Vendredi 15 novembre 2024, SMART IMPACT reçoit Christophe Parrot (Directeur des ventes techniques, Recycleye)
Category
🗞
NewsTranscription
00:00L'invité de ce Smart Impact est avec nous en duplex, Christophe Parot, directeur des ventes chez Recyclaï. Bonjour, bienvenue.
00:14C'est une entreprise britannique. Votre métier, c'est le tri des déchets, c'est ça ?
00:20Bonjour Thomas. Nous sommes une entreprise britannique basée à Londres.
00:25On se spécialise dans l'application de l'intelligence artificielle pour traiter les déchets, les déchets ménagers, les déchets industriels, les déchets électroniques, les déchets de toutes sortes.
00:35Alors c'est quoi ? Expliquez-moi, ce sont des grosses machines, pardon pour les termes qui sont basiques, mais des machines avec pas mal d'intelligence artificielle.
00:45On va y revenir, mais c'est des machines qui voient passer des flux de déchets, c'est ça ?
00:50Exactement. Donc on a trois types de machines. On a soit des machines ou des systèmes d'inspection visuelle qui vont tout simplement faire une caractérisation,
00:57c'est-à-dire qui vont faire une analyse compositionnelle des flux entrant dans les usines de traitement des déchets pour fournir des informations sur la matière.
01:05Ensuite, on a des machines qui vont, soit des bras robotiques, donc des bras robotisés, qui vont servir de l'information générée par l'intelligence artificielle
01:14pour aller chercher différents types de matière, aller recycler. Et ensuite, on a des machines encore plus industrielles en termes de volume et de capacité
01:22qui sont des gros convoyeurs qui vont séparer la matière en différents flux, toujours en utilisant l'intelligence artificielle.
01:28En préparant l'émission, j'ai vu qu'on parlait d'éjection pneumatique. De quoi il s'agit ?
01:33Exactement. Donc ça, c'est une technologie qui est disponible même sans l'intelligence artificielle.
01:39Mais grossièrement, ce sont des souffleurs, des valves pneumatiques qui sont à la fin d'un convoyeur.
01:44Donc imaginez un peu un tapis de supermarché sous spéroïdes, donc très grosse capacité.
01:49Et en sortie, vous allez avoir des valves pneumatiques qui vont souffler les différents objets dans différents réceptacles.
01:55D'accord. Donc c'est vraiment le moment où le tri est effectué. Alors j'ai une première question sur l'œil humain et l'œil de la machine
02:05nourri d'intelligence artificielle qui a appris, j'imagine, en gobant des milliards et des milliards de données, d'objets à reconnaître.
02:14C'est aussi efficace, plus efficace ? Comment vous comparez l'œil de la machine avec le nôtre ?
02:20En règle générale, on dit que si un œil humain peut détecter un objet, l'IA peut éventuellement être entraînée à le détecter.
02:27Aujourd'hui, on a des niveaux de performance qui sont très proches de l'œil humain.
02:32Mais il faut tout de même être honnête. Derrière l'œil humain, il y a également un cerveau humain qui est possible d'être influencé par différents paramètres
02:41qui vont lui permettre d'avoir un processus de décision plus élaboré que ce que fait l'IA aujourd'hui.
02:45Mais on ne le passe souvent de ce qu'on fait non plus. On arrive aujourd'hui à des taux de détection très élevés sur la plupart des matières à être recyclées aujourd'hui.
02:55Alors, qu'est-ce que vous demandez à vos machines de détecter prioritairement ? C'est quoi ? C'est la taille de l'objet ? C'est sa couleur ? Ou alors, c'est ce à quoi il sert ?
03:05Alors, c'est là où ça devient complexe dans le domaine des systèmes de vision industrielle.
03:13Quand on sert de l'IA, c'est des processus d'éducation qui sont assez similaires à un cerveau humain.
03:18C'est-à-dire qu'il va y avoir une multitude de facteurs qui vont être pris en compte.
03:22La forme, la circularité, des angles aigus, des angles moins prononcés, la réflectivité, la couleur.
03:31C'est une somme de paramètres qui vont être liés les uns aux autres par un algorithme extrêmement complexe
03:37qui va permettre à la machine d'arriver à une conclusion finale et de définir quel type d'objet est là en face de la caméra.
