L'IA a suivi un crâne chauve pendant tout le match. Plus de données d'entraînement n'y changeront rien.

En octobre 2020, lors d'un match de football écossais, une caméra automatisée a passé toute la rencontre à suivre le crâne chauve d'un juge de touche au lieu du ballon. Le clip est devenu viral. La plupart des gens en ont ri comme d'un petit bug amusant. Moi, je l'ai regardé en boucle pour une autre raison : le système n'était pas défaillant. Il faisait exactement ce que nous l'avions conçu pour faire.

Ce clip est l'illustration la plus limpide qui soit de la raison pour laquelle la vision par ordinateur sous contraintes physiques est la seule chose qui rende les systèmes de vision dignes de confiance en production — et de la raison pour laquelle déverser davantage de données d'entraînement sur le problème, ce que j'ai essayé en premier, ne le règle pas.

Sous les projecteurs d'un stade, un crâne chauve produit des reflets spéculaires — des taches lumineuses, rondes et blanches — dont les gradients de pixels sont statistiquement indiscernables de ceux d'un ballon de football. Le détecteur, un CNN standard de la famille YOLO, traitait chaque image indépendamment et attribuait une confiance de 98 % au « ballon » sur le crâne. Le vrai ballon, flou dans les ombres à pleine vitesse, obtenait 80 %. Le système a suivi le chiffre le plus élevé. Ce n'est pas un bug. C'est le modèle qui croit ce que ses propres yeux lui montrent.

Un détecteur repère des motifs. Il n'a aucune idée qu'un « ballon » situé en permanence à 1,7 mètre du sol, fixé à un cylindre vertical, longeant la ligne de touche, est physiquement impossible.

La solution n'est pas un meilleur jeu de données. La solution, c'est la physique.

Le problème du crâne chauve est partout — il ne devient simplement pas toujours viral

J'ai passé des années à déployer des pipelines de vision dans deux mondes qui n'ont rien en commun en apparence : des portiques de stade suivant un ballon, et des lignes de fabrication inspectant du silicium. Ils partagent une même maladie. Le modèle voit une forme qu'il reconnaît et la signale, sans aucun mécanisme pour se demander si ce qu'il signale pourrait exister dans le monde physique.

Dans l'inspection des semi-conducteurs, le symptôme n'est pas un crâne chauve — c'est le défaut parasite. KLA détient environ 63 % du marché du contrôle des procédés, et ses outils large bande de la série 2900 peuvent résoudre des motifs aussi petits que 10 nanomètres. La sensibilité de détection n'est pas le goulot d'étranglement. Le goulot d'étranglement, c'est qu'un seul balayage large bande signale des milliers d'anomalies par plaquette, dont la plupart sont de la poussière, des artefacts de surface ou du bruit de motif qui n'affecteront jamais le rendement. Chacune doit tout de même être classée par un modèle d'apprentissage profond entraîné sur une bibliothèque de défauts historiques.

Voici ce que ce modèle n'a pas : la moindre compréhension de la manière dont la lumière interagit physiquement avec un creux par rapport à une tache par rapport à un résidu de procédé. Ainsi, lorsqu'une fab passe à un nouveau nœud de procédé — disons, du gate-all-around à 2 nm — la bibliothèque d'entraînement devient obsolète du jour au lendemain et le taux de défauts parasites s'envole. Et le coût de l'erreur n'est pas abstrait. Une perte de rendement de 1 % sur des nœuds avancés se chiffre en millions, car une seule plaquette peut coûter des dizaines de milliers de dollars.

L'atelier de fabrication souffre de la même maladie, avec une présentation plus discrète et plus vicieuse. Sur une ligne de production pilotée par un contrôle qualité par IA, vous ne savez presque jamais en temps réel quand le modèle se trompe, car il n'y a aucune étiquette de vérité terrain à côté de la caméra. Un angle d'éclairage se décale après une maintenance. Une lentille se voile en quelques semaines. Un montage s'use. Les faux rejets grimpent et vous obtenez des boucles de reprise, ou les fausses acceptations s'infiltrent et vous obtenez des fuites — et vous ne découvrez laquelle des deux que lorsqu'une fuite qualité impose un confinement, une mise en quarantaine, une réinspection complète.

Le modèle n'a pas échoué bruyamment. Il a dérivé en silence, et la première alarme a été un retour client.

Ce silence coûte cher. Le coût de la non-qualité représente environ 20 % du chiffre d'affaires total pour le fabricant moyen. Un défaut détecté à la planification coûte environ 100 dollars ; le même défaut détecté en production coûte 10 000 dollars. Intel a rapporté économiser environ 2 millions de dollars par an rien qu'en évitant la mise au rebut grâce à l'inspection par IA. Le potentiel est réel — c'est précisément pourquoi le mode de défaillance par dérive silencieuse est si corrosif. Il ronge le potentiel sans vous le dire.

