Votre trieur optique est aveugle au plastique noir. Nous avons cessé d'appeler ça un problème logiciel.
La première fois que j'ai vraiment compris le problème, je me tenais au bout d'une ligne de résidus, à observer.
Un plateau en polypropylène noir est descendu sur le tapis, a défilé devant une rangée de trieurs optiques qui avaient coûté près d'un demi-million de dollars, et est tombé dans le flux de rejet avec tout le reste destiné à la décharge. L'éjecteur au-dessus ne s'est jamais déclenché. Non pas parce que le logiciel a mal jugé. Parce que le logiciel n'a rien vu du tout. Pour ce trieur, un plateau noir sur un tapis en caoutchouc noir est un vide. Il n'y a rien là à classer.
Ce plateau vaut la peine d'être récupéré. Le PP, le PE et l'ABS noirs représentent quelque part entre 3 et 15 pour cent d'un flux de plastiques typique, selon la région, et la quasi-totalité part en résidus. Pour une installation de taille moyenne, cela finit par former un nombre avec une virgule dedans, versé chaque année sous forme de redevance de mise en décharge sur une matière qu'un acheteur paierait volontiers. C'est cette lacune autour de laquelle nous avons construit le travail de Veriprajna sur la récupération des matières et le tri du plastique noir : non pas « apporter l'IA au recyclage », car le recyclage a déjà plus d'IA que la plupart des industries, mais résoudre la seule chose devant laquelle toute cette IA continue de passer sans la voir.
J'y suis entré convaincu qu'il s'agissait d'un problème d'apprentissage automatique. J'en suis ressorti en comprenant qu'il s'agissait d'un problème de physique déguisé en apprentissage automatique, et que la chose la plus précieuse que nous puissions faire était parfois de dire à un directeur d'usine de dépenser moins d'argent qu'il ne s'y attendait.
Pourquoi un trieur à un demi-million de dollars devient-il aveugle face au plastique noir ?
Les trieurs optiques standard lisent les polymères avec de la lumière proche infrarouge, dans la plage de 0,9 à 1,7 micron. L'astuce est élégante : chaque plastique a une empreinte moléculaire, et les liaisons qu'il contient, les élongations carbone-hydrogène et oxygène-hydrogène, absorbent des longueurs d'onde NIR spécifiques selon un motif que le capteur peut comparer à une bibliothèque. TOMRA, Machinex, Pellenc, tout le secteur haut de gamme fonctionne sur une version de ce principe.
Le noir de carbone brise tout cela complètement. Le pigment absorbe pratiquement toute la lumière proche infrarouge avant qu'elle ne puisse atteindre ces liaisons moléculaires et rebondir. Le détecteur ne reçoit rien. Vous pouvez réentraîner le modèle autant que vous voulez ; il n'y a aucun signal dans l'entrée à partir duquel apprendre.
Aucune quantité d'entraînement de l'IA ne corrige une entrée à signal nul. Les photons n'atteignent jamais le détecteur. C'est de la physique des capteurs, pas une mise à jour du firmware.
Cette phrase est toute la raison pour laquelle une approche différente existe. La solution consiste à changer la partie du spectre que l'on observe. L'infrarouge moyen, environ 2,7 à 5,3 microns, lit les vibrations fondamentales des molécules de polymère plutôt que les faibles harmoniques que capte le NIR, et à mesure que la longueur d'onde augmente, l'emprise du noir de carbone se relâche. À environ 3 microns, le pigment devient en pratique transparent, et le pic d'élongation carbone-hydrogène à 3,4 microns ressort net et sans ambiguïté. Un plateau noir qui était un trou dans la vue NIR devient une signature propre et dentelée en MWIR. Les modes carbone-hydrogène aromatiques du polystyrène se distinguent nettement des bandes aliphatiques du PE et du PP. La caméra que nous déployons, une Specim FX50, capture 154 bandes spectrales sur cette plage. Elle ne voit pas des formes noires. Elle lit la composition chimique à la vitesse du convoyeur.
Quand j'ai esquissé cela pour la première fois, je pensais que l'histoire s'arrêtait là. Nouvelle caméra, nouveau spectre, problème résolu. Elle ne s'est pas arrêtée là.
Le chiffre que la brochure ne veut pas que vous voyiez
Les documents marketing de Specim, et la plupart des articles de presse sur le tri MWIR, vous orientent vers des chiffres de précision proches de 99 pour cent. C'était le chiffre que j'avais en tête quand nous avons commencé à construire le classificateur. Nous avons entraîné un réseau de neurones convolutif 1D sur les spectres, l'avons regardé donner de superbes résultats sur des échantillons de référence propres, et je me suis laissé croire que nous étions presque arrivés au but.