03:45Et alors, ça lui permet quoi ? Par exemple, de détecter différents types d'aluminium ?
03:49Parce que j'imagine que ce n'est pas si facile de faire le tri entre des matières qui se ressemblent.
03:55Exactement. Aujourd'hui, il y a, parce que les systèmes de vision industrielle existent depuis très nombreuses années,
04:01à ma connaissance, au moins depuis les années 40.
04:04Ce que vient apporter l'intelligence artificielle dans ce secteur, c'est d'ouvrir de nouvelles frontières
04:09de ce qui est possible dans l'industrie du tri.
04:12Dans le secteur de l'aluminium, on va pouvoir, aujourd'hui, les machines conventionnelles,
04:15arriver à savoir si c'est du plastique ou si c'est de l'aluminium.
04:18Avec l'IA, on arrive à aller plus loin et dire, est-ce que c'est un aluminium, une canette, un aérosol
04:23ou une poche alimentaire multimatérielle avec une couche d'aluminium à l'intérieur.
04:31Et donc ça, ça vous permet ensuite de créer des chaînes de recyclage différenciées qui seront plus efficaces
04:36parce qu'une poche aluminium multimatérielle ne se recycle pas de la même façon qu'une canette, par exemple.
04:42C'est vrai pour les plastiques aussi. Il y a des plastiques plus difficiles
04:45ou qui étaient plus difficiles à détecter, à différencier sans l'intelligence artificielle ?
04:51C'est exact, oui. Vous aviez les technologies plus conventionnelles avec du mal,
04:56qui travaillent plus par analyse spectrale, c'est-à-dire que vous envoyez un type de lumière
05:00et vous analysez le type de lumière qui revient.
05:02Donc ça ne vous donne pas tellement d'informations sur l'objet,
05:04ça vous donne plus des informations sur sa composition et sur la matière dont il est composé.
05:11Et c'est une technologie qui a du mal avec les plastiques noirs, par exemple,
05:16parce que la lumière n'est pas très bien réfléchie.
05:18Pour l'intelligence artificielle, on arrive à détecter qu'un objet est noir,
05:21donc ça permet d'aller recycler le plastique noir, ça permet d'aller différencier de nouveau les différents types de plastique.
05:27Une barquette en PET ne se recycle pas de la même façon qu'une bouteille de PET, etc.
05:32Quelle quantité de données il a fallu pour nourrir votre intelligence artificielle ?
05:41Parce que c'est un peu ça, c'est en milliards d'images, j'ai du mal à imaginer ce que ça représente.
05:48C'est le nerf de la guerre dans l'industrie de l'intelligence artificielle,
05:53la quantité de données dont on va se servir pour alimenter et éduquer les modèles.
05:59Aujourd'hui, on peut avoir des modèles qui fonctionnent avec quelques centaines d'images.
06:03Le problème, c'est qu'ils vont fonctionner, ils auront été éduqués sur moins de variabilité.
06:07Par exemple, pour éduquer une bouteille de PET, on peut lui montrer 100 bouteilles,
06:12il va commencer à comprendre ce qu'une bouteille de PET ressemble.
06:15Par contre, vous imaginez bien que dans un centre de tri,
06:18toutes les bouteilles de PET ont été partiellement salies, triturées.
06:23Elles arrivent sous différents formats.
06:25Plus on lui montre différentes possibilités sur l'apparence de ces bouteilles,
06:30plus le système va être performant.
06:32Sur nos modèles les plus performants, on ne parle pas en milliards,
06:35même si dans le total des différentes matières qu'on a lisées,
06:38on est dans cet ordre de grandeur.
06:41Sur des matières spécifiques, on est dans l'ordre des dizaines de milliers.
06:45Ce sont des machines qui continuent de se perfectionner
06:49et qui apprennent de leurs erreurs.
06:55C'est la beauté de l'intelligence artificielle.
06:58Je reviens à mon analogie de la façon dont elle s'éduque, un peu comme un cerveau humain.
07:04C'est qu'aujourd'hui, c'est encore une technologie qui est dans son enfance
07:07ou en très jeune adolescence.
07:10Plus on l'éduque, plus le système va être performant.
