle et de la couverture des caméras.

Analyse thermographique

Points chauds sur armoires électriques, moteurs et équipements, à partir de caméras thermiques

Voir la démo

Analyse automatique d’images et de vidéos de caméras thermographiques pour la maintenance prédictive et la sécurité. Le système convertit la palette de couleurs en température, repère les points chauds au-dessus du seuil et suit leur évolution — sans dépendre de l’interprétation manuelle d’un thermographe à chaque inspection.

Comment ça marche

  1. 1L’image thermique en couleur est reconvertie en intensité (inversion de la palette Ironbow/Rainbow/niveaux de gris).
  2. 2L’intensité est convertie en température d’après l’échelle configurée sur la caméra.
  3. 3Les zones au-dessus du seuil d’alarme sont segmentées, étiquetées et suivies.
  4. 4Avec des caméras radiométriques, la température absolue peut être lue directement via le SDK du fabricant.
OpenCVInversion de la palette thermiqueSegmentation des points chauds

Bénéfices

  • Maintenance prédictive — pannes repérées des semaines avant la casse.
  • Prévention des incendies d’origine électrique.
  • Des inspections continues au lieu de tournées mensuelles.
25–40 %
Réduction des coûts de maintenance
-70 %
Arrêts non planifiés
10:1
ROI typique de la thermographie prédictive

Sans données radiométriques, la température est estimée à partir de l’échelle de l’image ; pour des mesures certifiées, l’intégration de caméras radiométriques est recommandée.

Téléphones en zone de production

Repère l’usage du téléphone portable là où il est interdit

Voir la démo

Détection de la présence et de l’usage de téléphones portables dans les environnements où ils sont interdits pour des raisons de sécurité, de qualité ou de confidentialité, comme les lignes de production, la conduite de machines, les salles blanches, les examens et les zones contenant des informations sensibles.

Comment ça marche

  1. 1Le détecteur repère les personnes et les téléphones à chaque image.
  2. 2Le téléphone est associé à la personne la plus proche (mains/visage).
  3. 3L’occurrence est enregistrée pour chaque personne suivie, avec le temps d’usage cumulé.
YOLO11 (COCO)ByteTrack

Bénéfices

  • Réduit les accidents liés à la distraction.
  • Fait respecter les politiques de sécurité de l’information.
  • Données objectives pour les retours et la formation.
jusqu’à 25 %
Réduction des incidents liés à la distraction
-40 %
Temps improductif au téléphone

Estimations de référence ; les téléphones très petits ou cachés par les mains peuvent ne pas être détectés.

Fatigue des opérateurs

Détecte en temps réel les yeux fermés, les bâillements et les signes de somnolence

Voir la démo

Surveillance faciale des conducteurs et opérateurs pour repérer les signes de fatigue et de micro-sommeil — yeux fermés longtemps, PERCLOS en hausse, bâillements fréquents — en déclenchant des alarmes et en prévenant le centre de contrôle avant l’accident.

Comment ça marche

  1. 1Le maillage du visage (468 points) est calculé à chaque image.
  2. 2L’EAR (Eye Aspect Ratio) mesure l’ouverture des yeux avec un seuil adaptatif propre à chaque personne.
  3. 3Le PERCLOS indique le pourcentage de temps passé les yeux fermés (référence NHTSA pour la somnolence).
  4. 4Le MAR détecte les bâillements ; la combinaison des signaux détermine l’état alerte, fatigué ou somnolent.
MediaPipe Face MeshEAR/PERCLOSMAR

Bénéfices

  • Prévient les accidents dus à la somnolence — jusqu’à 20 % des accidents de la route graves.
  • Alertes immédiates au poste de travail et au centre de surveillance.
  • Indicateurs de fatigue par équipe pour la gestion du temps de travail.
jusqu’à 90 %
Réduction des épisodes de somnolence
Des dizaines de milliers et plus
Coût moyen d’un accident grave de camion
-30 %
Coût de l’assurance flotte

Les lunettes de soleil ou un éclairage très faible réduisent la précision ; une caméra avec éclairage infrarouge dans la cabine est recommandée.

Bijoux en production alimentaireZero-shot

Bagues, montres, bracelets, colliers et boucles d’oreilles dans les zones interdites

Voir la démo

Vérification automatique du port de bijoux — bagues, alliances, montres, bracelets, colliers et boucles d’oreilles — dans les environnements où ils sont interdits en raison du risque biologique, de la contamination des produits ou de la sécurité mécanique. Le détecteur est à vocabulaire ouvert : de nouvelles classes peuvent être ajoutées par texte, sans réentraînement.

Comment ça marche

  1. 1Le détecteur YOLO-World reçoit la liste des bijoux en langage naturel.
  2. 2Chaque bijou est associé à la personne qui le porte.
  3. 3Une non-conformité déclenche une alerte avec le recadrage de l’image comme preuve.
YOLO-World (vocabulaire ouvert)OpenCV

Bénéfices

  • Une conformité vérifiable aux règles de sécurité au travail et aux BPF.
  • Moins de contaminations croisées et de rappels de produits.
  • Prévention des accidents de happement et d’arrachement.
> 90 %
Conformité en audit
-60 %
Non-conformités BPF

La fonctionnalité tourne en mode zero-shot (sans entraînement spécifique) : la précision augmente nettement avec des caméras proches (par ex. sas d’hygiène) et un futur fine-tuning.

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.