Et la surcorrection coûte tout aussi cher que la dérive. J'ai vu un banc d'inspection optique automatisée valant plusieurs millions de dollars être discrètement éteint parce que son réglage était si agressif qu'il rejetait les bonnes pièces plus vite qu'il n'attrapait les mauvaises — il ne pouvait pas passer un test de Knapp, la norme qui vérifie si votre inspection distingue réellement les défauts d'une variation acceptable. Un système qui protège le rendement sur le papier et le détruit en pratique est pire que pas de système du tout, car quelqu'un l'a payé et quelqu'un se méfie désormais de chaque décision automatisée qu'il touche.

Pourquoi davantage de données d'entraînement ne règle-t-il pas le problème ?

Quand mon équipe a heurté ce mur pour la première fois, j'étais certain de la réponse, et j'avais tort.

L'orthodoxie en vision par ordinateur veut que les cas limites soient un problème de données. Votre modèle échoue sur les cas bizarres parce qu'il n'en a pas vu assez, alors vous allez en collecter davantage. J'y croyais. Je le défendais. Nous avons constitué un jeu de données bien plus vaste et bien plus varié — éclairages différents, angles différents, davantage de cas déroutants — et nous avons réentraîné. Les chiffres du modèle sur le jeu de validation étaient magnifiques. Je me souviens d'avoir eu le sentiment d'avoir comblé l'écart.

Puis nous l'avons mis sur une vraie ligne, une équipe de maintenance a ajusté un luminaire, et le bac de rejet a commencé à se remplir de bonnes pièces.

Rien dans notre superbe jeu de données ne couvrait cette nouvelle géométrie d'éclairage précise, parce que cette géométrie n'existait pas au moment où nous avions collecté les données. Nous aurions pu aller collecter celle-là aussi — puis courir après le décalage suivant, puis le voile suivant sur la lentille, indéfiniment. C'est là que la phrase qui me trottait dans la tête a fini par tomber juste : les cas limites ne représentent pas 5 % du problème. Ils représentent 80 % du temps d'ingénierie, 90 % du coût du support et 100 % de la responsabilité. On ne peut pas s'extraire par énumération d'un ensemble infini.

Un de mes ingénieurs voulait continuer à resserrer — relever le seuil de confiance jusqu'à ce que les faux positifs disparaissent. Ça marche sur une diapositive. En pratique, pousser vers zéro faux positif ne fait que les échanger contre des faux négatifs : vous manquez désormais les vrais défauts, les vraies menaces, les choses que vous avez précisément déployé le système pour attraper. Après suffisamment de ces débats, j'ai dû le dire à voix haute : chaque bouton que nous savions tourner était un moyen de déplacer la défaillance, pas de la supprimer.

Ce n'est pas une expérience marginale. Environ 95 % des projets de vision par ordinateur n'atteignent jamais la production, et la raison n'est presque jamais l'algorithme — c'est exactement ce genre de rupture à l'implémentation, l'écart entre un modèle qui fonctionne en laboratoire et un modèle qui survit à l'atelier. Une étude du MIT a constaté que 95 % des projets pilotes d'IA en entreprise n'ont pas réussi à générer un ROI mesurable en six mois. Nous étions sur le point de devenir une ligne dans cette statistique.

Ce que font réellement les contraintes physiques

Le tournant fut modeste et presque gênant rétrospectivement.

Au lieu de demander au détecteur d'être plus certain, nous avons placé devant sa sortie une porte qui posait une question de physique : cette chose aurait-elle pu se déplacer de la façon dont vous dites qu'elle s'est déplacée ? Une trajectoire qui viole la cinématique d'un objet doté d'une masse et d'une quantité de mouvement — une détection qui saute une distance qu'aucun ballon ne pourrait franchir entre deux images — est rejetée avant même d'être crue. Nous n'avons pas touché au détecteur. Le taux de faux positifs a quand même chuté.

C'est là toute l'idée, et elle se généralise. Un objet suivi ne peut pas se téléporter d'une image à l'autre. Un vrai défaut a de la parallaxe — il se décale par rapport à l'arrière-plan lorsque le point de vue change, ce qu'une ombre ne fera jamais. Une ombre n'a pas de profondeur. Ce sont des contraintes que le monde physique respecte gratuitement, et qui ne bougent pas quand votre éclairage bouge. Les propriétés physiques d'une pièce correctement fabriquée ne changent pas quand un montage s'use ou qu'une lumière est déplacée. Cela fait de la physique le seul point d'ancrage stable dans un système où tout ce qui est piloté par les données est en train de dériver.

