Précédent

Défense des infrastructures critiques : point tracking et données synthétiques pour accélérer la vision par ordinateur

Accélérer la vision par ordinateur en contexte de guerre moderne. integration vision par ordinateur

Hackathon EDTH

La défense des infrastructures critiques et des zones sensibles, dans des théâtres d’opération modernes, se heurte à une contrainte structurante : l’environnement technologique évolue plus vite que les cycles classiques d’acquisition. Capteurs, drones, moyens de brouillage, déni de GNSS et perturbations électromagnétiques modifient en continu les conditions d’observation et les hypothèses de déploiement.

Dans ce cadre, les solutions efficaces sont celles qui peuvent être mises à jour rapidement, fonctionner avec des chaînes de perception frugales, et rester compatibles avec des architectures “OEM-free”, afin de limiter les dépendances matérielles et réduire les surfaces de vulnérabilité.

Computer Vision en contexte défense : perception passive et alerte

La vision par ordinateur permet de transformer des capteurs existants (caméras, systèmes embarqués, edge compute) en capacité de perception et d’alerte, avec une approche frugale et une signature électromagnétique minimale (capteurs passifs, sans émission). Pour être réellement déployable, un pipeline doit tenir en conditions réelles, produire des métriques lisibles, et s’inscrire dans une trajectoire d’industrialisation.

Computer Vision Defense Capteurs passifs Sans émission EM

ARCY × European Defense Tech Hub (EDTH) — Hackathon

C’est précisément l’intérêt des formats courts et intensifs, comme les hackathons de défense : réduire l’incertitude en quelques jours, forcer un cadrage strict, et aboutir à un livrable visible.

Dans ce contexte, ARCY a participé au hackathon organisé par European Defense Tech Hub (EDTH) et accueilli à iXcampus. Le cadre était volontairement contraint : cadrer un besoin, prototyper un pipeline, tester, et présenter une démonstration lisible, sans dépendre d’un dispositif industriel lourd.

Sans entrer dans les détails du projet, ce retour d’expérience met en avant deux choix techniques particulièrement utiles pour livrer vite en contexte défense : le point tracking (suivi temporel robuste) et la donnée synthétique (accélération des boucles d’apprentissage et de validation).

Brique 1 — Point tracking : stabiliser l’information dans le temps

Suivi d’un drone par vision par ordinateur : suivi temporel (point tracking) sur une séquence vidéo.
Perception robuste : signal stable pour le suivi temporel.

Le point tracking vise à maintenir une continuité temporelle en suivant des points d’intérêt d’une image à l’autre. En pratique, cette approche améliore la stabilité des signaux et la lisibilité d’une démonstration : au lieu d’une perception intermittente, on obtient une trajectoire et une cohérence dans le temps, plus proches des besoins d’exploitation.

Pour des systèmes déployés en environnement perturbé, cette continuité est une propriété “business” autant que technique : elle réduit l’incertitude perçue, facilite l’évaluation par des décideurs, et prépare des mécanismes de contrôle utiles en production (perte/reprise, seuils de confiance, revalidation).

Brique 2 — Données synthétiques : accélérer l’itération et la validation

Données synthétiques et simulation 3D : génération d’images contrôlées pour créer des datasets et accélérer la validation.
Données synthétiques : accélérer l’itération et la validation.

En parallèle, la donnée synthétique traite une limitation structurelle : la rareté et le coût des données réelles annotées, souvent accentués en défense et sécurité. Les environnements 3D et la génération contrôlée d’images permettent d’amorcer un pipeline plus tôt, de couvrir des variations (angles, distances, arrière-plans, conditions lumineuses), et surtout de structurer des tests ciblés.

L’intérêt n’est pas de remplacer le réel, mais d’accélérer les itérations, de réduire la dette “data”, et d’obtenir un protocole de validation reproductible. Dans notre cas, les échanges avec Synteza ont illustré concrètement comment une approche synthétique peut soutenir un cycle rapide, compatible avec des contraintes opérationnelles.

Vidéo : aperçu ARCY (référence générale).

Conclusion

Au-delà d’un événement court, ces deux briques dessinent une logique de passage à l’échelle : la continuité temporelle (tracking) augmente la robustesse exploitable, tandis que le synthétique accélère l’apprentissage et la couverture de la variabilité. Ensemble, elles réduisent le temps entre idée, preuve de valeur et trajectoire de production, ce qui est décisif lorsqu’il faut s’adapter rapidement à un environnement technologique mouvant.

Le projet ARCY présenté lors du hackathon a reçu une mention honorable.

Reconnaissance

NVIDIA
Scaleway

Des partenaires solides pour industrialiser l’IA.

Accès rapide aux ressources et mise en production accélérée.