Puis nous l'avons confronté au type d'entrée que voit un vrai centre de tri. Pas des granulés immaculés. Des objets entiers, éraflés, souillés de nourriture, recouverts d'étiquettes, se chevauchant sur un tapis en mouvement, avec la poussière et la crasse qui recouvrent tout dans une usine de recyclage. La précision équilibrée est revenue à 83,4 pour cent.
Je veux être honnête sur la façon dont cela a été reçu, car ce fut le moment le plus important du projet. Mon premier réflexe a été de penser que nous avions fait quelque chose de mal, qu'il y avait un bug dans le pipeline, un étalonnage que nous avions sauté. Il n'y en avait pas. Un article évalué par des pairs publié dans Resources, Conservation and Recycling en janvier 2026, sur exactement ce problème, le MWIR plus un CNN pour l'identification du plastique noir, rapportait le même genre de chiffre sur des déchets réels. Les 99 pour cent étaient un chiffre de laboratoire. 83 pour cent, c'était le monde réel.
L'écart entre la démo de laboratoire et le tapis sale est l'endroit où la plupart des technologies de recyclage meurent discrètement. Nous avons décidé de vivre dans cet écart plutôt que de le cacher.
Cela a recadré toute notre façon de démarcher. Nous avons cessé de promettre une récupération quasi parfaite et avons commencé à parler de taux de récupération réalistes, du genre qui rentabilisent encore le système plusieurs fois, car même à 83 pour cent l'économie n'est pas serrée. Une installation de 50 000 tonnes par an traitant 5 pour cent de plastique noir est assise sur environ 2 500 tonnes de polymère récupérable. Aux prix courants du PP recyclé et compte tenu du coût de décharge évité, le scénario honnête et prudent aboutit à environ 2,2 à 2,7 millions d'impact annuel sur le compte de résultat, contre un coût de rétrofit de l'ordre de quelques centaines de milliers. Vous n'avez pas besoin de 99 pour cent pour que ce calcul fonctionne. Vous devez cesser de prétendre que vous les avez.
« Il suffit d'acheter du matériel plus rapide » était mon mauvais réflexe
La deuxième chose sur laquelle je me suis trompé concernait la vitesse.
Il y a une vraie question d'ingénierie enfouie dans toute ligne de tri : à quelle vitesse peut-on passer de « la caméra a vu un plateau en PP noir » à « la valve d'air s'est déclenchée exactement au bon endroit » ? Si cette latence est trop longue, le tapis a emporté l'objet au-delà de la fenêtre de déclenchement, et l'éjecteur soit le rate, soit emporte le plateau plus deux voisins, et votre pureté s'effondre. Je supposais, au départ, que la réponse à cela était toujours un matériel plus rapide et plus déterministe, un pipeline de flux de données FPGA capable d'atteindre environ 2 millisecondes sans gigue. Nous avons même commencé à en concevoir un.
Puis j'ai réellement fait les calculs pour une installation représentative, et ils m'ont fait honte. Imaginez une usine de 50 000 tonnes, un tapis de 1,2 mètre à 3 mètres par seconde, des buses d'éjection espacées de 12,5 millimètres, et un pipeline edge-GPU non optimisé prenant 50 millisecondes. La vitesse du tapis multipliée par la latence donne 150 millimètres de déplacement avant que la valve ne se déclenche, et avec la gigue la vraie fenêtre de déclenchement s'étale sur 200 à 260 millimètres, bien plus large qu'une cible de 60 à 90 millimètres. Bien sûr que la pureté chute. Mais la solution n'est pas le FPGA.
La solution, pour cette installation, est d'optimiser le pipeline GPU, TensorRT, taille de lot un, fusion de noyaux, demi-précision, ce qui fait tomber la latence à 12 à 18 millisecondes. Désormais votre erreur de déplacement est de 36 à 54 millimètres et le système fonctionne, avec zéro dépense matérielle, juste de l'ingénierie. La voie FPGA, 2 millisecondes et 6 millimètres d'erreur, ne justifie son coût qu'au-delà d'environ 5 mètres par seconde de vitesse de tapis, et elle s'accompagne de mois d'ingénierie spécialisée. La plupart des usines ne tournent pas à 5 mètres par seconde.
La réponse honnête à « ai-je besoin du matériel déterministe coûteux » est généralement non, et les seules personnes qui vous le diront sont celles qui ne vous le vendent pas.
Nous avons donc intégré ce calcul dans une mission de découverte. Nous l'exécutons en premier, avant de proposer quoi que ce soit, et le plus souvent nous disons au client la réponse la moins chère. Cela nous rapporte moins. Cela signifie aussi que le prochain directeur d'usine entend parler de nous par le précédent.
Que se passe-t-il quand la caméra MWIR tombe en panne ?
La première réunion porte sur la question de savoir si le MWIR peut voir le plastique noir. La deuxième réunion pose toujours la même question, et c'est celle qui sépare les gens qui ont réellement déployé cet équipement sur le terrain de ceux qui vendent des diapositives : que se passe-t-il quand la caméra tombe en panne ?