Relever un seuil de confiance revient à demander au modèle de bluffer plus fort. Une contrainte physique, elle, refuse simplement de croire l'impossible.

Ainsi, la question que nous posons désormais n'est plus « cela ressemble-t-il à une bonne pièce comparée aux images d'entraînement ? ». C'est « cette image est-elle cohérente avec la géométrie connue et le comportement matériel de l'objet réel ? ». Ce sont des questions profondément différentes, et seule la seconde survit à une transition de nœud de procédé ou à une fenêtre de maintenance un mardi après-midi.

Il existe une boîte à outils mature pour cela, et la vérité honnête est que l'essentiel vit dans des articles de recherche plutôt que dans des produits commercialisés. La physique peut être intégrée à un système de vision de trois manières : dans l'architecture du réseau elle-même, dans la fonction de perte sous forme de pénalité fondée sur la physique pendant l'entraînement, ou dans la génération de données synthétiques via un rendu physiquement exact. Le hic — celui qui maintient cette approche hors de la production — c'est que la physique s'arrête généralement au moment de l'entraînement. Le modèle déployé reste une boîte noire purement pilotée par les données au moment de l'inférence, c'est-à-dire quand cela compte vraiment.

Les travaux sur lesquels nous nous appuyons comblent cet écart au moment de l'inférence. Le suivi moderne associe un filtre de Kalman classique — une méthode vieille de plusieurs décennies pour estimer où un objet en mouvement se trouvera ensuite, compte tenu des lois du mouvement — à l'apprentissage profond, au lieu de choisir l'un ou l'autre. Des approches comme KalmanNet aident le filtre à l'aide d'un réseau de neurones pour les dynamiques qui ne sont pas entièrement connues. Un système de 2026 appelé Phys-3D impose un mouvement 3D physiquement plausible via la géométrie de la caméra à sténopé et rapporte une erreur de comptage de 2,97 % même à travers une occlusion dense et des secousses de caméra. PhyOT va plus loin et traite le réseau de neurones lui-même comme un capteur alimentant un dispositif de Kalman régi par les lois de Newton. Le fil conducteur : le réseau propose, et la physique dispose. Les systèmes de vision sous contraintes physiques que nous construisons placent exactement ce type de couche de contraintes dans le chemin d'inférence — filtrage de Kalman, portes de flux optique et architecture informée par la physique — de sorte que le rejet de l'impossible se produit en direct, et non dans un carnet d'entraînement.

Pourquoi les grands fournisseurs ne le font-ils pas, tout simplement ?

Les gens me posent constamment cette question, généralement avec une pointe de suspicion — si les contraintes physiques sont si manifestement justes, pourquoi Hawk-Eye ou KLA ne les livrent-ils pas par défaut ? La réponse est que les leaders ont un peu de physique, mais presque toujours au mauvais endroit, et les lacunes sont instructives.

Pixellot, après l'ère du crâne chauve, a ajouté un suivi multi-hypothèses qui a en grande partie éliminé cette catégorie précise d'erreur — mais sa physique est un lissage de trajectoire a posteriori, pas une couche de contraintes, si bien que de nouveaux modes de défaillance (OCR des maillots sous flou de mouvement, projection du hors-jeu sur un terrain non plat) continuent d'apparaître. Et ce n'est pas anecdotique : sur SoccerNet, le plus grand banc d'essai public de suivi sportif, le suivi multi-objets est encore mesuré comme loin d'être résolu sur les mouvements rapides et les fortes occlusions, et aucun traceur conscient de la physique n'y a encore été intégré. Cet espace vide est toute l'opportunité. Hawk-Eye, propriété de Sony, dispose de contraintes géométriques réellement solides — il triangule à partir de six à huit caméras 4K et 8K calibrées, suit 29 points squelettiques par joueur, et est assez précis pour que la NFL l'utilise pour les mesures de first down. Mais cette rigueur coûte plus d'un million de dollars par site et exige une infrastructure dédiée. Ce n'est pas une couche que vous ajoutez à votre pipeline existant ; c'est un réaménagement de stade.

Du côté industriel, le schéma se répète. Les modèles de physique des défauts de KLA sont réels mais figés sur des nœuds de procédé spécifiques, ce qui explique pourquoi les transitions de nœud font grimper le taux de défauts parasites — et l'investissement de 2,3 milliards de dollars de KLA lui-même dans l'inspection de nouvelle génération est un aveu qu'ils savent que la lacune existe. Les outils d'apprentissage profond ViDi de Cognex sont excellents et peuvent s'entraîner à partir de seulement 5 à 10 images, réduisant le temps de mise en place de 90 % — mais il n'y a pas de physique à l'inférence, si bien qu'ils sont aussi exposés à la dérive silencieuse que n'importe qui. Et l'écosystème Metropolis et Omniverse de NVIDIA simule une physique magnifique — pour générer des données d'entraînement synthétiques. La physique s'arrête à l'entraînement ; le modèle déployé reste piloté par les données.

