Notre laboratoire d’IA conçoit des systèmes intelligents qui perçoivent, raisonnent et agissent dans le monde physique : pour les dispositifs médicaux, la fabrication électronique et l’automatisation industrielle. Nous concentrons nos efforts sur quatre axes technologiques plutôt que de nous disperser sur l’ensemble des applications de l’IA.
Le lab d’intelligence artificielle d’Innovobot conçoit des systèmes d’IA physique qui perçoivent, raisonnent et agissent de manière fiable dans des environnements réels complexes.
Nous transformons des modèles d’IA prometteurs en produits déployables en intégrant perception, raisonnement et action au sein d’équipements existants, conçus pour fonctionner à la vitesse de la ligne, résister à des environnements difficiles et répondre aux exigences de fiabilité des flux de travail réglementés.
Quatre axes technologiques
Chaque axe a été choisi pour la même raison : les solutions existantes ne suffisent pas, et cet écart mérite d’être comblé par l’ingénierie.
Combiner plusieurs techniques d’IA de pointe pour répondre à des cas d’usage de vision par ordinateur qui ne sont pas encore traités commercialement en raison de leurs caractéristiques complexes :
Surpasser les dispositifs MedTech de première génération basés sur l’IA en intégrant les derniers modèles d’IA dans les dispositifs médicaux.
Cartographier les contraintes réglementaires pour optimiser autant que possible l’intégration de l’IA de pointe dans les dispositifs médicaux.
Explicabilité pour l’examen FDA · fiabilité · aide à la décision complexe.
Développer des méthodes de raisonnement agentique qui génèrent des solutions à forte valeur ajoutée pour une fraction du coût habituel :
De nouvelles façons de combiner des modèles de pointe face à des problématiques de niche, à travers les différentes fonctions de l’entreprise.
Des modèles de pointe combinés à des cadres éprouvés et à une expertise sectorielle.
Résoudre un problème restreint de bout en bout, et l’utiliser comme preuve pour ouvrir la voie à une robotique dextre plus large :
Constituer un jeu de données démontré pour la robotique dextre.
Nos axes technologiques, mis en pratique.
Partenaire : Waste Robotics
Le défi
Waste Robotics disposait déjà d’une solide expertise interne en vision par ordinateur, mais la variabilité du terrain limitait la performance selon les déploiements, et l’effort d’annotation ralentissait chaque cycle d’amélioration.
Notre approche
Nos spécialistes se sont intégrés à leur équipe pendant trois mois, pour évaluer et reconstruire les flux de vision, de données et d’annotation, tout en renforçant la reproductibilité, l’efficacité d’inférence et l’adaptation sur le terrain.
Résultats
Un composant de vision par ordinateur nettement amélioré, atteignant une forte performance avec moins de données et une exécution plus rapide.
Partenaire : plateforme de soutien à la santé
Le défi
Le concept avait besoin de plus d’interactivité, d’adaptabilité et de résilience; la voix, la mémoire et les connaissances fiables devaient fonctionner comme un seul système, et l’usage sensible exigeait des contrôles de confidentialité, de traçabilité et d’hallucination.
Notre approche
Nous avons conçu les couches de parole, de langage, de données et d’orchestration, en structurant des agents spécialisés, une recherche ancrée et une mémoire persistante, avec des garde-fous, un suivi et des fondations modulaires définis.
Résultats
Une architecture cible arrimée aux besoins réels du produit et des utilisateurs, ainsi qu’une trajectoire définie du MVP vers une plateforme multi-agents évolutive.
Partenaire : Oneka
Le défi
Les actifs océaniques isolés fonctionnent dans des conditions difficiles et en mouvement constant, où les défaillances mécaniques et la dérive des capteurs entraînent des arrêts imprévus, et de grands flux de données diversifiés étaient surveillés sans IA embarquée.
Notre approche
Fusion de capteurs et IA embarquée conçues pour la plateforme d’acquisition de données, avec des modèles de détection d’anomalies et de santé du système, transformant les données opérationnelles en informations de maintenance et d’optimisation.
Résultats
Une trajectoire claire de mise en œuvre pour la surveillance de la santé des actifs en temps réel, une base pour une détection plus précoce des défaillances, et un concept réutilisable pour d’autres actifs en environnement difficile.
Partenaire : MileBox
Le défi
La livraison urbaine doit concilier vitesse, pistes cyclables, autonomie de la batterie et circulation; les opérateurs manquaient d’une vue unifiée de l’état des vélos et de la performance des livraisons, et les pannes imprévues augmentent les temps d’arrêt et les coûts.
Notre approche
Nous avons défini les capacités de capteurs, de gestion de flotte et de centre de contrôle, développé un routage dynamique adapté à l’infrastructure cyclable réelle, et ajouté une intelligence de batterie, des alertes de panne et une maintenance prédictive.
Résultats
Une trajectoire claire des données du vélo connecté vers des opérations pilotées par l’IA, ainsi qu’une feuille de route pour l’efficacité des trajets, la disponibilité des vélos et la planification de la maintenance.
L’IA appliquée, déployée de manière responsable et à grande échelle.
Une IA conçue conjointement avec nos laboratoires Robotique, IHM et IoT, afin que la perception, le contrôle et la mécanique forment un seul système plutôt que trois fournisseurs distincts.
Des modèles conçus pour des environnements réglementés et critiques pour la sécurité : explicabilité, déploiement en périphérie et éléments de validation.
Une propriété intellectuelle co-développée, structurée pour un partage de la propriété et des revenus, y compris pour des applications non concurrentes dans d’autres secteurs.
Apportez-nous le problème qui doit fonctionner dans le monde réel.
Dites-nous ce qui ne fonctionne pas. Nous vous dirons honnêtement si l’IA est la solution, et lequel de nos labos peut vous aider.