C'est une crainte légitime. La Specim FX50 refroidit son détecteur à environ 77 Kelvin avec un refroidisseur Stirling intégré, et ce refroidisseur est la pièce qui s'use. La fiche technique indique 10 000 heures. Dans un vrai centre de tri, avec l'infiltration de poussière et les vibrations constantes, comptez sur 7 000 à 8 000. À 16 heures par jour, cela fait un entretien de refroidisseur environ tous les 14 à 18 mois, et le délai de livraison de remplacement chez Specim est de 12 à 16 semaines. Si votre ligne de récupération est à l'arrêt pendant un trimestre financier parce qu'un cryoréfrigérateur est sur un bateau, vous n'avez pas acheté une solution, vous avez acheté un passif.
Le plan de secours fait donc partie de la conception, pas d'une réflexion après coup. La caméra est montée sur un support à changement à chaud, ce qui permet de la retirer en une demi-heure, et les refroidisseurs fonctionnent en rotation, l'un étant retiré pour rénovation avant de tomber en panne et revient comme pièce de rechange pour le cycle suivant. Pendant qu'une unité est hors service, un mode de repli dégradé n'exécute que la segmentation RGB, à une précision moindre, de sorte que la ligne ne s'arrête jamais complètement. Sous tout cela repose une deuxième source de capteurs qualifiée, Telops et IRCameras parmi elles, car presque toute proposition MWIR sur ce marché dépend discrètement d'une seule caméra d'une seule entreprise, et une installation qui mise des millions sur la récupération mérite mieux qu'un point de défaillance unique dont elle ignorait l'existence.
Où s'arrête le secteur, et pourquoi
Je veux être précis sur la concurrence, car l'espace de l'IA du recyclage est réellement encombré et je ne prétends pas le contraire. TOMRA fait fonctionner de l'apprentissage profond en périphérie depuis 2022 et compte des milliers d'unités sur le terrain. Si cette lacune existe encore, ce n'est pas parce que les acteurs en place dorment. C'est que chacun d'eux s'arrête juste avant, pour des raisons structurelles.
Ceux qui peuvent voir le plastique noir le vendent groupé. L'Autosort Black de TOMRA est une machine distincte à l'intérieur d'une ligne dont le prix commence autour de 450 000 à 650 000 euros, avec un logiciel fermé que vous ne pouvez pas licencier sur du matériel que vous possédez déjà. L'UniSort BlackEye de Steinert fonctionne réellement en MWIR, mais il est réglé comme un trieur de finition pour des paillettes propres à environ une tonne par heure, pas pour une entrée d'objets entiers contaminés issue d'un flux primaire. Ceux qui ne peuvent pas le voir sont honnêtes à ce sujet de différentes manières : la gamme hyperspectrale de Machinex fonctionne en SWIR, qui se heurte au même mur du noir de carbone que le NIR standard ; la détection de profil de Pellenc peut signaler « une chose noire dans le flux » pour le retrait des contaminants mais ne vous dira pas distinguer le PP noir du PS noir ; les préhenseurs robotiques d'AMP et les analyseurs de Greyparrot font un vrai travail, respectivement de prélèvement et de mesure, mais sur des caméras RGB qui ne peuvent pas du tout classer les polymères.
Chaque fournisseur de ce marché excelle dans quelque chose d'adjacent à votre problème de plastique noir. Aucun d'eux ne vend le rétrofit qui le résout directement.
C'est là toute l'ouverture. Nous ne remplaçons pas le trieur que quelqu'un a déjà payé. Nous ajoutons une station de détection, généralement sur le tapis latéral qui capte le rejet à forte teneur en noir, avec une caméra RGB pour trouver les contours des objets, la FX50 pour classer les spectres à l'intérieur, et une interface propre vers l'automate de la machine existante via OPC-UA, Modbus ou EtherCAT pour déclencher les éjecteurs existants. L'acheteur conserve les 92 pour cent du flux que sa ligne actuelle traite bien et récupère la tranche qu'elle a été conçue pour ignorer.
Et il existe une version plus ardue et à plus forte marge de tout cela pour les recycleurs d'électronique. Les appareils électroniques en fin de vie sont pleins d'ABS noir, dont une grande partie est chargée de retardateurs de flamme bromés que la directive RoHS interdit de réintroduire dans de nouveaux équipements, et 40 à 50 pour cent des plastiques DEEE captés ne sont jamais correctement recyclés à cause de cela. La fluorescence X peut lire le brome mais pas le polymère ; le MWIR lit le polymère mais pas le brome. Fusionnez les deux en une seule tête de classification, tournant à environ 5 millisecondes, et vous pouvez séparer l'ABS recyclé propre des rejets contenant des retardateurs de flamme en un seul passage, là où la plupart des installations en font encore deux. Utilisés ensemble, les capteurs retirent jusqu'à 98 pour cent des plastiques bromés du flux. Ce problème de fusion de capteurs reste en grande partie non résolu à l'échelle de production, ce qui est précisément pourquoi il vaut la peine d'être construit.