Dans tout le domaine, la colonne « intégration de la physique » est soit vide, soit orientée vers l'entraînement. Le modèle déployé, celui qui prend la décision en temps réel, devine encore à partir des pixels.

C'est la lacune sur laquelle nous construisons. Pas une plateforme, pas un réaménagement de stade — une couche de contraintes physiques qui s'insère dans votre pipeline existant et rejette l'impossible avant qu'il ne devienne coûteux. Que vous fassiez tourner des caméras automatisées au-dessus d'un terrain, que vous inspectiez des plaquettes à 10 nm ou que vous classiez des défauts sur une ligne, la contrainte tient lorsque l'éclairage bouge, parce que l'éclairage est précisément ce dont la physique ne dépend pas.

Ce que personne ne veut entendre à propos du « zéro faux positif »

Chaque acheteur finit par me demander le zéro faux positif. Je comprends l'instinct, et je leur dis la même chose à chaque fois : c'est techniquement réalisable et cela vous nuira probablement.

Pousser un système vers le zéro faux positif augmente inévitablement les faux négatifs — le vrai défaut manqué, la menace qui passe à travers les mailles. L'objectif n'est jamais zéro d'un type d'erreur ; c'est le bon équilibre pour les enjeux spécifiques de votre application. Ce que les contraintes physiques vous apportent, c'est une meilleure frontière sur laquelle trouver l'équilibre. La réduction classique des faux positifs — réglage de seuil, calibration, autoencodeurs qui, selon la recherche, peuvent réduire les faux positifs de 22 % à 87 % — tout cela opère sur la confiance du modèle. La physique, elle, opère sur la réalité. Elle rejette la détection physiquement impossible sans rendre le modèle plus timide face à celle qui est réellement ambiguë. Vous obtenez moins de fausses alertes et vous ne le payez pas en défauts manqués, parce que vous avez supprimé une catégorie d'erreur au lieu de l'échanger.

Il y a aussi un vent réglementaire favorable ici, et ce n'est pas celui auquel on s'attend. Les principales dispositions de l'AI Act de l'UE entrent en vigueur le 2 août 2026, et si la plupart des inspections industrielles ne sont pas classées comme surveillance biométrique à haut risque, les exigences de documentation et de transparence de la loi poussent globalement vers des systèmes dont vous pouvez expliquer les décisions. Une boîte noire pilotée par les données qui dit « ballon, 98 % » ne peut pas vous dire pourquoi. Un système qui a rejeté une détection parce qu'elle violait la parallaxe, lui, le peut. La falsifiabilité n'est plus seulement de la bonne ingénierie ; elle devient une posture de conformité.

Ce que je crois maintenant

Je suis entré dans ce domaine convaincu que la vision par ordinateur était un problème de données et que l'équipe disposant du jeu de données le plus vaste et le plus propre l'emporterait. J'ai déployé un modèle qui m'a prouvé le contraire sur le sol d'une usine, devant des gens dont la cadence en dépendait.

Ce que je crois maintenant est plus restreint et plus durable. Un modèle de vision qui ne sait que ce à quoi les choses ressemblent est en permanence à un changement d'éclairage, un nœud de procédé, un juge de touche chauve de vous affirmer avec assurance quelque chose d'impossible. Les systèmes qui survivent à la production sont ceux qui savent aussi ce que le monde physique autorise — et qui confrontent chaque détection à cela avant d'agir.

Le marché est sur le point de l'apprendre à ses dépens, à grande échelle. La vision par ordinateur représente un marché de 33 milliards de dollars en 2026, en croissance de près de 20 % par an, les systèmes de vision agentiques commencent à déclencher des actions dans le monde réel de leur propre autorité, et plus ils deviennent autonomes, moins une réponse impossible mais assurée devient tolérable. Vous pouvez continuer à collecter des séquences de cas limites et à courir après le prochain changement d'éclairage, la prochaine transition de nœud, indéfiniment. Ou vous pouvez enseigner au modèle le seul ensemble de règles qui ne dérive jamais. Si vous voulez voir comment nous intégrons cette contrainte dans un pipeline de production, c'est par là que je commencerais.

Un ballon ne peut pas se téléporter. Construisez le système qui le sait.