07:14Sur chaque nouvelle itération, plus on lui montre l'exemple,
07:17plus le système devient intelligent,
07:19et moins il est sensible à la variabilité de l'apparence des objets pour les reconnaître.
07:25Votre technologie au CycLife est installée un peu partout en Europe.
07:30Vous avez des clients notamment en France ?
07:33Oui, on a été en France.
07:36Évidemment, on est une entreprise britannique,
07:38donc notre marché naturel a augmenté.
07:40On est encore une entreprise jeune, on a 5 ans.
07:42Ça a été les îles britanniques, Angleterre, Irlande, Écosse, Pays-de-Galle.
07:47Maintenant, on est dans une phase d'expansion au niveau européen.
07:50On est en France, en Belgique, et depuis cette année, en Espagne, en Italie et au Portugal.
07:57Le principal objectif de vos clients, c'est quoi ?
08:00C'est la rapidité ? C'est la précision ? Qu'est-ce qu'ils vous demandent ?
08:05Il est double.
08:08La précision est clé.
08:10Quand on rentre dans le secteur du recyclage,
08:12on ne peut pas mélanger du PVC avec du PET ou vice-versa,
08:17et dans différents types de matières, donc la précision est clé.
08:20Ce que nous demandent nos clients aujourd'hui,
08:22ça va dépendre des solutions qu'on leur offre évidemment,
08:25mais c'est soit quand on rentre avec nos tris éroptiques,
08:27vous parliez des tris pneumatiques qui peuvent travailler à très haute capacité,
08:31c'est d'aller faire des tris qui n'étaient pas possibles aujourd'hui.
08:35Pour vous donner un exemple, on a récemment vendu une machine
08:38qui va servir dans l'industrie de la construction et de la démolition
08:41à séparer les briques du béton,
08:43un tri qui n'est pas possible aujourd'hui pour ce client-là
08:46et qui va lui permettre derrière d'utiliser ces matières pour différents usages.
08:52Oui, parce qu'ensuite, on est dans un circuit de valorisation du déchet.
08:57Évidemment, est-ce qu'il y a une forme de pureté des déchets triés ?
09:03Vous voyez ce que je veux dire ?
09:04Est-ce qu'on voit le mauvais déchet dans la caisse avec tous les autres ?
09:09Parce que là, il y a une perte de temps, peut-être d'argent d'ailleurs.
09:14Exactement.
09:15Nos clients ont normalement des charges très bien définies.
09:18Dans l'industrie du tri des plastiques,
09:20quand on rentre dans les centres de tri des déchets ménagers,
09:22les puretés de sortie sont de l'ordre,
09:24donc ça va varier un peu en fonction des pays en Europe,
09:26mais on est dans l'ordre du 95 à 97 % de pureté.
09:29C'est-à-dire que dans votre bunker, dans votre réceptacle pour le PET,
09:33vous devez avoir au minimum 97 %, je crois, en France,
09:37ou 98 % de mémoire en France de pureté de PET.
09:40Sinon, derrière, le recycleur de PET n'acceptera pas l'eau,
09:44tout simplement va le déclasser financièrement.
09:47C'est vraiment un objectif majeur.
09:48Est-ce que, d'une certaine façon, vous participez,
09:51puisque là, vous avez un peu de comparatifs européens,
09:54à la capacité d'un pays à améliorer son taux de recyclage des déchets ?
10:00C'est ce qu'on fait penser, oui.
10:02Aujourd'hui, avec l'IAM, comme je vous l'expliquais,
10:05c'est une technologie qui va permettre d'améliorer le taux de recyclage,
10:08qui va permettre pas de substituer, en tout cas pas encore,
10:12mais de venir en complémentarité des technologies existantes
10:15pour améliorer le taux et augmenter le taux de recyclage.
10:18Donc, aller capter plus de matière,
10:20parce qu'aujourd'hui, il ne faut pas se voiler la face,
10:22il y a encore une grande partie de ce qu'on jette,
10:24ou une partie trop importante de ce qu'on jette dans les poubelles
10:27qui finit dans des incinérateurs plutôt que d'être recyclé.
10:30Merci beaucoup, Christophe Parot, et à bientôt sur The Smart for Change.
10:35On passe à notre débat tout de suite.
10:37On anticipe les évolutions de nos mobilités.