Le problème du plastique noir a un compte à rebours de quinze ans
Les gens qui suivent le secteur de l'emballage soulèveront l'objection évidente : pourquoi construire une infrastructure pour le noir de carbone, alors que les marques pourraient simplement passer à des pigments noirs détectables au NIR et le problème disparaîtrait à la source ? C'est un vrai mouvement. UPM a lancé un noir biosourcé et détectable au NIR fin 2025 ; Cabot propose des alternatives conformes au contact alimentaire ; Ampacet a des masterbatches réglés pour la triabilité.
J'ai examiné cela de près, car si la substitution était sur le point d'éliminer le problème, bâtir une expertise MWIR serait un mauvais pari. Ce n'est pas le cas. Le noir de carbone standard coûte environ 0,20 euro le kilogramme ; les alternatives détectables valent trois à six fois cela, avant le coût de requalification des emballages en contact alimentaire. L'adoption depuis 2018 a été lente, les meilleures estimations placent le noir détectable sous les 10 pour cent des emballages noirs de grande consommation, et le flux hérité n'a nulle part où aller : les intérieurs automobiles ne changent pas, les boîtiers électroniques ne changent pas, les emballages de marque distributeur sensibles aux coûts ne changent pas.
Il s'agit donc d'une transition de 15 à 20 ans, pas d'un précipice. Le cadrage honnête, celui auquel je crois réellement, c'est la récupération MWIR dès maintenant pendant que les marques convertissent lentement, et la même ligne continue de récupérer la longue traîne pendant deux décennies après. Pendant ce temps, le plancher réglementaire s'élève sous tout cela : la SB 54 de Californie commence à prélever environ 500 millions par an auprès des producteurs d'emballages, avec la première échéance de déclaration fin mai 2026, et les règles européennes sur les emballages exigeront des notes de recyclabilité et des objectifs de contenu recyclé en forte hausse, 30 pour cent dans les emballages plastiques d'ici 2030, qui ne peuvent tout simplement pas être atteints si le plastique noir continue de partir en décharge. La matière récupérée n'est plus seulement du chiffre d'affaires. C'est de la conformité.
Ce que je dis aux gens qui demandent s'ils ont vraiment besoin de nous
Deux questions reviennent presque à chaque fois, et je préfère y répondre ici plutôt que dans un rendez-vous commercial.
La première est de savoir s'ils devraient plutôt engager l'un des grands cabinets de conseil. Ils le peuvent, et pour certaines questions ils le devraient. Mais une mission Accenture ou Capgemini se chiffre en millions et produit une matrice de sélection de fournisseurs et une feuille de route. Elle n'écrit pas le CNN-1D, n'étalonne pas un capteur cryorefroidi par rapport à l'arrière-plan spécifique de votre tapis, ni ne met en service l'interface avec l'automate. Nous sommes plus petits que les intégrateurs de systèmes, plus rapides que de bâtir la compétence en interne, où, franchement, vous ne pouvez pas facilement recruter les gens capables de qualifier un refroidisseur Stirling ou d'écrire un algorithme de suivi contre un contrôleur EtherCAT, et plus concentrés que les fabricants dont le métier est de vous vendre leur prochaine machine.
La deuxième question est celle dont je suis le plus fier de notre façon d'y répondre : en ont-ils même besoin ? Parfois la réponse est non. Une installation de moins d'environ 25 000 tonnes par an, avec une faible part de plastique noir, dans une région où la décharge est bon marché, ne verra peut-être jamais le retour sur investissement. Nous le disons et nous nous en allons. Un fournisseur de plateforme ne peut structurellement pas vous dire que vous n'êtes pas un bon candidat. Nous le pouvons, et les projets qui nous reviennent sont ceux où le calcul se boucle vraiment.
L'industrie du recyclage a passé ces dernières années à se faire vendre « l'IA » comme s'il s'agissait d'une chose unique que l'on avait ou pas. Ce n'est pas le cas. Le plateau noir qui tombe dans la benne de rejet se moque du nombre de réseaux de neurones qui tournent en amont. Ce qui lui importe, c'est de savoir si quelque chose dans le bâtiment le regarde dans une longueur d'onde où il existe. La plupart des usines, en ce moment, ne le font pas. C'est un problème plus petit et plus résoluble que les brochures ne le laissent entendre, et plus précieux que le rapport de résidus ne vous le dira jamais. Si vous voulez voir comment nous boucleriez le calcul sur votre ligne, l'analyse complète est ici.
