Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

La start-up française Deepomatic, spécialiste de la reconnaissance d'images, lève 6,2 millions de dollars

Levée de fonds La pépite française Deepomatic lève 6,2 millions de dollars. Avec ces fonds, ce spécialiste de la reconnaissance d'images compte s'imposer à l'international sur cette technologie prometteuse, mais encore peu mise en production.
Twitter Facebook Linkedin Flipboard Email
×

La start-up française Deepomatic, spécialiste de la reconnaissance d'images, lève 6,2 millions de dollars
La start-up française Deepomatic, spécialiste de la reconnaissance d'images, lève 6,2 millions de dollars © Deepomatic

La start-up française Deepomatic, spécialiste de la reconnaissance visuelle, annonce ce 7 février 2019 une levée de fonds de 6,2 millions de dollars (5,1 millions en capitaux propres et 1,1 million sous forme de dette). Ce tour de table de série A est mené par Hi Inov Dentressangle, avec le soutien d'Alven, partenaire historique de Deepomatic, et du business angel Bertrand Diard.

 

Deepomatic commercialise une suite logicielle qui permet de concevoir des applications à base de reconnaissance d’images et de les déployer à l’échelle industrielle, le tout sans recruter d'experts en intelligence artificielle. Elle est découpée en deux applications : Deepomatic Studio, pour la création du modèle de reconnaissance d'image, et Deepomatic Run, qui l'exécute. La solution peut tourner aussi bien sur le cloud qu'en local, avec un pilotage à distance. Elle est compatible avec les différents grands frameworks cloud du marché.

 

Un projet ambitieux avec Compass

"L'entreprise a été fondée en 2014 et s'est d'abord focalisée sur des applications grand public, explique Augustin Marty, CEO de Deepomatic. Cela nous a permis d'affûter notre R&D sur les réseaux de neurones. C'est en 2016, en discutant avec les grandes entreprises, que nous avons réalisé que c'est la création d'applications basées sur ces réseaux qui apporte le plus de valeur ajoutée. C'est là que naît véritablement Deepomatic." La start-up se focalise désormais uniquement sur le B2B.

 

Augustin Marty met en avant un projet en particulier, réalisé par le groupe Compass, spécialisé dans la restauration collective d'entreprise. Il s'agit d'une caisse automatique d’enregistrement de repas, capable de reconnaître 20 000 références. Le système a été déjà déployé dans 15 restaurants et est utilisé par 15 000 personnes chaque jour. "C'est un projet extrêmement ambitieux, et je n'en connais pas d'autres ayant été menés à cette échelle", commente le CEO tout en précisant qu'il a été créé en un an.

 

"Et contrairement aux caisses enregistreuses automatiques qu'on trouve en supermarché, qui reportent la charge de l'encaissement à l'utilisateur et qui nécessitent fréquemment une intervention du personnel, le système mis en place par Compass n'a besoin d'une intervention humaine que dans un cas sur 20", ajoute-t-il.

 

Simplifier et accélérer le développement de solutions

La vitesse de déploiement est le point fort de Deepomatic d'après son dirigeant : "Aujourd'hui, un client met en moyenne trois mois à développer et déployer une solution fonctionnelle avec notre produit. Cela a été le cas d'Indigo, qui fait de l'analyse vidéo sur ce que voient les caméras situées dans ses parkings."

 

Autre exemple : un contrat signé récemment avec Belron, société mère de Carglass, pour créer une application mobile capable de diagnostiquer les dégâts d'un pare-brise à l'aide d'une simple photo. "Le prototype fonctionnel a été validé en un mois," détaille Augustin Marty. A noter que la start-up prend en charge l'accompagnement des clients, et peut se charger elle-même de superviser l'entraînement des réseaux de neurones (labellisation manuelle).

 

Cap vers l'embarqué

La levée de fonds va servir à poursuivre le développement technologique, notamment en misant sur l'embarqué. Pour le moment sa solution s'appuie généralement sur un serveur local avec un GPU, mais la start-up s'est rapprochée d'Intel Movidius pour pouvoir déployer son application sur du matériel plus léger.

 

"Tout dépend du cas d'usage, déclare Augustin Marty. Par exemple, nous avons un client qui fait du tri des déchets. Une centrale électrique reçoit les déchets d’une agglomération et les trie avant de les brûler dans des chambres de combustion spécifiques. Si les déchets sont mal triés, cela encrasse l'usine et provoque des arrêts de production."

 

Le retour sur investissement est très élevé dans ce cas, il se compte en millions d'euros par an, donc il n'y a pas besoin d’économiser sur les moyens. "Le serveur disposant d'une puissance de calcul beaucoup plus importante, il est plus confortable pour nous et nous permet d'utiliser plus de réseaux de neurones, reprend le dirigeant. Sur de l'embarqué, tous les types de réseaux ne sont pas utilisables."  D'un autre côté, l'embarqué ouvre la porte à de nouveaux marchés et de nombreux cas d'usage. "Nous travaillons sur un projet de péages sans barrière, pour lequel il faut tout intégrer à côté de la caméra, sur du 12 volts. Dans ce cas de figure, un serveur n'est pas envisageable."

 

Un objectif de développement à l'International

Les fonds vont également servir à accélérer le développement à l’international de Deepomatic, notamment avec le recrutement de forces de vente basées à Paris et New York City. La start-up compte pour le moment 30 salariés situés à Paris. "Notre but est aussi de nous confronter aux meilleurs. Nous avons débauché une pointure de chez Clarifai pour ouvrir le bureau newyorkais", commente Augustin Marty. Le chiffre d'affaires à l'export n'est aujourd'hui pas négligeable, mais reste derrière le marché français. Deepomatic compte aujourd'hui environ 20 clients grand compte.

 

Enfin, si la start-up s'adresse à une multitude de domaines d'activité, elle souhaite développer quatre cas d'usage en particulier. Le premier est le contrôle qualité, sur lequel elle travaille notamment avec un opérateur téléphonique pour les branchements de fibre, mais qui pourrait aussi servir pour les infrastructures ferroviaires ou les réseaux d'eau (avec des contrôles robotisés sur des milliers de kilomètres).

 

Le second est l'analyse des flux de population, notamment pour les transports en commun. Il y ensuite l'encaissement de produits, et enfin la maintenance augmentée pour réduire, par exemple, le nombre d'opérateurs nécessaires à l'inspection d'un équipement, en envoyant une seule personne dotée d'un casque qui fait une seconde vérification.

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale